728x90 데이터 커리어 in US46 Data Scientist 포지션에 대해 내부 추천 (internal referral)을 받는 방법 Data Scientist 롤은 여러 가지 이유로 인해 많은 사람들에게 인기가 좋습니다. 또한, 그만큼 경쟁도 치열한데요. 취업에 있어 가장 어려운 부분은 역시 interview를 받는 것 그리고 interview를 통과하는 방법이라고 할 수 있겠죠. 첫 번째 방법은 채용 담당자의 관심을 끄는 것인데, 이는 쉬운 일이 아닙니다! 눈에 띄는 이력서와 포트폴리오가 있는 경우 이런 일이 발생합니다. 하지만, 내부 추천 (internal referral)을 통해 이 단계를 완전히 건너뛸 수 있는 방법도 있습니다. 내부 추천 (internal referral)은 현재 직원 중 한 명을 통해 지원하는 회사에 소개 또는 추천을 하는 것입니다. 실제로, 내부 추천 (internal referral)은 technical.. 2023. 1. 4. 머신러닝/딥러닝 관련 트렌드를 팔로우업 하는 10가지 방법 확실히 머신러닝 / 딥러닝은 지금도 계속 진화하고 있습니다. 다르게 이야기 하면, 졸업한 후에, 우리가 학교에서 배우는 것들 이외에 발전하는 트렌드를 팔로우업 하는 방법을 확실하게 만드는 것이 중요하다고 할 수 있겠는데요. 오늘은 빠르게 발전하는 이 분야의 트렌드를 파악하는데 좋은 리소스 9가지를 소개해 보고자 합니다. 1. Two minutes paper 주요 관련 연구 논문을 요약해주는 유튜브 채널입니다. https://www.youtube.com/@TwoMinutePapers Two Minute Papers What a time to be alive! www.youtube.com 2. MIT tech review 굳이 말하지 않아도 너무나 유명한... https://www.technologyrevi.. 2022. 12. 15. 인터뷰 후 Thank you letter 템플릿 최근에 상담을 진행하다가, Thank you letter 템플릿 어떤거 쓰시냐는 질문을 받았습니다. 그래서 오늘은 제가 사용하는 템플릿 하나를 공유하고자 합니다. 주변 친구들에게도 한 번씩 물어봐서 점검 해달라고 했고, 피드백을 거쳤으니 아마 믿고 사용하셔도 좋을 듯 합니다. Thank you letter를 보내기 좋은 시기 개인차가 존재하겠지만, 저는 개인적으로 좀 빠르게 follow-up을 보내는 편입니다. 오전에 인터뷰를 받았다면, 당일 오후 퇴근할 때 즈음부터 1-2일 안에 보내시면 좋다고 생각합니다. Thank you letter 템플릿 Good afternoon Bryan, Thank you so much for meeting with me today. I appreciated your tra.. 2022. 12. 10. '미래에 visa sponsorship 비자 스폰서가 필요한가?' 라는 질문에 어떻게 답변하는 것이 좋을까? (Feat. e-verify) 최근에 visa sponsorship에 관한 질문에 대해서 받아서 한 번 정리해 보고자 합니다. 이전에 단톡방에서 나왔던 의견들을 한 번 정리해 보면 좋을 것 같아서 이 포스트를 작성하게 되었습니다. 우선 Job Apply 시에 외국인 학생 신분인 우리들을 괴롭히는 질문은 바로 다음과 같습니다: Will you now or in the future require sponsorship for a visa to remain in your current location? 그리고 이 질문에 대한 정답은 사실 '전문가와 상의하는게 좋습니다' 라고들 이야기 하는 경우가 많습니다. 왜냐하면, 개개인마다 상황이 다른 것이 가장 큰 이유입니다. 예를 들어, 지원하고자 하는 포지션이 인턴십인지 풀타임인지, 또는 나의 학년.. 2022. 11. 28. 잡담 (왜 ML은 실패하는가 / Auto ML / Declarative ML까지) 최근에 친구와 나눈 대화로 시작해 보겠습니다. 제 친구는 미국 대기업에서 일하고 있는 7년차 데이터 엔지니어인데요. data pipeline을 구축하는 것이 사실 ML보다 사실 더 쉽다고 말하더군요. 그러면서 performance metric 차원에서 ML보다 더 측정이 쉽다라고 이야기 하더라구요. 그리고 ML 프로젝트 대부분이 사실 기대치보다 잘 perform하지 못한다는 점도 덧붙였습니다. 사실 이 친구는 좀 극단적으로 이야기한 측면이 없지 않아 있습니다. 하지만, 일부 맞는 말도 있었는데요. 최근 KDNugget 설문조사에 따르면 대기업에서 일하는 데이터 사이언티스트의 75%가 대부분의 모델이 실제 production에 도달하지 못했다고 말했습니다. 이유에 대해서 각자 생각해보다가 저희들이 종합적으.. 2022. 10. 25. 이전 1 2 3 4 5 6 7 ··· 10 다음 728x90
