双非还有希望找到数据分析实习吗…..
本文面向偏算法的数据分析，对偏业务的数分可能没有参考性
#数据分析#
数据类的相关工作真的是太难找了，去年找实习的时候从3月份就开始投递简历一直到6月底才收到一个暑期offer… 可能也是第一次找实习，之前没有任何的实习经历，所以很多公司都会嫌弃我之前没有实习…
我后来总结了下上岸技术类数据的实习的关键要素：
1. 学历
我在找数据类相关的工作的时候，清一色研究生，到现在为止已经开始正式工作了，周围很少很少有本科生从事数分/数挖/数科这种偏算法相关的工作。 如果是双非本科的话，我还是建议换个赛道的，这条路今年来看是很难走的…
2. 简历:
包括 个人学历 -->项目经历-->校内经历-->获奖经历-->个人技能
2.1 个人学历
可以写上有关数据的经典课程比如高数，概率论，数据结构，python编程，数据库，机器学习， 大数据分析，大数据挖掘，风险决策等等诸如此类的课程来证明你是科班出身有扎实基础的
2.2 项目经历
可以写3-4项。因为是第一次找实习，所以得突出自己做的一些项目。要写的尽可能的详细，而且要阐述清楚主要是做了什么，任务是有监督还是无监督，是分类还是回归，都是分别用的什么算法做的。如果是回归的话MSE,MAE,RMSE这些是多少，如果是分类的话accuracy，precision, recall都是多少。 调参过程中，调整了什么参数。 最后的准确率是多少。 往往面试官都会对这些问的很细！！ 而且算法不仅仅是要用过，要对底层也要了解！ 除了项目经历之外，也要写自己写过的论文（如果有的话），面试官比较喜欢发表过文章的人。因为这些人的自学能力还是非常强的，也证明自己的技术也是过关的。
2.3 校内经历
可以写写自己的比赛经历。比如打过什么样的比赛，都是做了什么（可以套入项目经历那部分）。 像那种参加了什么社团，在学生会担任了啥啥啥的。其实对技术岗来说没啥用，写了反而占地方。
2.4 获奖经历
可以写自己获得奖项比如，kaggle竞赛，蓝桥杯，奖学金，等等
2.5 个人技能
可以写自己熟练的技术和英语等级。这部分建议把自己用过的会的都写上比如html, css，js, php, java, c, python, sql等等 但是要有重有轻，比如自己用的比较多的就写熟练**, 没怎么用过的就写了解**
3. 准备工作
如果没有项目经历的话，就要自己找找事情做了，比如kaggle上面可以找些竞赛做。我研究生刚进学校的时候老师就是拿里面的项目让我们做的，这个网站还是比较好的。 或者是github找找相关的源代码看明白。 还有就是自己找资料丰富算法和模型的底层原理，这里不建议新手一上来就看机器学习西瓜书和深度学习大花书，因为比较难，第一次看除了看不懂就是看不懂。
可以先看一些用python做数据预处理的书比如python数据分析和数据实战这本书，然后看看youtube上staquest这个老外讲的算法原理会有相关的小例子（简单易懂！陪伴了我整整半年实习和春秋招）。 以及可以没事的时候看看meidium或者datascience这俩网站，里面有实例化代码很给力！然后基本都了解了后再去看西瓜书和大花书就会理解很多了！
4． 面试
一般来讲面试你的人就是你实习的leader，所以面试的时候要保持绝对的自信千万不要紧张到啥也讲不出来，这样会觉得我们抗压能力不行。
面试主要围绕着项目经历和比赛经历来问，一般技术面大概是50min或者以上。有的是要有在线coding的。 面试中介绍自己项目经历和比赛经历的时候要自己完整的说下流程，在流程种要点名自己用到的算法，以及怎么样调参的，以及准确度和误差是多少。
要把主动权找我到自己手里，面试官会顺着你说的这个算法来提问这些算法背后的原理，这样子自己就可以把准备过的滔滔不绝得回答出来了！ 不然得话，主动权都是在面试官手里，如果被问到的全是不会的就会很惨。。。 面试中有1-2个回答不出来的其实很正常，可以说不会，但是要把自己所了解的关于它的周边全说出来，说错了也没关系，主要是看看咱们的底子到底在哪里。
基本上掌握了这些，技术类数分，数挖，数科就差不多啦！希望大家都能拿到满意的第一份实习！
