Oke, izinkan saya mendongeng. Jadi setahun lalu aku cari kerjaan baru. Caraku biasa banget, sebar CV, lamar kerja ke 100an company, tunggu ada yang telpon/respon
Sebagai latar belakang, buat set ekspektasi, aku kuliah S2 di mamarika. Buat yg kurang familiar, visa F-1 yg biasa dipake orang luar yg kuliah di amriki tuh *nyambung* sama visa kerja setahun (3 th untuk STEM), jadi emang bisa kerja habis kuliah.
Kemudian kedua, aku habis itu dapet kerja habis kuliah sekitar 2.5 th, jadi latar belakangku adl professional.
Di sini wawancara buat freshgrad ama profesional beda jadi buat tambahan ekspektasi aja
Nah aku ga pake refer sama sekali. Caraku adalah cepet-cepetan daftar aja. Di LinkedIn kalo ada lowongan, aku sort dari yg paling baru, filter ke 3 hari terakhir.
Ini adalah gerbang paling susah, nembus ke pintu rekruter. Dari 100an kayaknya cuma dapet 10an telpon dari rekruter
Nah habis itu barulah masuk di proses wawancara yg selanjutnya. Jadi kurleb prosesnya:
0. Kejaring rekruter nih ajaib banget aku gatau gimana prosesnya, mungkin @hrdbacot lebih pinter ngasih tau.
Effort di aku antara lain selain nglamar sebanyak-banyaknya adalah (1) CV oke (2) LinkedIn oke (3) PUNYA PORTOFOLIO (untuk data saintis)
1. Screening telpon
Di FB sama MS, sblm wawancara, discreen dulu pengetahuan dasar. Biasanya dilakukan rekruter atau hiring manager. Ditanya basic statistik.
Kalo dirasa ok, baru lanjut ke tahap selanjutnya
2. Wawancara telpon
Menariknya, ada beberapa perusahaan kayak MS yang sblm wawancaranya telp ada proses 1b yaitu take home exercise. Dikasih mock data buat dianalisis 3 hari sblm wawancara telp...
...terus pas wawancara telp ditanya kita gimana bikin analisisnya. Kenapa pake metode abc, hasilnya gimana
Tapi pada umumnya kayak di Amazon, FB, Uber, wawancara telp ini sejak meliputi
- coding interview
- ML interview (mau bikin x enaknya pake model apa, kumpulin data apa)
*tipo, harusnya satu jam
Coding interview ini kalo temen2 familiar sama hackerrank, leetcode, semacam itu lah. Tapi levelnya kurang lebih level easy to medium bukan yg hard
Ngodingnya pake apa aja terserah
3. On site interview
Nah kalo lolos wawancara telpon, barulah diajak wawancara on-site
Kalo kandidat dari luar kota, diterbangin juga gratis ke tempat wawancara, diinepin, kasih makan, mayan kan
Kenapa sampe diinepin segala, karena....
....wawancaranya biasanya 4-6 jam, 4-7 ronde ππππ
Hah selama itu? Iya.
Biasanya urutannya acak tergantung availability pewawancaranya, tapi kurleb isinya gini
a. Behavioral
b. Coding interview
c. ML & stat
d. System design
a. Behavioral
Biasanya buat menyeleksi apakah kandidat fit dengan kultur perusahaan, jadi pelajari dulu kultur perusahannya
Amazon gitu misalnya punya leadership principles jadi kalo jawab perusahaan disambungin sama prinsip2 tsb amazon.jobs/en/principles
...plus kalo bisa ngejawabnya pake metode STAR: situation, task, action, result
Jadi misal ditanya "ceritakan suatu kondisi di mana kamu harus menghadapi konflik" gitu misalnya....
...maka jawab dengan STAR+prinsip, misal
Situation: "suatu hari bos sy minta saya kerjain x"
Task: "kerjaannya bikin report, KPInya ABC tp sy ga setuju"
Action: "akhirnya sy argue pake KPI yang lebih oke"
Result: "bos nerima"
Prinsip: "karena saya insist dengan standar tinggi"
b. Coding interview
Sama aja kayak phone interview. Yang penting belajar leetcode/hackerrank level easy-medium
Tipsnya adalah karena waktunya bentar (sejam, iya sejam tuh bentar), cari solusi yg paling gampang dl. Habis itu pasti ditanya "kira2 ada solusi lebih efektif ga"
...habis itu baru dijawab "iya, menurut saya bisa lebih efisien lagi dengan abc" diceritakan aja, soalnya kadang waktunya ga cukup. Kalo masih cukup, baru ditulis codenya
c. ML dan stats
Ini yg paling susah menurut aku karena data saintis ga jago semua algo dan rasanya lebih kayak ujian semesteran :((
Jadi harus belajar basic lagi soalnya pasti ditanya algo A gimana kerjanya, biasnya gimana, gimana ngitung koefisien, gain bla bla bla
d. System design
Biasanya ada problem misal
"Kita mau bikin bikin prediksi customer mana yg besok bakal balik lagi beli ke kita, gimana kamu bakal ngebikinnya?"
Terus jawab dengan ngumpulin data apa, dari mana, metodenya apa, kenapa pake metode tsb
Nah tiap poin itu sejam, makanya minimal 4 jam
Di beberapa perusahaan ditambah lagi misal,
Di MS, Amazon kemaren ada sesi ngobrol sama calon manager, kalo istilah HR Indonesia mungkin "user interview" kali ya, tapi ga wawancara, cuma ngobrol aja
Terus di MS sama FB ada wawancara dimana kita dikasih data, terus ya udah coba analisis aja datanya sampe pemodelan
Kalo mau belajar buat tahap ini bisa belajar lewat kaggle. Di situ, lihatin notebook2 EDA (exploratory data analysis) terus coba tiru aja
Terus uniknya juga, di Amazon ada yang namanya bar raiser, jadi salah satu dari kelima (atau 6, tergantung) pewawancaranya menyeleksi apakah si kandidat ini lebih baik dari 50Γ· karyawan Amazon yg sudah ada
Konon punya hak veto juga, kalo yg lain ok doi engga, ga masuk deh ππ
Di wawancara ini, setiap sesi kita bisa TANYA BALIK ke pewawancaranya di 5/10 menit terakhir kalo masih ada waktu. Aku selalu manfaatin dengan kepo karena wawancara itu idealnya dua arah. Ga cuma company nya, kita juga harus mastiin apakah company tsb cocok dengan prinsip kita
Pertanyaanku biasanya
1. Orang kek gimana yg paling cocok sama posisi ini? 2. Kerjaan anda sehari2 ngapain aja? 3. Tools apa yg biasa dipake 4. Hal tersulit yg dialami selama kerja? 5. Hal yg anda harap berubah dari tim, misal, workload??
Dari situlah ketahuan deh kira2 kita cucok ga ya ama kerjaan ini? Kalopun duitnya banyak, aku hepi ga ya?
Dkk dsb, intinya jadi bahan renungan aja kalo semisal dapet offer
Habis itu berdoa aja dah, seminggu dua minggu kemudian ditelpon buat ngasih tau hasilnya.
Kalo dapet offer nih, kalo disini, jangan lsg diambil. Baca dulu semua term offer dan NEGOSIASI karena bisa dapet gaji yg lebih banyak.
Gaji start menentukan banyaknya bonus.
Buset panjang amat ya. Yg udah baca sampe sini, makasih udah meluangkan waktu, semoga ada manfaatnya ππ
Jan lupa jaga kesehatan semua. Yg punya rejeki lebih silakan salurkan untuk saudara2 kita yg sedang terkena bencana (boleh kasih link di bawah)
Thank u happy weekend semua
LUPA KASIH KONTEKS, kirain dah pada tahu :(
Tret ini adalah tentang wawancara data saintis. Untuk posisi berbeda, wawancaranya juga akan berbeda :)
Tambahan, kalo ada yg bertanya-tanya dulu aku S1 apa di mana dan kenapa bisa kecemplung dunia data, bisa dibaca di sini
Kayaknya aku sering share teknis, hardskill dkk utk data saintis tapi jarang bahas sisi lain yg ga kalah pentingnya: soft skill
Beberapa soft skill yg menurut aku penting dimiliki data saintis:
1. Kolaborasi 2. Bercerita 3. Kritis thd diri sendiri 4. Berpikir terbuka
1. Kolaborasi
Aku taruh no 1 karena paling sering dipake. Di dunia nyata, data saintis harus kerja sama banyak orang: dapetin KPI dari PM/stakeholder, dapet konteks dari domain expert, data dari data engineer dkk jadi harus pinter kerja bareng tim
Alias storytelling. Tiap ada yg tanya portofolio DS bagus kek apa, aku selalu bilang buatlah portofolio yg bercerita: ada problemnya, kenapa metode abc, apa hasilnya.
Dengan demikian kita bisa meyakinkan orang lain untuk membuat keputusan berdasar analisis kita
Kalo waktu bisa diputar kembali dan aku bisa belajar dari nol lagi, berikut bakal jadi step-by-step aku belajar data sains
π§΅
1. Belajar git
Data scientist nggak mungkin bekerja sendiri, pasti kolaborasi sama orang dan devs (kalo di production setting). Aku bete banget ketika kuliah di IT jaman dulu ga belajar itu. Berikut beberapa sumber gratis
Aku dulu belajar R duluan yang mana ga salah sama sekali. Tapi tidak bisa dipungkiri, python lebih ramah produksi. Buat aku yang pengen jadi data scientist di dunia produk, aku pilih python. Bisa belajar lewat codecamp atau lihat β¬οΈ