藉由這次鐵人賽的文章，跟大家分享過去這兩年幫在柏林的公司招募三個實習生的經驗。

招募緣由

專案數量擴增：2019年我們全職資料科學家只有兩位，但是公司在這一年預期要執行的專案大約在3-5個之間，因此規劃多僱用兩個實習生。後來再過半年才又新增另一位實習生的缺。

公司的實習生薪水是每小時12.5歐元(2019)，根據個人狀況，可能一週簽約30-40小時。福利跟正職差不多，都有配電腦跟手機、抗噪耳機、滑鼠鍵盤等等。唯一不同的是，由於計薪是從小時數算，所以也會比較不像正職，在工作時數上可以有較大的彈性，是以進辦公室的時數為主。

公司背景

產業：房地產
規模：全球1000-1200人
辦公室：柏林、斯德哥爾摩、多倫多、紐約、倫敦、巴黎等
商業模式：買進熱門地段公寓，針對買入的公寓做整理，包含裝修、裝潢、或是重新更新傢俱擺設，再將升級過的公寓出租。

招募管道與平台

• 我們的職缺一開始也是交由部門審核，有預算下來之後才能夠對外公開職缺。公開的資訊是從人資部門公布在公司網站還有linkedin上，大概在公告的兩週內收到30幾封的履歷。
• 在公告期間，我也和人資跑了柏林的大學(TUBerlin)，聯繫我們覺得有興趣的碩士program的教授，直接到他們的課堂上面分享公司在做的專案內容。宣傳效果算蠻好的，一個碩士班大約12-15人，當我們開缺之後，從他們program申請的大概就有2-3份。

實習生面試流程

• 人資收到履歷之後轉給我們，由我們部門內部決定是否面試。這個時候會看的資訊有：
  • 履歷的架構和排版是否清楚好閱讀
  • 履歷上的經驗是否都與該職務相關
  • 是否有畢業論文或是畢業專題的經驗
  • 有其他專案相關的資訊可以大致了解技術程度到哪嗎
• 如果決定要安排面試的話，就會由人資親自聯絡你，一邊算是簡單認識你，知道目前所在的城市，學校目前是學習進度到第幾年等等。假如我們在看履歷的過程當中，有任何疑慮也會在在這時候請人資提出。舉例像是：有沒有做過的專案網站或者github repository。或是履歷裡面有不清楚的資訊也會請對方在一面之前補上。
• 面試：之前因為還沒有COVID的緣故，因此會安排現場面試。不過也有其中一個實習生，因為他當時不在柏林，因此是透過遠端面試。後來我們也有錄用他。面試的問題集會列在底下。
• 面試之後大部分都會在一兩週內就決定，通常big no的拒絕相對快速，可能三天內就會收到。如果是符合標準的話，則是會比較謹慎挑選。也因此我們盡量都一個禮拜內可以看完一定數量的候選人。

常見面試問題

• 暖身
  這個階段最重要的是讓面試者可以簡單整理一下自己，調整一下自己的狀況再開始面試。這個部分我發現是在歐洲這邊面試跟在台灣面試比較不同的地方，他們會希望你準備好了再開始，並且也會在一開始就主動介紹公司跟背景，讓面試者在趕路來的匆忙中可以稍做休息，然後知道一下這間公司的狀況。這也可以讓面試者在這個階段，可以透過瞭解公司，而簡單調整自己稍後自我介紹的方向。
  大部分的同學在暖身階段都不會有太多問題提問，但是有一些同學像是有先做功課，或是之前有做過可能跟公司會遇到的題目，就有可能會在這一階段就詢問公司現在在做的專案有哪些。

  • 常見問題：
    • 你現在的狀態是覺得可以開始面試的嗎？Do you feel comfortable to start?
    • 還是你還需要五分鐘？Or you will need 5 minutes more?
  • 背景介紹
    • 介紹公司
    • 我們這個部門的一些歷史
    • 為什麼會有這個職缺
  • 常見問題：
    • 對於公司或我們部門有沒有什麼想了解的？Do you have any questions about our company or our team?

• 自我介紹
  暖身完之後，接下來就進到正式的自我介紹，從這邊開始之後關於自己本身的經歷，建議大家也要深入準備一些。由於大部分的實習都是有時間效期的合約，像是一年期、六個月期等等，並且實習生的經驗比起業界的同仁要來得少，所以我們在開職缺的時候，大部分都有預先設想一些可能會分派下去的任務，還有一些milestone，期待這個實習生可以完成到什麼階段等等。
  不管是自我介紹，或是一些專案的經驗，希望大家都可以就事實發生的去講就好，切記畫大餅之後，後來面試官再追問之後就拆穿馬腳，這樣是很扣分的表現。

  • 常見問題
    • 請跟我們介紹一下你自己 Tell me about yourself.
    • 怎麼開始學習跟資料科學相關的經驗？How did you start your data science journey?

• 軟實力
  在自我介紹之後，接下來的就會有一連串的followup question，來了解你的團隊合作能力、溝通能力、動機跟學習能力。用資料科學專案來舉例好了：

  • 常見問題
    • 可以更詳細介紹一下xxx專案嗎？是因為什麼而開始有這個專案？Can you share more on xxx? How did you start the project?
      • 透過在口頭陳述與表達的過程，其實可以知道這個人的個性是樂觀或悲觀，同樣一個專案，大家想要呈現的方向可能不同。也看學習動機，是否是自己興趣驅動來做的專案。
    • 在這個專案你跟誰合作？你做了些什麼？Who did you work with in this project? What did you do in this project?
      • 這一題能夠看團隊經驗，過去是否有跟別人一起維護專案，是否知道怎麼幫自己切分工作等等。

• 技術力
  對資料科學家來說，在完成專案的過程其實需要包含一定的溝通能力加上一些技術能力，大家在準備面試的過程當中，可能也會要多花一些心思準備如何陳述過去的經驗。這邊的多準備一些，並不是說要介紹很多個專案，或是要有很多經歷，而是要讓自己分享的內容，都要有事實可以去支撐。舉例來說，假設你做了一個語意的文本分析模型，要能夠包含：

  1. 資料來源，資料大小
  2. 怎麼做特徵工程(feature engineering)
  3. 模型的選用以及優化
     以及以上三點的實作細節為何。
     • 常見問題：
       • 你們是怎麼選定資料集？以及是怎麼處理訓練集的資料？
       • 為什麼會選擇這個演算法？有跟x,y,z演算法比較嗎？有做過哪些不同的嘗試？Why do you chose this algorithm? Did you compare with x, y and z? What did you try out when doing this project?
       • 這個演算法/資料集可能會有的限制有哪些？What's the limitation using this algorithm? What's the limitation using this dataset?
       • 如果要優化，你可能的approach有哪些?What will you do to improve this project?
         註：有經驗的人並不多因此有的話會很加分的能力：docker, cloud, git

• 期待目標
  這個部分則是在前面一番論戰之後，稍作休息的結尾。在經過幾輪面試的過程之後，發現其實也不一定總是會找到技術好、時間剛好能配合、態度好、學習動機又強的夥伴，所以其實很多時候我們都會盡量從多方面去評估這些候選人。除了看看他們現在有哪些能力，也會看我們未來半年、一年有多少時間可以帶他們，以及他們期望在這裡學到哪些技術。

  • 常見問題
    • 為什麼會想要申請這個位置？Why do you apply for this position?
    • 你會想要特別在這邊累積哪些能力？跟什麼內容？Do you have specific topic that you want to work on? Do you have specific ability that you would like to learn from us?
    • 是否還有其他想問的問題？Any other question?

• 結尾
  最後，通常就會感謝求職者跟我們面試的時間，也會點出在面試當中對方的優點有哪些，展現在這過程與對方的交流，以及未來預計會通知他們的時間等等。
  不管最後有沒有錄用他們，但是在面試的過程當中，其實也是像在重新讓自己去思考一開始踏進資料科學的初衷，也思考當初現在與過去的動機等等。終究開設職缺的目的，也是希望找到好隊友，目的並不是要去考試對方，且對於實習生的要求，也不會像是對正職這麼嚴苛。

其他

公司的僱用流程，是有一個像是軟體系統設計那樣，有一個固定流程圖。舉例來說，當決定雇用時，需要經書面通知，口頭告知之後，還需要親自過來辦公室簽約，才算雇用流程結案。若是決定不雇用的時候，也需要在面試後一週內，口頭告知求職者，讓對方不用等太久。

這些流程雖然看起來好像很基本，但是讓求職者知道目前的進度狀況這件事，並不是每一間公司都會做得到，也因此會造成有些人求職、面試會遇到無聲卡。

另外是在面試結束後大約一個月，公司人資也會來信提醒，不管有沒有錄用的求職履歷，都需要遵照GDPR刪除。這個部分我覺得也是對於求職者的資料安全多一份保障。

總結

好的希望今天的分享，能夠幫助到一些想要在德國申請在德國申請data science internship的同學們。

歡迎大家訂閱專欄，點這裡可以看歐洲碼農的新手村任務30篇文章列表。
對於這個主題如果有更多的想法，
可以在文章下方留言，
也歡迎在這個google問卷提問：https://forms.gle/aZPXa3ipTdi8HaLY8
或是拜訪不定期更新的粉絲頁：https://www.facebook.com/bymiachang.tw

我們明天見:)