Kaip gauti savo pirmąjį darbą duomenų moksle?

Kaip galima gauti pirmąjį darbą kaip duomenų mokslininkė arba duomenų analitikė? Jei naršysite duomenų mokslo forumuose, rasite daug klausimų šia tema. Mano duomenų mokslo tinklaraščio (data36.com) skaitytojai kartkartėmis manęs klausia to paties. Ir aš galiu pasakyti, kad tai visiškai pagrįsta problema!

Aš nusprendžiau apibendrinti savo atsakymus į visus svarbiausius klausimus!

NAUJIENA! Aš sukūriau išsamų (nemokamą) internetinį vaizdo įrašų kursą, kuris padės jums pradėti naudotis „Data Science“. Spustelėkite čia, jei norite gauti daugiau informacijos: Kaip tapti duomenų žinovu.

REGISTRUOKITE ČIA (NEMOKAMAI): https://data36.com/how-to-become-a-data-scientist/

# 1: Kokie yra svarbiausi duomenų mokslininko įgūdžiai ir priemonės? Ir kaip jūs galite juos gauti?

Geros žinios - blogos žinios.

Pradėsiu nuo blogo. 90% atvejų įgūdžiai, kuriuos jie moko jus universitetuose, nėra realiai naudingi realiame gyvenime vykdomų duomenų mokslo projektuose. Kaip jau rašiau keletą kartų, realiuose projektuose reikalingi šie 4 duomenų kodavimo įgūdžiai:

  • bash / komandinė eilutė
  • Python
  • SQL
  • R
  • (o kartais ir „Java“)
šaltinis: „KDnuggets“

Kurie 2 ar 3 jums bus naudingiausi, tikrai priklauso nuo įmonės ... Bet jei jau išmokote vieną, bus daug lengviau išmokti kitą.

Taigi pirmas didelis klausimas yra: kaip jūs galite gauti šias priemones? Čia ateina geros žinios! Visos šios priemonės yra nemokamos! Tai reiškia, kad galite juos atsisiųsti, įdiegti ir naudoti nemokėdami nė cento už juos. Galite treniruotis, kurti duomenų pomėgių projektą ar bet ką!

Neseniai parašiau straipsnį apie žingsnį po žingsnio, kaip įdiegti šias priemones kompiuteryje. Pažiūrėkite čia.

# 2: Kaip išmokti?

Yra du pagrindiniai būdai, kaip lengvai ir ekonomiškai išmokti duomenų mokslo.

1-oji knyga.

Be galo sena mokykla, tačiau vis dar geras mokymosi būdas. Iš knygų galite gauti labai tikslingų, labai išsamių žinių apie internetinių duomenų analizę, statistiką, duomenų kodavimą ir tt ... Aš pabrėžiau 7 knygas, kurias rekomenduoju ankstesniame savo straipsnyje, čia.

7 populiariausios duomenų knygos, kurias rekomenduoju

2-asis: Internetiniai seminarai ir vaizdo kursai.

Duomenų mokslo internetiniai kursai kainuoja sąžiningai (nuo 10 USD iki 500 USD). Jie apima įvairias temas, pradedant duomenų kodavimu ir baigiant verslo analize. Jei nenorite išleisti tam pinigų iš pradžių, šiame įraše išvardinau nemokamus kursus ir mokomąją medžiagą.

(3-asis: „Junior Data Scientist“ pirmo mėnesio kursas. Aš sukūriau 6 savaičių internetinį duomenų mokslo kursą, skirtą duomenų mokslininkams, norintiems praktikuotis ir spręsti realias gyvenimo užduotis, naudojant tikrovės duomenų rinkinį: „Junior Data Scientist“, pirmasis mėnuo .)

# 3: Kaip mankštintis ir kaip įgyti realios gyvenimo patirties

Tai sudėtinga, tiesa? Kiekviena įmonė nori turėti žmonių, turinčių bent šiek tiek realios gyvenimo patirties ... Bet kaip įgyti realios gyvenimo patirties, jei jums reikia tikros gyvenimo patirties norint gauti pirmąjį darbą? Klasikinis laimikis-22. Ir atsakymas: naminių gyvūnėlių projektai.

„Naminių gyvūnėlių projektas“ reiškia, kad sugalvojate duomenų projekto idėją, kuri jus jaudina. Tada jūs tiesiog pradedate kurti. Galite galvoti apie tai kaip apie nedidelį startuolį, tačiau įsitikinkite, kad visą laiką sutelkiate dėmesį į duomenų mokslo projekto dalį ir galite tiesiog ignoruoti verslo dalį. Norėdami pateikti jums keletą idėjų, čia yra keletas mano pastaruosius keletą metų vykusių naminių gyvūnėlių projektų:

  • Aš sukūriau scenarijų, kuris stebėjo nekilnojamojo turto svetainę ir man elektroniniu paštu atsiųsdavo geriausius pasiūlymus realiuoju laiku - kad galėčiau gauti šiuos sandorius prieš visus kitus.
  • Aš sukūriau scenarijų, kuris traukė visus straipsnius iš „ABC“, BBC ir CNN, ir, remdamasis naudojamais žodžiais, 3 skirtinguose naujienų portaluose sujungiau straipsnius, kurie buvo tiksliai ta pati tema.
  • Python'e sukūriau savarankiško mokymosi pokalbių programą. (Vis dėlto tai nėra labai protinga - nes to dar neišmokiau.)

Būk kūrybingas! Suraskite su duomenų mokslu susijusį naminių gyvūnėlių projektą sau ir pradėkite koduoti! Jei susidūrėte su kodavimo problema - tai gali atsitikti lengvai, kai pradedate mokytis naujos duomenų kalbos - tiesiog naudokite „Google“ ir (arba) „stackoverflow“. Vienas trumpas mano pavyzdys, kaip efektyvi kamino perkrova:

kairė pusė: mano klausimas - dešinė: atsakymas (per 7 minutes)

Atkreipkite dėmesį į laiko ženklą! Aš išsiunčiau sudėtingą klausimą ir atsakymą gavau per 7 minutes. Vienintelis dalykas, kurį man reikėjo padaryti, buvo nukopijuokite ir įklijuokite kodą į savo gamybos kodą ir strėlę, jis tiesiog veikė!

(Pastaba: „Cross Validated“ yra dar vienas puikus forumas, skirtas su duomenų mokslu susijusiems klausimams.)

+1 pasiūlymas:

Net jei tai šiek tiek sunku, pabandykite gauti mentorių. Jei jums pasisekė, rasite žmogų, dirbantį duomenų mokslininko vaidmenyje gražioje įmonėje ir galintį praleisti 1 valandą per savaitę kas dvi savaites arba aptarti ar išmokyti dalykų.

# 4: Kur ir kaip siunčiate savo pirmąjį prašymą dėl darbo?

Jei nepavyko rasti mentoriaus, pirmąjį vis tiek galite rasti savo pirmoje įmonėje. Tai bus pirmasis jūsų darbas, susijęs su duomenų mokslu, todėl siūlau nesusitelkti ties dideliais pinigais ar super išgalvota pradžios atmosfera. Didžiausią dėmesį skirkite aplinkos, kurioje galite mokytis ir tobulėti, paieškai.

Jei pasirinksite pirmąjį duomenų mokslo darbą tarptautinėje įmonėje, galbūt neatitiksite šios idėjos, nes žmonės ten paprastai yra per daug užsiėmę savo reikalais, todėl jie neturės laiko ar motyvacijos padėti jums tobulėti (žinoma, visada yra išimtys).

Pradėti nuo nedidelio starto kaip pirmasis duomenų asmuo komandoje taip pat nėra gera mintis, nes šios įmonės neturi vyresnių duomenų vyrukų, iš kurių būtų galima mokytis.

Aš patariu jums sutelkti dėmesį į 50–500 dydžio įmones. Tai auksinis vidurkis. Vyresni duomenų žinovai yra laive, tačiau jie nėra per daug užsiėmę, kad galėtų jums padėti ir išmokyti.

Gerai, kad radote gerų kompanijų ... Kaip kreiptis? Keli principai savo CV: išryškinkite savo įgūdžius ir projektus, o ne savo patirtį (nes dar neturite per daug metų, kad galėtumėte padėti ant popieriaus). Išvardykite atitinkamas kodavimo kalbas (SQL ir Python), kurias naudojate, ir susiekite kai kuriuos susijusius „github“ atgaminimus, kad galėtumėte parodyti, kad tikrai naudojote tą kalbą.

Taip pat daugeliu atvejų įmonės prašo motyvacinio laiško. Tai, be abejo, gera proga pareikšti savo entuziazmą, tačiau taip pat galėtumėte įtraukti keletą praktinių detalių, pavyzdžiui, ką darytumėte per savo pirmąsias savaites, jei būtumėte samdytas. (Pvz., „Pažvelgdamas į jūsų registracijos srautą, spėčiau, kad internetinis puslapis ____ vaidina svarbų vaidmenį. Per kelias pirmąsias savaites atliksiu ___, ___ ir ___ (konkrečią analizę), norėdamas įrodyti šią hipotezę ir giliau ją suprasti. Tai galėtų padėti įmonei pagerinti _____ ir galiausiai padidinti _____ KPI “.)

Tikimės, kad tai suteiks jums darbo pokalbį, kuriame galėsite šiek tiek pabendrauti su savo augintinių projektais, motyvacinio laiško pasiūlymais, tačiau daugiausia bus kalbama apie asmenybės tinkamumo patikrinimą ir tikriausiai pagrindinį įgūdžių patikrinimą. Jei pakankamai treniravotės, tai išlaikysite ... bet jei esate nervingas tipas ir norite daugiau praktikuoti, galite tai padaryti svetainėje hackerrank.com.

Išvada

Na ir viskas. Aš žinau, kad tai skamba lengviau, kai rašoma, bet jei jūs tikrai esate pasiryžęs būti duomenų žinovu, tai padaryti nebus jokių problemų! Sėkmės su tuo!

Jei norite išbandyti, kas tai yra būti jaunesniuoju duomenų mokslininku pradedant realų gyvenimą, peržiūrėkite mano 6 savaičių internetinį duomenų mokslo kursą: Jaunesniojo duomenų mokslininko pirmasis mėnuo!

Ir jei norite sužinoti daugiau apie duomenų mokslą, peržiūrėkite mano tinklaraštį (data36.com) ir (arba) užsiprenumeruokite mano informacinį biuletenį! Ir nepraleiskite mano naujos kodavimo vadovėlių serijos: SQL duomenų analizei!

Ačiū už skaitymą!

Patiko straipsnis? Tiesiog praneškite man, spustelėdami toliau pateiktą mygtuką. Tai taip pat padeda kitiems žmonėms pamatyti istoriją!

Tomi Mester data36.com „Twitter“ autorius: @ data36_com