Многие люди хотят другого карьерного пути и хотят перейти на должность специалиста по данным, но разве это просто вопрос упорной работы и мотивации?
После того, как я опубликовал свою статью о моем переходе от развития бизнеса к науке о данных и статью о том, чему меня не научил мой магистр по науке о данных, многие люди обращались ко мне за советом по поводу смены своей карьеры. Некоторые из них беспокоились о своей способности перейти на Data Science, в то время как другие спрашивали, какой онлайн-курс лучше всего. Хотя у меня, очевидно, нет всех ответов, я подумал, что поделюсь своим собственным опытом по этой теме и несколькими советами для людей, которые хотят добиться таких изменений в своей карьере.
Достаточно ли онлайн-курсов, чтобы устроиться на работу специалистом по данным?
По моему мнению и опыту, если ваш опыт не связан с наукой о данных (как и я), онлайн-курсов просто недостаточно. Знания, которые предоставляет большинство онлайн-курсов, полезны, ценны и представляют собой хорошее дополнение к вашему профилю LinkedIn. Однако я считаю, что большинство онлайн-курсов не охватывают достаточно реальных бизнес-проблем, чтобы сделать из вас привлекательного специалиста по данным, который будет знать, что делать при возникновении проблем с действительно беспорядочными, ненадежными или труднодоступными данными.
При этом, какие онлайн-курсы самые лучшие?
Хотя в прошлом я начал проводить несколько онлайн-курсов, я никогда не был поражен качеством курса, достаточным для того, чтобы назвать его и рекомендовать всем. Возможно, мне просто не хватает дисциплины, чтобы часами смотреть видео после видео. В любом случае, я не хочу упоминать конкретные онлайн-курсы, но хочу выделить, на что следует обратить внимание при выборе онлайн-курса.
- Выбирайте для курсов с большим количеством практических упражнений. Машинное обучение включает в себя много программирования и может быть изучено, только практикуясь снова и снова.
- Выберите для курсов, включая проекты. Опять же, вы можете учиться только на кодировании и построении или применении моделей самостоятельно.
- Если возможно, выберите курсы, на которых учителя (а не только студенты) могут просмотреть вашу работу и прокомментировать, что вы могли бы сделать лучше.
Как получить правильный опыт?
Чудо решения у меня нет. То, что работает для одного человека, может не работать для другого. Я также не знаю, сильно ли различаются рынки и требования относительно опыта в разных странах. Однако у меня есть много коллег, друзей и знакомых из разной среды, которые попали в науку о данных общим путем.
- Стажировки
Стажировка часто открывает множество дверей в среду, в которой вы можете быстро учиться и (часто) получать оплату во время обучения.
- Стажировки
Инвестирование в правильную стажировку в правильной компании может иметь огромное влияние на вашу карьеру. Для меня подходящая компания определяется как компания, которая фокусируется на обучающем потенциале своих стажеров и обеспечивает благоприятную культуру обмена знаниями. И стажировки, и стажировки позволяют вам учиться у пожилых людей в этой области, что, на мой взгляд, является лучшим видом обучения.
- Самостоятельные проекты
Компании стремятся найти кандидатов, которые могут мыслить как аналитик данных и, следовательно, как программист. Они хотят видеть, что вы раньше могли решать проблемы с данными и кодом, даже если то, что вы создали, помогало только в ваших личных задачах (подумайте об инструменте прогнозирования ваших ежемесячных расходов или приложении для прогнозирования счета футбольных матчей. ). Это также дает вам контент, о котором можно поговорить на собеседовании.
Самое важное требование
Когда вы пришли из бизнеса или из любой другой совершенно другой области, такая смена карьеры требует тяжелой работы, многих часов изучения, попыток выяснить, почему ваш код не работает, или поиска объяснения несоответствия в ваших данных.
Изучение науки о данных и хорошее программирование требует очень крутого обучения, и любому медленному ученику будет очень трудно переключиться. Это непросто, и это может быть чертовски неприятно, поэтому, прежде чем тратить на это месяцы своей жизни, убедитесь, что вы ДЕЙСТВИТЕЛЬНО хотите стать специалистом по данным. Название звучит как-то сексуально, оплата может быть хорошей (не везде ..), но работа может быть утомительной, полной политических вопросов и довольно скучной, когда дело доходит до исправления ошибок. Вам также необходимо постоянно учиться, поскольку область знаний развивается очень быстро, и, хотя многие люди любят учиться, постоянные изменения подходят не всем.
В Data Science, чем больше вы узнаете, тем больше понимаете, как много вы НЕ знаете.
Когда кто-то спрашивает меня, думают ли они, что это можно сделать, я не могу дать однозначного ответа. Это зависит от того, насколько усердно они могут и хотят работать, насколько они могут быть устойчивыми, а также от наличия учебных ресурсов. Тем не менее, независимо от того, может ли кто-то стать специалистом по данным или нет, я действительно верю, что полученные кем-то знания в области науки о данных пойдут ему на пользу в будущем, чтобы лучше понять технологии, с которыми мы живем, и немного повернуть его карьеру в сторону. область, которой они увлечены.
Спасибо за внимание! Чтобы увидеть больше статей о программировании, науке о данных и лидерстве, подпишитесь на меня в Medium и Twitter, чтобы получать уведомления, когда выходит новая статья!
