Изучите новые навыки, создавайте потрясающие продукты и будьте блестящими на любом собеседовании.

В этом тексте я кратко изложил лучшие советы специалистам по анализу данных по развитию карьеры. Если вы только начинаете или хотите перейти от младшего к среднему или от среднего к старшему, есть что-то для вас.

Портфолио проектов GitHub

Прежде всего вам следует создать портфолио проектов с открытым исходным кодом на GitHub. Рекомендую создать три проекта:

  1. Проект классификации, в котором вы используете общедоступную базу данных (вы можете загрузить ее из Kaggle - подробнее об этом в следующем абзаце) изображений / текстов, чтобы отсортировать их и отточить свои навыки с помощью контролируемого / неподдерживаемого обучения (от PCA до нейронных сетей, через DBScan, KNN и т. д.).
  2. Проект НЛП, который будет анализировать настроения из твитов определенной темы и соответственно классифицировать их на положительные / нейтральные / отрицательные. Это классический вариант - выберите интересную для вас тему, чтобы у вас была хорошая история, чтобы рассказать о ней.
  3. Проект парсинга, в котором вы собираете информацию из разных источников - это может быть парсинг спортивных новостей, если вы фанат спорта, или финансовых колебаний, если вы увлекаетесь финансами или новинками в области науки о данных. Конечная цель может заключаться в создании автоматизированного веб-сайта с извлеченным и извлеченным контентом. Легко показать на собеседовании.

Если вы более продвинуты, вам определенно стоит поиграть с новейшими алгоритмами машинного обучения. Например, вы можете:

  • попробуйте GAN (генерирующие противоборствующие сети) и сгенерируйте несколько лиц или кошек.
  • попробуйте обучение с подкреплением в более простых играх.
  • попробуйте GPT-2 и генерацию текста.

Здесь у вас безграничные возможности. Вам определенно следует показать, что вы хорошо разбираетесь в нейронных сетях и их основах, таких как Keras, PyTorch, TensorFlow.

Знайте, что вы знаете и чего не знаете

Даже если это кажется очевидным, вы должны быть в состоянии ответить на вопросы о своих знаниях, конкретных технических особенностях или проблемах.

На самом деле, самый важный вопрос, который вам задают, - что было самым сложным в данном проекте. Если вы боролись с определенной технической проблемой, то почему и что это было. Как вы это преодолели? Это основные вопросы, на которые вы должны быть готовы ответить.

Будьте готовы рассказать об алгоритмах более подробно, о различных методах, которые вы использовали в прошлом. Будьте открыты и поделитесь тем, что было для вас проблемным. Это может помочь только во время собеседования.

Отшлифуйте свой профиль LinkedIn

Последнее, что часто упускают из виду специалисты по данным, - это создание связного профиля на LinkedIn с объяснением того, что вы делали в прошлом и где находитесь сейчас. Если у вас есть пробелы в карьере, обязательно спросите о них - нет ничего плохого в 6-месячном серфинге на Бали, просто честно скажите, что вас мотивировало тогда и чего вы хотели достичь. Я полагаю, что хорошим аргументом будет то, что вы хотели отдохнуть от экрана, перезагрузить компьютер, поработать цифровыми кочевниками - есть множество причин, чтобы объяснить, почему этот вариант также был лучшим для вашей карьеры.

Вам также следует попросить совета у ваших прошлых работодателей. Они могут написать это прямо в LinkedIn - достаточно пары предложений. Если ваш последний отъезд не был запланирован на самом деле и вам обидно, попробуйте объяснить, почему и чего вы ждете от следующего работодателя.

Вы должны уметь точно сказать, почему вы хотите сменить работу. Это потому, что вы ищете новые вызовы? Если да, то почему вы не можете использовать их на вашей нынешней работе? Четко рассказать о своем предыдущем опыте работы - огромное преимущество.

Сияй!

Подводя итог, можно выделить 3 вещи, которые вы должны сделать, чтобы действительно пройти собеседование на должность специалиста по данным:

  • создать портфолио проектов GitHub;
  • знать, что было самым сложным в каждом из ваших проектов и как вы их преодолели;
  • отполировать свой профиль LinkedIn.

Удачи!

Наконец, если вы хотите получить общее представление о том, что значит быть специалистом по анализу данных, ознакомьтесь с моей книгой Работа в области науки о данных: как стать специалистом по данным, которая проведет вас через этот процесс.

А если вы хотите узнать больше, прочтите другие мои статьи о том, как стать специалистом по анализу данных: