Мы спросили участников нашей группы в LinkedIn, какие самые большие проблемы они испытывают на пути к полноценному анализу данных. Вот некоторые из наиболее распространенных разочарований:
· Незнание, с чего начать
· Отсутствие опыта
· Неспособность формировать сети
· Трудности в контакте с нужными людьми
В ответ мы собрали 45 наших любимых идей от гостей нашего подкаста SuperDataScience, чтобы (повторно) активировать вашу карьеру.
Многие из цитируемых здесь экспертов будут на нашем мероприятии DataScienceGO. Присоединяйтесь к нам 12–14 октября 2018 г. в Сан-Диего, чтобы получить шанс повозиться!
Когда вы начинаете
Учиться
1. Дайте себе время. Кимберли Дис рекомендует потратить год на то, чтобы изучить уловки торговли в науке о данных, начиная со сценария, такого как C ++, чтобы привыкнуть к синтаксису программирования, и строить оттуда.
2. Прочтите! Мы получили много рекомендаций от гостей подкаста, и мы не можем перечислить их все, но вот некоторые из них:
· Сигнал и шум, Нейт Сильвер
· Большие данные: революция, которая изменит то, как мы живем, работаем и думаем, Виктор Майер-Шенбергер и Кеннет Кук Иер
· Moneyball: искусство выигрывать в несправедливой игре, Майкл Льюис
· Будущее разума, Мичио Каку
· Dataclysm, Кристиан Руддер
3. Смешайте способы обучения. С однообразием приходит скука. Пройдите онлайн-курсы? Попробуйте подписаться на журнал. Только учебники читать? Почему бы не послушать подкасты по дороге на работу? Учитесь у других, которые были там, где вы стоите!
Упражняться
4. Не зацикливайтесь на теории, примените то, что вы узнали, к реальной жизни. Эмма Уайт сделала это, анализируя данные своих физических тренировок.
5. Тренируйтесь с Excel. Крис Даттон говорит, что Excel - отличный способ освоить основы науки о данных, потому что вы можете увидеть, как вы манипулируете своими данными, работая с ними.
6. Начните с Python или R. Большинство гостей нашего подкаста имели предпочтения. Если вы сомневаетесь, что вам следует использовать, Python более удобен для пользователя и может быть лучшим входом для абсолютных новичков.
7. Практикуйтесь с тематическими исследованиями. Дамиан Мингл говорит, что специалисты по обработке данных должны применять свои знания в реальных наборах данных.
8. Признайте свои слабые стороны. Запланируйте еженедельные обзоры, чтобы оценить, как вы можете улучшить свою работу.
9. Создавайте свои собственные приложения. Это не обязательно должно иметь широкое применение: чтобы упростить себе покупки в Интернете, Пол Браун разработал элементарный скрипт на Python, чтобы он мог видеть лучшие скидки в Интернете!
10. Практикуйтесь в объяснении сложных проблем непрофессионалам. Грег Поппе говорит, что специалисты по обработке данных должны уметь делиться своими идеями с заинтересованными сторонами, многие из которых не разбираются в этой области. (Как добавлено бонус, Кэролайн МакКолл говорит, что в Сиднее есть явное повышение на 20-30 тысяч долларов для эффективных докладчиков, которые могут наладить взаимопонимание с заинтересованными сторонами.
Участвовать
11. Присоединяйтесь к программам взаимного наставничества, как рекомендовано Дэниелом Уайтенаком. Эти программы отлично подходят для обхода Catch-22 для многих новичков в области науки о данных, которым необходимо «знать нужных людей».
12. Найдите наставников тайно. Вместо того, чтобы связываться с потенциальным клиентом в LinkedIn с просьбой о наставничестве, инициируйте обсуждение, спросив их, что они думают о вашей работе.
13. Публикуйте в Интернете. Это даст вам возможность показать интервьюерам и доказать свою преданность делу.
14. Развивайте свою игру в социальных сетях. Не просто выражайте свое мнение. Бо Уокер выступает за то, чтобы спросить у сообщества, как они решат проблему.
15. Помощь в гражданской науке. Как говорит Гарт Золлер, возвращение обществу всегда полезно. Многие проекты в области гражданской науки ищут добровольцев.
16. Настройте приглашения для подключения. Никаких общих представлений. Если вы испытываете затруднения, лучший способ получить ответ - это объяснить, почему вы хотите общаться именно с ними.
17. Участвуйте в соревнованиях (Kaggle). Ы Джин Лок отмечает, что конкурсы оттачивают ваши навыки в области анализа данных и предоставляют доступ к проектам, которые в них нуждаются.
Когда вы будете готовы подать заявку
Социализировать
18. Развивайте свою сеть. Дэвид Танаскович говорит, что вам нужно всего лишь создать сеть из людей, которых вы хорошо знаете, а затем расширять ее. Если вы не знаете, с чего начать, онлайн-группы и События Data Science - отличное место для начала!
19. Оставайтесь на связи. Как говорит Кэролайн МакКолл, компании часто продвигают новые технологии на крупных мероприятиях - убедитесь, что вы приехали и увидели их.
20. Будьте в курсе. Читайте последние новости о науке о данных. Они больше, чем тезисы для разговора на собеседовании; они будут держать вас впереди всех.
Продвигать
21. Управляйте своим профилем в LinkedIn. Энди Крибель отмечает, что рекрутеры обращают внимание на LinkedIn - не забывайте следить за своим цифровым следом!
22. Напишите звездное резюме и сопроводительное письмо. Ричард Даунс рекомендует подчеркивать, почему вас следует рассматривать и какую пользу вы принесете организации.
23. Воспользуйтесь своим опытом и образованием. Как и Эрика Дорланд, подумайте, как "менее актуальные" предметы могут быть сформулированы в качестве сильных сторон во время собеседования.
Фильтр
24. Сосредоточьтесь на своих интересах и ищите работу, которая их дополняет. Не идите по проторенному пути, потому что вы думаете, что это самый безопасный путь к работе. Как говорит Надие Бремер, когда вы увлечены, у вас гораздо больше шансов добиться успеха.
25. Рассматривайте большие и маленькие компании. Да, есть Tesla и SolarCity, но есть и небольшие компании, которые предложат вам больше ответственности.
26. Проанализируйте конкуренцию. Изучите людей, которых наняла ваша предполагаемая компания, и определите сходство между вашими наборами навыков.
Подготовить
27. Подготовьте уместные вопросы, например: «Как вы определяете специалиста по данным?» и «Как другие специалисты по данным в компании инвестировали в свое личное обучение и развитие?»
28. Приведите примеры из прошлой работы… и будьте готовы рассказать о них. Объяснение Николасом Сепедой упражнения, которое он выполнял в своем курсе «Табло», возможно, и помогло ему получить эту работу.
29. Принесите пользу даже собеседованию! Сэм Флегал рекомендует определить инструменты, которые используют компании, а затем изучить данные, которые эти инструменты предоставляют. Ваша преданность делу будет выделяться.
Когда вы работаете специалистом по обработке данных
(Re) открыть
30. Измените основы. Дипак Прасад говорит, что ваши базовые знания в области науки о данных всегда должны быть сильными.
31. Сформулируйте проблему до начала проекта. По мнению Гарта Золлера, самый важный навык специалиста по данным - это подумать о том, как подумайте о проблеме. Прежде чем приступить к решению проблемы, рассмотрите зависимости и контекст проблемы.
32. Понять, почему вы используете выбранные инструменты. Дэвид Вентури говорит, что всегда есть причина, по которой мы используем определенные инструменты для решения задачи, поэтому важно знать назначение каждого инструмента.
33. Повышайте квалификацию. Джошу Коулсону нравятся люди с «установкой на рост» - постоянно учиться, искать обратную связь и улучшать статус-кво.
Адаптировать
34. Будьте гибкими. Харприт Сингх говорит, что лучшие специалисты по обработке данных - это те, кто задает вопросы и формирует на их основе гипотезы, а не с головой уходит в проект.
35. Будьте активны. Дамиан Мингл хочет, чтобы специалисты по анализу данных научились находить решения бизнес-задач в области науки о данных. Благодаря этому ваша роль станет активной частью будущего компании.
36. Найдите наставника, в идеале - кого-нибудь, с кем вы можете встречаться регулярно. Не стесняйтесь и не будьте излишне избирательны: Пол Браун говорит, что некоторые из его наставников были просто менеджерами, которые видели его потенциал.
37. Посмотрите на картину в целом и спросите, приносит ли ценность то, что вы делаете. Если вы не приносите компании ценности или дохода, рассмотрите другой подход. Ричард Хопкинс считает, что зачастую игнорируется понимание того, как использовать данные в оперативном контексте.
38. Не забывайте инструменты визуализации. Понимание формы данных помогает их анализу. Tableau оказал огромное влияние на оптимизацию работы Меган Патни. , поскольку это позволяло ей быстро находить нужные данные.
39. Обращайтесь к нужным людям. Рубен Когель попросил людей, столкнувшихся с аналогичными проблемами на работе, связаться с ними. Подобные темы стали появляться в их обсуждениях, что позволило им быстро найти лучшие решения.
Производить
40. Станьте профессионалом в области повествования. Наставник Виталия Долгова посоветовал ему отправиться с клиентами в путешествие, сначала визуализируя проблему, а затем предлагая аргументированное решение.
41. Будьте избирательны. Харприт Сингх говорит, что очень важно иметь опыт в предметной области, чтобы добиться большего. На этом этапе вашей карьеры у вас будет достаточно знаний об основах, которые вы можете себе позволить специализироваться.
42. Создавайте онлайн-курсы (I). YouTube - отличная платформа для людей, которые могут проверить воду в менее формальном масштабе, чем сайты курсов, такие как Udemy. Ульф Морис рекомендует посмотреть серию докладов Джеффри Хинтона о разработке нейронных сетей.
43. Создайте онлайн-курсы (II). Когда вы почувствуете себя более уверенно, посетите Udemy и выполните поиск терминов, связанных с вашей темой. Убедитесь, что ваша тема востребована. Составьте план создания контента и составьте свой курс.
Служба поддержки
44. Содействуйте представлению, от которого вы не получаете прямой выгоды. Кто знает, как это доброе дело может пригодиться вам в будущем?
45. Станьте консультантом. Джен Андервуд говорит, что преимущества владения компанией заключаются в том, что она может сосредоточиться на проектах, которые ее вдохновляют.
Это наши главные советы из нашего подкаста SuperDataScience, каждый из которых подобран вручную, чтобы вы на один шаг ближе к (повторной) активизации своей карьеры.
Но если вы хотите получить больше информации, познакомьтесь со многими из упомянутых нами экспертов и присоединитесь к сотням других энтузиастов данных, которые хотят вывести свою карьеру в области науки о данных на новый уровень, щелкните здесь и присоединяйтесь к нам в прямом эфире 12 октября - 14, 2018.
