Мнение
Руководство по вопросам и ответам на самые распространенные вопросы о том, как получить работу в области науки о данных
Краткое и приятное руководство с ответами на 15 наиболее распространенных вопросов о науке о данных.
Получить работу в области науки о данных сложно.
Вам предстоит не только освоить сложное сочетание программирования, математики, анализа данных и графического дизайна, но и конкурировать с сотнями кандидатов с аналогичной квалификацией, способностями и причинами, по которым они были там.
При таком интересе к этой бурно развивающейся области технологий сотни бесплатных ресурсов доступны онлайн, чтобы дать ответы на все ваши вопросы о науке о данных. Однако дает ли какой-либо из них окончательные ответы, точность которых была проверена другими участниками отрасли?
С сотнями ресурсов, которые нужно просеять, может быть сложно получить краткий и простой ответ на вопрос. Вот где это руководство приходит на помощь — чтобы предоставить вам основную информацию, необходимую для ответов на все ваши острые вопросы о том, как получить работу в области науки о данных.
1. Как мне получить работу в области науки о данных?
Чтобы получить работу в области науки о данных, вам нужен соответствующий опыт, будь то работа в этой области, соответствующая степень или впечатляющее портфолио, содержащее проекты, которые говорят с менеджером по найму.
Большинству компаний нужны специалисты по обработке и анализу данных, чтобы они могли взяться за дело, поэтому многим требуется, чтобы новые сотрудники имели многолетний опыт работы. Таким образом, может быть полезно с самого начала браться за работу, которая дает вам мокрые ноги, но дает вам реальный опыт, который можно применить.
Выполнение работы на безвозмездной основе, добавление дипломного проекта в портфолио или работа в качестве аналитика данных или инженера данных в течение нескольких лет могут помочь вам войти в дверь.
2. Как получить связанный опыт?
Выглядит знакомо?
Опыт — это то, как вы получаете работу в области науки о данных. Творчество — это то, как вы получаете опыт.
Получение соответствующего опыта может проявляться во многих формах, включая создание сетей, участие в значимых блогах или публикациях, построение собственного консалтингового бизнеса, работу над проектами для демонстрации ваших талантов, стажировку, волонтерство или работу на безвозмездной основе.
Многие менеджеры по найму привыкают видеть кандидатов с нетрадиционным опытом, а это означает, что альтернативный опыт не будет считаться против вас. Главное — показать, что именно ваш релевантный опыт поможет вам мгновенно повлиять на компанию.
3. Подходит ли [вставьте здесь степень] для науки о данных?
Любая степень является хорошей степенью для науки о данных, если вы можете выполнять требования должности в области науки о данных.
Изучала ли ваша степень линейную алгебру, исчисление и статистику?
Если да, то вы, вероятно, настроены на карьеру в науке о данных.
Если нет, то можете ли вы научить себя необходимым навыкам?
Несвязанные степени не помешают вам получить работу специалиста по данным, если вы можете выполнять повседневные задачи, необходимые на работе. У вас может быть степень в области плетения подводных корзин, и если вы можете проверять гипотезы, писать код и рассказывать истории, используя данные, вы сможете получить работу в области науки о данных.
4. Могу ли я заниматься наукой о данных из [вставьте сюда несвязанную область]?
Большинство специалистов по данным, с которыми вы разговариваете, не начинали как специалисты по данным. Скорее всего, вы будете разговаривать с бывшими инженерами, учеными, политиками, учителями и другими людьми.
Опять же, как упоминалось выше, до тех пор, пока вы можете выполнять требования должности, на которую претендуете, вход в область науки о данных из чего-то совершенно не связанного с этим не будет проблемой.
К счастью для вас, в Интернете есть сотни ресурсов, которые помогут вам совершить переход, не имея опыта работы с данными.
5. Должен ли я получить степень магистра в области науки о данных?
Да!
Степень магистра в области науки о данных в относительно известной школе может помочь укрепить вашу позицию в качестве сильного кандидата на любую должность в области науки о данных, на которую вы претендуете.
Кроме того, степень магистра может увеличить ваш потенциальный доход с самого начала поиска работы.
6. Должен ли я участвовать в этом учебном курсе по науке о данных?
Учебные курсы, как правило, не учитывают преимущества, которые они приносят вам как кандидату, и большинство в этой области склонны соглашаться с тем, что учебные курсы — это пустая трата времени и денег. То же самое касается онлайн-сертификатов, которыми часто владеют сотни людей, соревнующихся за одну должность начального уровня в науке о данных.
Учебные курсы и онлайн-сертификаты — это не то, что выделит вас среди всех других кандидатов, которые считают, что заслуживают эту должность.
Если вы подумываете о том, чтобы пройти учебный курс по науке о данных, реальный вопрос, который вы должны задать себе, заключается в том, какую ценность вы надеетесь добавить в поиск работы. Большинство буткемпов обещают размещение после завершения, хотя доступно несколько исследований, доказывающих, что это обещание приносит пользу студентам.
Поэтому лучше задать вопрос: каких навыков мне не хватает, которые помогут мне лучше пройти собеседование по науке о данных?
Вам лучше самостоятельно изучить темы, которых вам не хватает, а затем получить некоторый практический опыт, вместо того, чтобы платить тысячи долларов за обучение у бывших студентов программы буткемпа, которые тоже не могут найти работу.
7. Нужно ли мне знать [вставьте здесь тему по математике]?
Да, возможно.
Нет простого способа сказать это — вам нужно знать большую часть математики, которую, по вашему мнению, вам нужно знать, чтобы стать специалистом по данным.
Когда дело доходит до изучения математики, необходимой для работы, на самом деле не существует легких путей.
Объем требуемой математики зависит от области, в которую вы входите, стажа вашей работы и общих должностных обязанностей. Для некоторых должностей потребуются только базовые математические вычисления, алгебра и статистика, тогда как для других потребуются даже более высокие уровни. Все зависит от того, какие ежедневные обязанности от вас ожидаются.
Если вы боитесь математики, стремитесь к позициям аналитика данных, которые обычно требуют только базовой математики. Если вы готовы принять вызов, стремитесь к позициям, где машинное обучение и искусственный интеллект будут вашим хлебом насущным.
8. Как мне стать специалистом по данным, если у меня плохо с математикой?
Короткий ответ? Получить хорошее.
Длинный ответ? Как упоминалось выше, объем математических знаний, которые вам нужно знать, чтобы стать специалистом по данным, различается от должности к должности. Таким образом, вы должны быть в состоянии адаптировать свое обучение к количеству математики, необходимому для желаемой работы.
Однако скрытый ответ, если вы действительно верите, что у вас плохо с математикой, заключается в том, чтобы больше сосредоточиться на том, как все работает, а не на том, почему это работает. требуется для каждой позиции по науке о данных. Если вы можете научить себя различным математическим моделям, тому, как они работают, и результатам, которые они должны давать, вы, вероятно, золотце. Только когда вы доберетесь до действительно теоретических частей науки о данных, вам нужно будет знать, почему что-то работает.
Короче говоря, математика — это практика, и если вы хотите чего-то достаточно сильно, практика не будет для вас бременем, пока вы не научитесь успешно делать то, что от вас требуется.
9. Какие языки программирования мне следует изучать?
Python, R и SQL.
Все требования к работе в области науки о данных будут разными, но это три повторяющихся виновника.
10. Должен ли я изучать Python или R?
Ответ на этот вопрос субъективен в зависимости от того, какое поле вы хотите ввести.
Если вы хотите стать специалистом по общим данным, который сможет претендовать на большинство вакансий на рынке, Python — лучший выбор. Если вы хотите войти в области, связанные с наукой, чаще всего будет использоваться R.
Многие специалисты по данным предложат вам изучить и то, и другое, но это может показаться ошеломляющим, когда вы только начинаете. Поэтому лучше всего выбрать один, изучить его вдоль и поперек, а затем решить, куда вас приведет ваша карьера, прежде чем изучать другой (при необходимости).
11. Должен ли я сделать портфолио по науке о данных?
Да, и дайте ссылку на него в своем резюме и сопроводительном письме, чтобы менеджеры по найму могли видеть, что у вас есть.
Ключом к интригующему портфолио является включение уникальных проектов, которые не используют те же самые общие наборы данных, которые вы видите на Kaggle. Это не имеет ничего общего с Титаником, фондовыми рынками или распознаванием лиц.
Менеджеры по найму устали видеть, как одни и те же старые проекты выполняются немного по-разному от кандидата к кандидату.
Таким образом, будьте уникальными, выделяйтесь и сделайте свое портфолио запоминающимся, думая нестандартно и разрабатывая проекты, которые действительно будут говорить с менеджерами по найму в выбранной вами отрасли.
12. Какие личные проекты мне следует делать?
Все, что вас интересует!
Как упоминалось выше, для большего успеха с менеджерами по найму избегайте всего, что касается Титаника, фондовых рынков или распознавания лиц.
Менеджеры по найму могут сразу сказать, является ли проект чем-то, во что вы действительно вложили некоторые мысли или скопировали и вставили код из чужого репозитория кода. Поэтому выберите проблему, найдите соответствующие данные и создайте проект, который не только вас заинтригует, но и уникален и предлагает менеджерам по найму свежий взгляд на проблему, имеющую отношение к их отрасли.
13. Нужно ли уметь программировать, чтобы стать специалистом по данным?
Да.
Способность быстро и правильно писать код повысит ваше влияние как специалиста по обработке и анализу данных.
В то время как наука о данных без кода начинает внедряться, способность создавать уникальный код для анализа данных по-прежнему остается главной опорой в этой области.
К счастью, обучение кодированию, возможно, является легкой частью всего процесса, и только с сотнями бесплатных ресурсов обучение кодированию будет наименьшим из ваших беспокойств.
14. Нужно ли хорошо ладить с людьми, чтобы стать специалистом по данным?
Да!
Специалисты по обработке и анализу данных представляют собой интересный гибрид между руководителями советов директоров и подпольными инженерами-программистами — им нужно уметь работать в команде и представлять свои выводы заинтересованным сторонам, но они также должны быть в состоянии взять себя в руки и работать независимо для завершения проектов.
Поэтому нужно не только хорошо ладить с людьми, но и уметь общаться. Без надлежащих коммуникативных навыков заинтересованные стороны не будут знать, о чем говорят данные или какие важные решения они должны принимать.
Так что, если вы еще этого не сделали, пришло время освежить свои навыки работы в команде и общения, прежде чем вы попадете на рынок труда в области науки о данных.
15. Что мне нужно знать для собеседования по науке о данных?
У каждой компании есть свой особый рецепт проведения интервью по науке о данных, а это значит, что вам нужно быть готовым к множеству вопросов, сценариев и форматов интервью.
Ключ в том, чтобы сосредоточиться на построении ментальных моделей, отработке алгоритмов и привыкании к решению проблем в реальном мире. Запоминать вопросы на собеседовании по науке о данных бесполезно, потому что менеджеры по найму не ждут от вас повторения каких-то механических заучиваний — вместо этого они ждут, чтобы вы рассуждали, анализировали, интерпретировали и сотрудничали для решения проблемы.
Практикуя эти краеугольные навыки, а также научившись сообщать о своем мыслительном процессе, вы сможете справиться с большинством собеседований по науке о данных, с которыми вы сталкиваетесь.
Подпишитесь, чтобы получать мои истории прямо на ваш почтовый ящик: Story Subscription
Пожалуйста, станьте участником, чтобы получить неограниченный доступ к Medium по моей реферальной ссылке (я буду получать небольшую комиссию без дополнительных затрат для вас): Medium Membership
