歡迎光臨
每天分享高質量文章

乾貨 : 如何在資料科學領域從起步到就業(附鏈接)

作者: Alexander Engelhardt;翻譯: 車前子;校對: 李潔

本文2000字,建議閱讀10分鐘

我們將告訴您最快、最可靠的方法,讓您在資料科學領域,或在某個新的編程語言或新技術方面從零開始到找到工作。

在您想進入一個新的領域工作時,會想到一個“先有雞還是先有蛋”般的問題——沒有工作經驗是找不到工作的,然而沒有工作是不會有工作經驗的。我最近也遇到了這個問題,當時我正由R轉用Python,並準備應聘一份需要Python的工作。現在我想分享一下我是怎樣解決這個問題的。

我一共經歷了五個階段,推薦大家也使用這種方法:

1. 學好基礎

首先你需要打好基礎,這是一項必須靠自己完成的工作。自己找到或讓別人推薦一個好的課程,跟隨課程學習,遇到難題時可以到(https://stackoverflow.com)詢問。剛開始你可能會碰到不禮貌的回覆,但是別泄氣,因為你必須學會如何在那裡問問題。

這會教會你向那些“不是你肚子里蛔蟲”的人清楚地表達你的想法和問題,提出好的問題是你今後職業生涯中必不可少的技能。

在這個階段你可以將獲得一項證書作為既定的標的。例如,當我開始學習大資料技術時,我報名參加了Cloudera的Spark和Hadoop開發人員考試。一些專業人士不喜歡這類證書,認為它們無益於實際工作,但我認為它們非常有用。尤其是在剛開始時,它們可以作為一個標的,一個關於學習什麼內容和何時將這第一階段標記為“完成”的方向。

2. 找到一個充滿激情的專案

很多人可能會在被困在第一階段——這是一個危險的陷阱。相反,應該試著儘快放下課程,創建一些你感興趣的專案。課程可以教你基礎知識,但它們通常無法有效激勵你。但是如果你能專註於對你來說很重要的事情中,你會更快地解決問題並因此而學得更快。

如果你想不出一個好的專案,那就四處看看現有的專案、閱讀博客,擴展你已有的知識。這可能需要一段時間,但努力是值得的。當然,你也應該將所使用的技術定位在你想要的工作型別上。

不要害怕你的前一兩個專案做的很糟糕。這種情況有可能會發生,我確定我就是這樣,而那些“大牛”可能也是這樣的。讓第三個專案真正成功的唯一方法就是做出前兩個專案。做前兩個專案是你最能學到東西的時候。

3. 展示你的專案,吸引別人的註意

  • 在當地會議上發言(參考https://meetup.com上簡單的內容完成你第一個發言

  • 在Hacker News發佈你的專案(https://news.ycombinator.com/showhn.html)

  • 找到在你所在的地區的會議,並申請成為演講者。對你的資歷胡說八道(但不要說謊)是可以的,只要演講本身有實質性內容並且值得讓聽眾聽到。

4. 貢獻開源專案

在兩個或三個個人專案之後,考慮為現有的大型開源專案做出貢獻。向這些專案貢獻代碼是唯一從相當聰明的人那裡獲得反饋的方法,這些人很少做一對一的輔導。這是保持學習的最佳方式,但要達到這一水平需要一段時間。

5. 更新你的簡歷

將你參與的專案和演講加入你的LinkedIn和/或Github簡歷中,並說明為什麼你的專案是有意義的。你必須知道誰將閱讀你的簡歷。對於招聘人員,你只需要把這個專案當作一個“正常”的工作來介紹。對於領域專家來說,只需說明這是一個沒有報酬的專案,但要鏈接到你的Github儲存庫,也許還要提到它獲得了多少收藏。

通過這種方法,你向你的潛在雇主發出了信號表明你有能力開始和完成一個專案,並且能夠在一個團隊中很好地協作。這就解決了開頭提到的“先有雞還是先有蛋”的問題。

祝你旅途愉快。有時你會感到沮喪,但終會有回報。

作者簡介:Alexander Engelhardt ,在慕尼黑的LMU獲得統計學理學碩士和博士學位,其後成為專門從事R語言機器學習的自由資料科學家。

Alexander Engelhardt:

http://www.alpha-epsilon.de/

相關資源:

On-line and web-based: Analytics, Data Mining, Data Science, Machine Learning education

https://www.kdnuggets.com/education/online.html

Software for Analytics, Data Science, Data Mining, and Machine Learning

https://www.kdnuggets.com/software/index.html

原本標題:

How to go from Zero to Employment in Data Science

原文鏈接:

https://www.kdnuggets.com/2019/01/from-zero-to-employment-data-science.html

譯者簡介:車前子,北大醫學部,流行病與衛生統計專業博二在讀。從臨床醫學半路出家到資料挖掘,感到了資料分析的艱深和魅力。即使不做醫生,也希望用資料為醫療健康做一點點貢獻。

    赞(0)

    分享創造快樂