大数据文摘出品
编译:李雷、罗然、Aileen
许多数据科学职业建议(或求职/面试准备建议)都有类似的问题:受众太宽,建议泛泛。
本文作者深受其害,这些繁多的资料使得不少有抱负的准数据科学家很困惑,到底如何分配时间到他们想进入的领域。
这篇文章中,本文作者将针对三种不同的、想要进入数据科学领域的人群,给出自己的经验,帮助他们迅速有效入行。
虽然没有适合每个人的万能解决方案,但这三类建议值得想转行的你一看。
第1类:新手上路
如果你刚刚进入数据科学领域,请记住这一点:这个领域发展很快,我在这里给出的建议基本上在你工作时已经过时了。能满足2017年招聘岗位要求的建议策略,在如今可能就不满足,而今天的数据科学领域招聘标准与一两年后的标准之间的差异可能更大。
因此,如果你打算在数据科学领域发展事业,并且没有编程经验和STEM(科学Science,科技Technology,工程Engineering,数学Mathematics四门学科英文首字母的缩写)背景,那么这里有一些建议:
如何包装个人品牌:如果你已经准备好申请工作,你可能会惊讶地发现个人品牌在数据科学中非常重要。由于你没有任何专业经验,或者没有计算机科学专业的研究生学位,你也许会担心个人亮点不足。但实际上这可能是最大的优势所在:如自学成才的开发人员/数据科学家,这些将成为公司可以利用的快速学习和努力工作的优点。但问题是,你背负着去实现那个形象的重担:这是一座陡峭的山需要你去攀登,但是回报肯定是值得的。
第2类:软件工程师
在我遇到的专业数据科学家中约有20%是软件工程师,一方面,他们有从编写程序到形成产品的工作经验,是开发团队中难得的经验人才。另一方面,对于全栈开发人员的需求很多,使得公司比较愿意朝着全栈工程师方向培养软件工程师,即使他们的录用通知上写的职位是“数据科学”。所以你要避免被当作软件工程师而不是数据科学家。
其他一些建议:
如何包装个人品牌:一个最简单的方法就是充分利用你的软件开发经验。作为初级职员,已经知道如何编写干净、文档齐全的代码,以及如何与他人协作,这是大多数职位申请者不具备的。如果要真正做到善于写“干净的产品代码”,你还需要尽可能多的去学习数据科学领域中类似的好案例。
第3类:新CS、数学或物理学毕业生
如果你是应届理科本科,硕士或博士毕业生,那么你统计学和数学基础可能很好。但你可能从来没有申请过真正的工作职位,也不知道如何准备面试。而且就算你在读期间一直有编码,但很可能无法编写干净、组织良好的代码。
所以要记住以下几点:
如何包装个人品牌::特别是如果你学的是数学或物理专业,那么最好的策略是要呈现出自己是具有深厚理论知识的人。要做到这一点,你需要能够自信地解释各种模型是如何工作的,最好要熟悉文献中最新的热点(特别是如果你的目标是深度学习的话)。
警告:当然我所提供的建议并不能涵盖所有职业。对于软件工程师而言,他们确实比其他人走的远一些,一些有数学基础的初学者可能是最适合的深度学习的研究者。但是以上这些建议能为你的技能精进提供一个好的起点。
最后,无论您是软件工程师、应届毕业生,还是完全初学者,都要问自己一个关键问题:在上述建议中,什么样的职业轨迹最接近你。如果你是想成功入门数据分析师或数据可视化专家,那么这将是协助你走上正确的职业轨迹的最好方法。
相关报道:
https://towardsdatascience.com/3-common-data-science-career-transitions-and-how-to-make-them-happen-588c3618942f