データサイエンスを使ってオンラインで毎月 3,500 ドルを稼ぐ方法

プラトン再発行

フォロワー： 0

データサイエンスで毎月 3,500 ドルをオンラインで稼ぐ方法
による写真ウラダ・カルポビッチ

2020 年 XNUMX 月に独学でデータサイエンスを学び始めました。当時の私の唯一の目標は、この分野でフルタイムの仕事に就くことでした。

ただし、データサイエンティストの給与は非常に高いものの、9 時から 5 時までの仕事で企業のはしごを登り、富を築くには長い時間がかかります。

このため、私は自分のデータサイエンススキルセットを会社の仕事以外にも適用するさまざまな方法を探し始めました。私のフルタイムの役割は柔軟で、リモートで作業できるため、副収入を得るために毎日約 3 ～ 4 時間の自由時間があります。

私は現在、フルタイムの仕事以外に、毎月約 3,000 ドルから 3,500 ドルを提供する複数の収益源を構築することに成功しています。

これらの収入源の多くは受動的です。つまり、時間と労力を積極的に投資しなくても稼げます。

この記事では、私がどのようにそれを行ったかを紹介します。あなたがデータサイエンティストであるか、データサイエンティストになることを熱望している場合は、これらのアイデアのいくつかを使用してスキルセットを収益化できます。

私は収入のかなりの部分をオンラインで書くことから得ています。これには、データサイエンスのチュートリアル、ヒント、アドバイスの作成が含まれます。 2020年XNUMX月にMediumでブログを始めました。

プラットフォームで視聴者を獲得した後、雇用主からブランドのフリーランスの記事を書くように言われました。過去 XNUMX 年間で、さまざまなブログ投稿、チュートリアル、ホワイトペーパー、SEO コンテンツを XNUMX つの異なる企業向けに作成しました。

持ち帰り：

a) 書き始めるだけ

あなたが知っていることを共有し始めるのに、その分野の専門家である必要はありません。実際、Fast.AI の共同創設者である Rachel Thomas によると、あなたは一歩後ろにいる誰かを助けるのに最適な立場にあります。

これは、ある概念を学んだばかりでも、まだ記憶に新しいことを意味します。これは簡単に単純化して、その分野の他の初心者に説明することができます。初心者であったことを忘れてしまった専門家よりもうまく説明できます。

b) 自分自身を売り込む

コンテンツクリエイターとして成長するには、自分自身を売り込む必要があります。魅力的な LinkedIn プロフィールを作成し、プラットフォームで記事を共有しましょう。定期的に投稿し、データサイエンスグループに参加して、この分野の他の専門家とつながりましょう。

データの世界で連絡先を増やすと、ブログのビューが増え、有給の執筆ギグを獲得する可能性が高くなります.

データサイエンスを独学するときは、Udemy、Coursera、Datacamp で多くのオンラインコースを受講しました。データサイエンティストになる方法について私のアドバイスが必要な同僚や仲間に、これらのコースをお勧めします。

しばらくして、自分のラーニングパスを他の人と共有することで報酬を得ることができることに気付きました。アフィリエイトマーケティングにより、パブリッシャーはアフィリエイトリンクを使用して他のユーザーとコースを共有できます。誰かがリンクを使用してプログラムを購入すると、発行者は少額の手数料を受け取ります。

持ち帰り：

すでに行っていることに対して報酬を得る

自分のコンテンツにアフィリエイトリンクを含める前から、私が書いたほぼすべてのブログ投稿で学習資料を共有していました。唯一の違いは、私が今それを行うことで報酬を得ているということです。実際、Affise の世論調査によると、アフィリエイトの 25% 以上が年間 81,000 ドルから 200,000 ドルを稼いでいます。

私がアフィリエイトマーケティングから稼いでいるのはほんの一部ですが (記事を公開するたびに月に約 100 ドルから 200 ドル)、多くのブロガーにとって大きな収入源であり、コンテンツに追加することを検討する必要があることは間違いありません。

ただし、倫理的であることを忘れずに、自分が消費して恩恵を受けた製品のみを宣伝してください。また、透明性を保ち、アフィリエイトリンクの使用を読者に明確に開示する必要があります。

これは、データサイエンティストとしてお金を稼ぐための型にはまらない方法のように聞こえるかもしれませんが、聞いてください。

私の最初のフルタイムのデータサイエンスの仕事は、マーケティング分析の分野でした。この役割では、データサイエンスの手法を適用して、パーソナライズされた顧客ターゲティング戦略を作成し、マーケティングの成功を促進することを学びました。

マーケティング分野でのデータサイエンス手法の適用に関する記事を書いたところ、私と同じスキルを持つフリーランサーを雇おうとしている雇用主の目に留まりました。彼はLinkedInで私に連絡を取り、私は現在、契約ベースで会社と協力しています.

持ち帰り：

a) ニッチを選択

私はマーケティング分析の分野でしばらく働いてきたので、業界が直面する最大の課題のいくつかに精通しています。また、データを使用してそれらを解決する方法も知っています。

これが私のニッチです。私と同じスキルの組み合わせを持つ人を見つけるのは難しいため、このフリーランスの仕事の有力候補になりました。

あなたが意欲的なデータサイエンティストである場合は、開始時に専門分野を選択することをお勧めします. これは、金融、マーケティング、ヘルスケア、保険、またはあなたが楽しんでいるその他のことです。

データサイエンティストの価値は、問題を解決する能力にあります。特定の業界でこれを行うことができれば、他のデータサイエンティストよりも競争力があります。

私が着地した仕事は、たとえ修士号や博士号を持っていたとしても、ドメイン経験のない人にはふさわしくないと自信を持って言えます。データサイエンスで。

b) オンラインプレゼンスを構築する

私がこの役職に就いたのは、雇用主がプラットフォームの閲覧中に私の Medium プロファイルを見つけたからです。私は他のマーケティングデータサイエンティストと協力してきましたが、その多くは私よりも経験が豊富で、この分野についてよく知っています。

とにかく、雇用主が最初に私を見つけたので、私は仕事を得ました—私のブログ投稿とソーシャルメディアの存在のおかげです.

自分の仕事について記事を書く時間がない場合は、少なくとも自分のスキルセットをまとめたポートフォリオ Web サイトを作成することをお勧めします。 LinkedIn やその他のソーシャルメディアプラットフォームにサイトへのリンクを含めて、求人を募集する際に潜在的な雇用主があなたを簡単に見つけられるようにします。

まだお持ちでない場合は、ポートフォリオ Web サイトの作成方法に関するヒントについて、このガイドをお読みください。

私はデータ収集や分析などのトピックに関するワークショップを実施し、非技術系の学生にデータの操作方法を教えてきました。これには何時間もの準備が必要でした。教えているすべての概念に慣れ、間違いを犯していないことを確認する必要があったからです。

インストラクターになることの最も良い部分は、教えることが主題に対する私の理解を固め、その分野の初心者に複雑な概念を分解する私の能力を劇的に向上させたことでした.

持ち帰り：

あなたが知っていることを教える

私は XNUMX、XNUMX 年前にデータサイエンスを学び始めましたが、この分野の専門家ではありません。しかし、私はこの間に多くのことを学び、私のスキルセットを学ぶことで恩恵を受ける人々のグループにそれを教えることができます.

たとえば、データサイエンスとマーケティングの分野で働いてきた私は、マーケティング担当者にデータリテラシーのスキルを教えるのに適した立場にあります。また、データサイエンティストにマーケティング分析について教えることもできるので、彼らはドメインの知識を得て、業界での仕事に就ける可能性があります。

あなたが学習段階にある意欲的なデータサイエンティストであっても、自分が知っていることを他の人と共有することで副収入を得ることができます。多くの場合、これは、多くの人が持っていない独自のスキルセットを組み合わせた場合に最も効果的です。

たとえば、「Python 入門」コースは、同様のプログラムがインターネット上にあふれているため、学生の興味をそそらないかもしれません。ただし、「Introduction to Python for Finance」コースはより専門的であり、株式市場の予測に関心のある視聴者グループを引き付ける可能性があります。

YouTube、Udemy、Pluralsight、および Thinkific は、オンラインコースの作成と共有に使用できるプラットフォームです。

さらに、クライアント向けのデータ収集、モデル構築、ダッシュボード作成などのフリーランスのデータサイエンスタスクにも取り組んできました。ほとんどのフリーランサーは Upwork や Fiverr などのプラットフォームを信頼していますが、私はほとんどの仕事の機会を Medium、LinkedIn、および自分の Web サイトから得ています。

フリーランスのギグを上陸させたいくつかの記事を次に示します。

Python を使用した顧客セグメンテーション: 最終的にクライアント用の K-Means クラスタリングモデルを構築し、その結果をスライドデッキで提示しました。
Python で Twitter データを収集する方法: Python API を使用して Twitter データを収集するようにクライアントをガイドしました。
Python を使用した完全なデータ分析プロジェクト: クライアントの製品について同様の競合分析を行いました。