Hoe u uw eerste baan in datawetenschap krijgt zonder enige werkervaring

Heruitgegeven door Plato

volgers: 0

Of je nu pas bent afgestudeerd, iemand die op zoek is naar een andere carrière of net als hierboven een kat bent, het data science-veld zit vol met banen die bijna elk vakje op de checklist van de moderne werknemer aanvinken. Werken in de datawetenschap geeft je de mogelijkheid om werkzekerheid te hebben, een goed betaald salaris met ruimte voor vooruitgang en de mogelijkheid om overal ter wereld te werken. Kortom, werken in data science is een no-brainer voor geïnteresseerden.

Tijdens de gevreesde zoektocht naar werk komen velen van ons echter in een situatie terecht die vergelijkbaar is met deze:

Ja, dat ziet er best bekend uit.

Ik ben zelf veel situaties tegengekomen waarin bedrijven vaak op zoek zijn naar kandidaten met 20 jaar werkervaring vóór de leeftijd van 22 jaar. Ik begrijp de ergernis die gepaard gaat met het zoeken naar een baan als je pas afgestudeerd bent, iemand die op zoek is naar een carrièreswitch, of zelfs een kat, zonder relevante werkervaring.

Dit is echter geen reden om ontmoedigd te raken. Hoewel veel banen in de datawetenschap werkervaring vereisen, zijn er tal van manieren om je eigen werkervaring op te doen waardoor je een geschikte kandidaat voor deze carrières wordt.

Het enige wat je nodig hebt is een beetje creativiteit, doorzettingsvermogen en doorzettingsvermogen.

In landen die vergelijkbaar zijn met Canada, waar het hebben van een of andere vorm van universitaire kwalificatie de norm wordt (in 2016 had 54% van de Canadezen van 25 tot 64 jaar een diploma van een hogeschool of universiteit), het gaat nu niet meer om wat je weet. In plaats daarvan gaat het om wie je kent en wie jou kent.

Google "het belang van netwerken", en je wordt overspoeld met artikelen van alle grote spelers (Forbes, Huffington Post, Indeed, etc.) over waarom netwerken een van de belangrijkste dingen is die je voor je carrière kunt doen. Forbes zegt het het beste:

"Netwerken gaat niet alleen over het verhandelen van informatie, maar dient ook als een manier om langdurige relaties met wederzijdse voordelen op te bouwen." — Bianca Miller Cole, Forbes

Hoewel netwerken een fenomenale manier is om voorkennis op te doen over hoe je succesvol kunt worden in een bepaalde carrière, kan het later ook dienen als een wederzijds voordelige relatie.

Ik kreeg mijn eerste baan in de techniek door een relatie te onderhouden met een universiteitscollega. We hebben elkaar ontmoet als team voor ons laatste practicum van vier maanden. Na het afstuderen bleven we contact houden. Bijna twee jaar later kreeg ik een bericht dat het bedrijf waarvoor ze werken geïnteresseerd is om mij in te huren om wat werk voor hen te doen. Dankzij het onderhouden van die relatie lukte het me om na mijn afstuderen mijn eerste baan te scoren zonder werkervaring, dankzij mijn collega die mijn naam naar voren bracht.

Met andere woorden, het is belangrijk om tijdens je studie een paar kennissen te maken, om netwerkevenementen bij te wonen en daar echt met mensen te praten, en om jezelf op de voorgrond te plaatsen zodat recruiters je naam beginnen te kennen.

Datawetenschappers zijn natuurlijke verhalenvertellers dankzij hun vermogen om enorme datasets om te zetten in boeiende visualisaties die verhalen vertellen aan de massa. Daarom is het alleen maar logisch dat aspirant-datawetenschappers over hun werk schrijven om hun communicatieve vaardigheden aan toekomstige werkgevers te demonstreren.

Veel datawetenschappers hebben de voordelen aangeprezen van het starten van een blog of het schrijven op een platform als Medium. Ondanks wat velen zeggen, houden de voordelen van schrijven niet op dat je een gelukkiger, stressvrijer persoon wordt. Schrijven zal ook helpen bij je carrière in de datawetenschap.

Zoals ik hierboven al zei, zijn een verhalenverteller en een algehele solide communicator essentiële vaardigheden van datawetenschappers die alleen verbeteren als ze worden geoefend. Door bijvoorbeeld de resultaten van uw data-analyse aan het grote publiek uit te leggen, begint u over data te denken in eenvoudige bewoordingen die iedereen kan begrijpen en waarderen. Als Richard Feynman zei ooit: 'Ik kon het niet terugbrengen tot het eerstejaars niveau. Dat betekent dat we het echt niet begrijpen.” Schrijven maakt je niet alleen een betere communicator, maar het geeft je ook een dieper begrip van data science-concepten, waardoor je een betere datawetenschapper wordt.

De voordelen van schrijven houden daar echter niet op.

Als toekomstige datawetenschapper worden artikelen die u hebt geschreven onderdeel van uw professionele portfolio en geven ze recruiters inzicht in uw begrip van bepaalde concepten. Ze zullen niet alleen kunnen zien dat je een aanhang hebt opgebouwd van mensen die je werk vertrouwen en waarderen, maar ze zullen ook kunnen zien dat je bereid bent kennis bij te dragen om de levens en carrières van mede-datawetenschappers. Bovendien vertelt het publiceren op een website die u voor uw werk betaalt, aan recruiters dat mensen uw kennis zo waarderen, dat u er daadwerkelijk voor betaald wordt.

Hier zijn een paar bronnen om je te laten inspireren om te schrijven:

Waarom datawetenschappers boeken zouden moeten schrijven, en waarom ik dat deed.
De kennis is er.

Praktisch advies voor het schrijven van datawetenschap
Een paar handige tips om te beginnen met schrijven over je data science-projecten

De Marines zei het het beste: improviseren, aanpassen, overwinnen.

In plaats van constant een zware strijd te voeren, ga met de stroom mee en creëer uw eigen data science-adviesbureau.

Ik weet uit ervaring hoe ontmoedigend het is als je honderd cv's hebt opgestuurd en er afwijzingsbrieven en radiostilte voor terugkrijgt. Dus als niemand je wil aannemen, huur jezelf dan in!

Freelancen is gemakkelijk een van de meest angstaanjagende dingen die mensen kunnen doen om geld te verdienen, en het is zeker niet voor iedereen weggelegd. Het is echter een redelijk alternatief om dagenlang met je hoofd tegen een muur te bonken, wachtend tot potentiële werkgevers contact met je opnemen (of niet).

Als je de vaardigheden en het vertrouwen hebt, waarom neem je dan geen freelance klanten aan? Het is een win-win situatie. Je doet ervaring op in de echte wereld zonder dat je de pijn en het lijden van het wervingsproces hoeft te doorstaan (let wel, er kan evenveel pijn en lijden zijn bij het doen van freelance werk, daarom is het niet voor iedereen weggelegd). Het mooie van jezelf inhuren is dat als je eindelijk een jobaanbieding krijgt van een van je begeerde bedrijven dankzij de praktijkervaring die je hebt kunnen opdoen, je op elk moment kunt stoppen met freelancen.

Maar wie weet? Misschien ga je echt genieten van het freelance leven. Naar mijn mening is het de gok waard als je op de conventionele manier geen werk kunt vinden.

Als je me zou vragen om een definitie van "data science", zou ik het samenvatten als een interdisciplinair veld dat zich richt op het oplossen van problemen en het verzamelen van informatie. Logisch dus dat een werkgever niemand wil aannemen die geen problemen heeft opgelost of geen conclusies heeft kunnen trekken uit een dataset.

Door je eigen projecten te creëren, laat je werkgevers zien dat je die aangeboren nieuwsgierigheid en gedrevenheid hebt die datawetenschappers nodig hebben om succesvol te zijn in hun werk. Niet alleen dat, maar veel werkgevers in de technologie vragen om uw projectportfolio te zien, zodat ze de kwaliteit van uw werk kunnen zien voordat ze u aannemen.

Het is nu gemakkelijker dan ooit om gratis datasets te vinden om projecten op te bouwen. Denk je dat ik een grapje maak? De laatste keer dat ik het controleerde, waren er 67,862 datasets beschikbaar op Kaggle voor iedereen te gebruiken. Dat zijn veel gegevens.

Bovendien leidt een snelle zoekopdracht je naar honderden artikelen vol met verschillende data science-projecten om je inspiratie te geven. Hier zijn er een paar om u op weg te helpen.

De 7 datawetenschapsprojecten die ik in 2021 wil afronden
Hoe ik van plan ben deze projecten te gebruiken om mijn data science-vaardigheden tegen het einde van het jaar te verbeteren.

12 Data Science-projecten voor 12 dagen kerst
Relevante en waardevolle data science projecten die je in een dag kunt doen!

12 coole ideeën voor datawetenschapsprojecten voor beginners en experts
"Hoeveel data science-projecten heb je tot nu toe afgerond?"

Een gids om ideeën voor datawetenschapsprojecten op te doen
Hoe je zelfstudie-, portfolio- of zakelijke ideeën bedenkt. Van iemand met te veel.

Soms is de beste manier om de nodige werkervaring op te doen, het werk gratis te doen. Niemand werkt graag voor niets, maar in een wereld waarin je vaak 20 jaar werkervaring moet hebben voordat je 22 bent, is gratis werken vaak je ticket naar succes bij het zoeken naar een baan.

Stage lopen, vrijwilligerswerk doen of pro bono werk doen, zijn drie van de beste manieren om de nodige werkervaring op te doen waar veel bedrijven naar op zoek zijn. Met deze 'banen' kunt u niet alleen praktijkervaring opdoen met behulp van gegevens uit de echte wereld, maar het laat rekruteringsmanagers ook zien dat u een teamspeler bent die hun werkervaring op harde manier zonder betaling heeft verdiend. Bovendien krijg je misschien de kans om zinvolle oplossingen te creëren die onderweg een positieve invloed zullen hebben op veel individuen en gemeenschappen. Als het bedrijf waarvoor je werkt bereid is je te compenseren met een lovende recensie op je LinkedIn-profiel of een referentiebrief, nog beter!

Voor iedereen die een nieuw veld betreedt, of het nu een pas afgestudeerde is, iemand die op zoek is naar een carrièreswitch, of zelfs een kat die heeft leren typen, een gebrek aan werkervaring kan een ontmoedigende situatie zijn om te overwinnen.

Er zijn echter tal van mogelijkheden om werkervaring op te doen, zolang je bereid bent ze aan te nemen. Fortune heeft de neiging om de dapperen te bevoordelen, en dat geldt niet meer dan voor mensen die het willen maken in een nieuw veld.

Door een beetje creativiteit, doorzettingsvermogen en doorzettingsvermogen (en misschien ook wat geduld) te oefenen, ben je goed op weg om die eerste felbegeerde baan in de datawetenschap binnen te halen.

Madison Jager is een BSc-student Geowetenschappen, afgestudeerd aan Software Dev. Madison produceert verhalen over datawetenschap, het milieu en STEM.

ORIGINELE. Met toestemming opnieuw gepost.