Slik får du din første jobb innen datavitenskap uten arbeidserfaring

Publisert av Platon

Følgere: 0

Enten du er nyutdannet, noen som leter etter et karriereskifte, eller en katt som ligner på den ovenfor, er datavitenskapsfeltet fullt av jobber som krysser av nesten hver boks på den moderne arbeiderens sjekkliste. Å jobbe innen datavitenskap gir deg muligheten til å ha jobbsikkerhet, en godt betalt lønn med rom for avansement, og muligheten til å jobbe fra hvor som helst i verden. I utgangspunktet er det å jobbe med datavitenskap en no-brainer for de som er interessert.

Men under den fryktede jobbsøkingen kommer mange av oss inn i en situasjon som ligner på denne:

Ja, det ser ganske kjent ut.

Etter å ha havnet i mange situasjoner selv hvor bedrifter ofte ser etter kandidater med 20 års arbeidserfaring før fylte 22 år, forstår jeg forverringen som følger med å prøve å søke jobb når du er nyutdannet, noen som leter etter en karriereendring, eller til og med en katt, uten relevant arbeidserfaring.

Dette er imidlertid ingen grunn til å bli motløs. Mens mange datavitenskapsjobber krever arbeidserfaring, er det mange måter å lage din egen arbeidserfaring på som vil gjøre deg til en kvalifisert kandidat for disse karrierene.

Alt du trenger er litt kreativitet, utholdenhet og utholdenhet.

I land som ligner på Canada hvor det å ha en eller annen form for universitetskvalifikasjon blir normen (i 2016 hadde 54 % av kanadiere i alderen 25 til 64 en høyskole- eller universitetssertifisering), det handler nå ikke lenger om det du vet. I stedet handler det om hvem du kjenner og hvem som kjenner deg.

Google «viktigheten av nettverk», og du vil bli oversvømmet med artikler fra alle de store aktørene (Forbes, Huffington Post, Indeed, etc.) om hvorfor nettverk er noe av det viktigste du kan gjøre for din karriere. Forbes sier det best:

"Nettverk handler ikke bare om handelsinformasjon, men fungerer også som en vei for å skape langsiktige relasjoner med gjensidige fordeler." — Bianca Miller Cole, Forbes

Mens nettverk er en fenomenal måte å få innsidekunnskap om hvordan du kan lykkes i en bestemt karriere, kan det også tjene som et gjensidig fordelaktig forhold senere på veien.

Jeg fikk min første jobb innen teknologi ved å opprettholde et forhold til en universitetskollega. Vi møttes som et resultat av at vi ble samlet for vår siste fire måneder lange praksis. Etter eksamen holdt vi kontakten. Nesten to år senere fikk jeg en melding om at firmaet de jobber for er interessert i å ansette meg til å gjøre noe arbeid for dem. Takket være å opprettholde det forholdet klarte jeg å score min første jobb etter endt utdanning uten arbeidserfaring, takket være at kollegaen min la frem navnet mitt.

Med andre ord er det viktig å stifte noen få bekjentskaper mens du går gjennom universitetet, å delta på nettverksarrangementer og faktisk snakke med folk der, og å sette deg selv der ute slik at rekrutterere begynner å vite navnet ditt.

Dataforskere er naturlige historiefortellere takket være deres evne til å gjøre massive datasett om til overbevisende visualiseringer som forteller historier til massene. På grunn av dette gir det bare mening at ambisiøse dataforskere bør skrive om arbeidet sitt for å demonstrere kommunikasjonsferdighetene sine til fremtidige arbeidsgivere.

Mange dataforskere har antydet fordelene ved å starte en blogg eller skrive på en plattform som Medium. Til tross for hva mange sier, stopper ikke fordelene med å skrive ved å gjøre deg til en lykkeligere, mer stressfri person – skriving vil også hjelpe din datavitenskapskarriere.

Som jeg nevnte ovenfor, er det å være en historieforteller og en generelt solid kommunikator viktige ferdigheter for dataforskere som bare forbedres når de blir praktisert. For eksempel, ved å forklare resultatene av dataanalysen for allmennheten, begynner du å tenke på data i enkle termer som alle kan forstå og sette pris på. Som Richard Feynman sa en gang: «Jeg kunne ikke redusere det til førsteårsnivå. Det betyr at vi virkelig ikke forstår det.» Ikke bare vil skriving gjøre deg til en bedre formidler, men det vil også gi deg en dypere forståelse av datavitenskapelige konsepter, og dermed gjøre deg til en bedre dataforsker.

Men fordelene med å skrive stopper ikke der.

Som fremtidig dataforsker blir artikler du har skrevet en del av din profesjonelle portefølje og gir rekrutterere innsikt i din forståelse av bestemte konsepter. Ikke bare vil de kunne se at du har vært i stand til å bygge en tilhengerskare av mennesker som stoler på og verdsetter arbeidet ditt, men de vil også kunne se at du er villig til å bidra med kunnskap for å fremme livene og karrierene til andre dataforskere. Videre, publisering på et nettsted som betaler deg for arbeidet ditt, forteller rekrutterere at folk verdsetter kunnskapen din så mye at du faktisk får betalt for den.

Her er et par ressurser for å få deg inspirert til å skrive:

Hvorfor dataforskere burde skrive bøker, og hvorfor jeg gjorde det.
Kunnskapen er der ute.

Praktiske råd for datavitenskapelig skriving
Noen nyttige tips for å komme i gang med å skrive om datavitenskapsprosjektene dine

De Marines sa det best: improvisere, tilpasse, overvinne.

I stedet for konstant å kjempe mot en oppoverbakke, følg strømmen og lag din egen datavitenskapelige konsulentvirksomhet.

Jeg vet av erfaring hvor nedslående det er når du har sendt avgårde hundre CV-er bare for å få avslagsbrev og radiostillhet i retur. Så hvis ingen vil ansette deg, ansett deg selv!

Frilansing er lett en av de mest skremmende tingene folk kan gjøre for å tjene penger, og det er definitivt ikke for alle. Det er imidlertid et rettferdig alternativ til å banke hodet i en vegg i flere dager og vente på at potensielle arbeidsgivere skal komme tilbake til deg (eller ikke).

Hvis du har ferdighetene og selvtilliten, hvorfor ikke ta på deg noen frilanskunder? Det er en vinn-vinn-situasjon. Du får erfaring fra den virkelige verden uten å måtte gå gjennom smerten og lidelsen i ansettelsesprosessen (husk deg, det kan være like mye smerte og lidelse å utføre frilansarbeid, og det er derfor det ikke er for alle). Det fine med å ansette deg selv er at hvis du endelig får et jobbtilbud fra et av dine ettertraktede selskaper takket være den virkelige erfaringen du har kunnet samle deg, kan du når som helst gå bort fra frilansing.

Men hvem vet? Kanskje du ender opp med å virkelig nyte frilanslivet. Etter min mening er det verdt å gamble hvis du ikke klarer å finne arbeid på den konvensjonelle måten.

Hvis du spurte meg om en definisjon av "datavitenskap", vil jeg oppsummere det som et tverrfaglig felt som fokuserer på å løse problemer og samle informasjon. Derfor er det fornuftig at en arbeidsgiver ikke ønsker å ansette noen som ikke har løst noen problemer eller som ikke har vært i stand til å trekke noen konklusjoner fra et datasett.

Ved å lage dine egne prosjekter viser du arbeidsgivere at du har den medfødte nysgjerrigheten og drivkraften som kreves for at dataforskere skal lykkes i arbeidet sitt. Ikke bare det, men mange arbeidsgivere innen teknologi ber om å se prosjektporteføljen din slik at de kan se kvaliteten på arbeidet ditt før de ansetter deg.

Det er nå enklere enn noen gang å finne gratis datasett å bygge prosjekter på. Tror du jeg tuller? Sist gang jeg sjekket, var det 67,862 XNUMX datasett tilgjengelig på kaggle for alle å bruke. Det er mye data.

Videre vil et raskt søk føre deg til hundrevis av artikler fulle av forskjellige datavitenskapelige prosjekter for å gi deg inspirasjon. Her er noen for å komme i gang.

De 7 datavitenskapsprosjektene jeg planlegger å fullføre i 2021
Hvordan jeg planlegger å bruke disse prosjektene til å forbedre mine datavitenskapelige ferdigheter innen slutten av året.

12 datavitenskapelige prosjekter for 12 dager med jul
Relevante og verdifulle datavitenskapelige prosjekter som du kan gjøre på en dag!

12 kule datavitenskapelige prosjektideer for nybegynnere og eksperter
"Hvor mange datavitenskapelige prosjekter har du fullført så langt?"

En guide for å få ideer til datavitenskapelige prosjekter
Hvordan komme opp med selvstudier, portefølje eller forretningsideer. Fra noen med for mange.

Noen ganger er den beste måten å få nødvendig arbeidserfaring på å gjøre arbeidet gratis. Ingen liker å jobbe for ingenting, men i en verden som ofte krever at du har 20 års arbeidserfaring før du er 22, er det å jobbe gratis ofte din billett til jobbjaktsuksess.

Internering, frivillig arbeid eller pro bono-arbeid er tre av de beste måtene å få den nødvendige arbeidserfaringen som mange bedrifter ser etter. Ikke bare lar disse «jobbene» deg få erfaring fra den virkelige verden ved å bruke data fra den virkelige verden, men de viser også ansettelsesledere at du er en lagspiller som har tjent arbeidserfaringen sin på den harde måten uten lønn. Videre kan du få muligheten til å skape meningsfulle løsninger som vil påvirke mange enkeltpersoner og lokalsamfunn positivt underveis. Hvis selskapet du jobber for er villig til å kompensere deg med en strålende anmeldelse på LinkedIn-profilen din eller et referansebrev, enda bedre!

For alle som går inn i et nytt felt, det være seg en nyutdannet, noen som søker et karriereskifte, eller til og med en katt som har lært å skrive, kan det å ha mangel på arbeidserfaring være en skremmende situasjon å overvinne.

Imidlertid er det tonnevis av muligheter der ute for deg å få arbeidserfaring så lenge du er villig til å ta dem. Fortune har en tendens til å favorisere de modige, og det er ikke mer sant enn for folk som ønsker å gjøre det på et nytt felt.

Ved å øve på litt kreativitet, utholdenhet og utholdenhet (og kanskje også litt tålmodighet), vil du være på god vei til å få den første ettertraktede jobben innen datavitenskap.

Madison Hunter er en Geoscience BSc undergrad student, Software Dev graduate. Madison produserer rabalder om datavitenskap, miljø og STEM.

original. Ompostet med tillatelse.