Hur jag tjänar 3,500 2.1 $ online varje månad med datavetenskap

Återutgiven av Platon

anhängare: 0

Hur jag tjänar $3,500 XNUMX online varje månad med datavetenskap
Foto: Vlada Karpovich

Jag började lära mig datavetenskap i januari 2020. Då var mitt enda mål att få ett heltidsjobb inom området.

Men även om datavetare får mycket bra betalt, tar det lång tid att klättra på företagsstegen och bygga upp välstånd med ett 9–5 jobb.

På grund av detta började jag leta efter olika sätt att tillämpa mina datavetenskapliga färdigheter utanför mitt företagsjobb. Eftersom min heltidsroll är flexibel och gör att jag kan arbeta på distans, har jag cirka 3 till 4 timmar fritid varje dag som jag använder för att generera en sidoinkomst.

Jag har nu framgångsrikt byggt flera intäktsströmmar utanför mitt heltidsjobb som ger mig cirka 3,000 3,500-XNUMX XNUMX USD varje månad.

Många av dessa inkomstströmmar är passiva, vilket innebär att jag tjänar utan att aktivt behöva investera min tid och kraft i dem.

I den här artikeln kommer jag att visa dig hur jag gjorde det. Om du är en datavetare eller strävar efter att bli det kan du använda några av dessa idéer för att tjäna pengar på din kompetens.

Jag tjänar en betydande del av min inkomst på att skriva online. Detta inkluderar att skapa självstudier, tips och råd om datavetenskap. Jag började blogga på Medium i maj 2020.

Efter att ha byggt upp en publik på plattformen har jag blivit tillfrågad av arbetsgivare att skriva frilansartiklar för deras varumärken. Under de senaste två åren har jag skapat en mängd blogginlägg, tutorials, whitepapers och SEO-innehåll för sex olika företag.

takeaways:

a) Börja bara skriva

Du behöver inte vara ämnesexpert för att börja dela med dig av det du vet. I själva verket, enligt Rachel Thomas, medgrundaren av Fast.AI, är du bäst positionerad för att hjälpa någon ett steg bakom dig.

Det betyder att om du precis har lärt dig ett koncept så är det fortfarande färskt i minnet. Du kan enkelt förenkla detta och förklara det för en annan nybörjare inom området — och skulle kunna göra detta bättre än en expert som har glömt hur det var att vara nybörjare.

b) Marknadsföra dig själv

För att växa som innehållsskapare måste du marknadsföra dig själv. Skapa en övertygande LinkedIn-profil och dela dina artiklar på plattformen. Posta regelbundet, gå med i datavetenskapsgrupper och ta kontakt med andra yrkesverksamma inom området.

Att öka dina kontakter i datavärlden kommer att öka dina bloggvisningar och förbättra dina chanser att landa en betald skrivspelning.

När jag lärde mig datavetenskap tog jag många onlinekurser om Udemy, Coursera och Datacamp. Jag skulle rekommendera dessa kurser till kollegor och kamrater som ville ha mina råd om hur man blir datavetare.

Efter ett tag insåg jag att jag kunde få betalt för att dela min inlärningsväg med andra. Affiliate-marknadsföring tillåter publicister att dela kurser med andra personer med hjälp av en affiliate-länk. Om någon köper programmet via sin länk får utgivaren en liten provision.

takeaways:

Få betalt för saker du redan gör

Redan innan jag inkluderade affiliate-länkar till mitt innehåll, delade jag lärande material i nästan varje blogginlägg jag skrev. Den enda skillnaden är att jag nu får betalt för att göra det. I själva verket, enligt en undersökning från Affise, tjänar över 25 % av medlemsförbunden mellan $81,000 200,000 till $XNUMX per år.

Även om jag bara tjänar en bråkdel av detta från affiliate-marknadsföring (cirka $100-$200 i månaden varje gång jag publicerar), är det en enorm intäktsdrivare för många bloggare och är definitivt något du bör överväga att lägga till ditt innehåll.

Kom dock ihåg att vara etisk och bara marknadsföra produkter som du har konsumerat och dragit nytta av. Du måste också vara transparent och tydligt avslöja användningen av affiliate-länkar för läsare.

Det här kan låta som ett okonventionellt sätt att tjäna pengar som dataforskare, men hör av mig.

Mitt första heltidsjobb inom datavetenskap var inom marknadsföringsanalys. I den här rollen lärde jag mig att tillämpa datavetenskapliga tekniker för att skapa personliga strategier för kundinriktning och driva marknadsföringsframgång.

Jag skrev en artikel om att tillämpa datavetenskapliga tekniker inom marknadsföringsområdet, som fångade uppmärksamheten hos en arbetsgivare som var ute efter att anställa en frilansare med samma uppsättning färdigheter som jag hade. Han kontaktade mig på LinkedIn, och jag arbetar nu med företaget på kontraktsbasis.

takeaways:

a) Välj en nisch

Eftersom jag har arbetat inom marknadsanalys under en tid känner jag till några av de största utmaningarna i branschen. Jag vet också hur man använder data för att lösa dem.

Det här är min nisch. Det är svårt att hitta någon med samma kombination av kompetens som jag har, vilket gjorde mig till en stark kandidat för detta frilansjobb.

Om du är en blivande dataforskare föreslår jag att du väljer ett specialiseringsområde när du börjar. Det kan vara ekonomi, marknadsföring, sjukvård, försäkringar eller något annat du tycker om att göra.

Data scientists värde ligger i deras förmåga att lösa problem. Om du kan göra detta i en specifik bransch har du en konkurrensfördel gentemot andra datavetare.

Jag kan med tillförsikt säga att jobbet jag fick inte skulle ha passat rätt för någon utan domänerfarenhet, även om de hade en magisterexamen eller doktorsexamen. inom datavetenskap.

b) Bygg upp en onlinenärvaro

Jag fick den här rollen bara för att arbetsgivaren hittade min Medium-profil när jag surfade igenom plattformen. Jag har arbetat med andra marknadsföringsdataforskare, av vilka många är mer erfarna och kan området bättre än jag.

Oavsett vilket fick jag jobbet för att arbetsgivaren hittade mig först – tack vare mina blogginlägg och närvaro på sociala medier.

Om du inte har tid att skriva artiklar om ditt arbete, föreslår jag att du åtminstone skapar en portföljwebbplats som innehåller en sammanfattning av dina färdigheter. Inkludera en länk till webbplatsen på LinkedIn och andra sociala medieplattformar så att potentiella arbetsgivare lätt kan hitta dig när du anställer för lediga tjänster.

Om du inte redan har en, läs den här guiden för tips om hur du skapar en portföljwebbplats.

Jag har genomfört workshops om ämnen som datainsamling och analys för att lära icke-tekniska studenter att arbeta med data. Detta innebar timmar av förberedelser, eftersom jag var tvungen att sätta mig in i varje koncept jag lärde ut och se till att jag inte gjorde några misstag.

Det bästa med att bli instruktör var att undervisningen stärkte min förståelse för ämnet och dramatiskt förbättrade min förmåga att bryta ner komplexa begrepp till nybörjare inom området.

takeaways:

Lär ut vad du kan

Jag började lära mig datavetenskap för cirka två till tre år sedan och är knappast någon expert på området. Men jag har lärt mig mycket under den här tiden och kan lära ut det till en grupp människor som kommer att dra nytta av att lära mig mina färdigheter.

Till exempel, som någon som har arbetat inom datavetenskap och marknadsföring, är jag väl positionerad för att lära ut datakunskaper till marknadsförare. Jag kan också lära datavetare om marknadsföringsanalyser så att de kan få domänkunskap och potentiellt få ett jobb i branschen.

Även om du är en blivande dataforskare som är i inlärningsstadiet kan du tjäna en sidoinkomst på att dela det du vet med andra. Ofta fungerar detta bäst när du kombinerar en unik uppsättning färdigheter som inte många har.

Till exempel kanske inte en "Introduktion till Python"-kurs väcka elevernas intresse eftersom liknande program finns i överflöd på Internet. En "Introduktion till Python för finans"-kurs är dock mer specialiserad och kommer sannolikt att locka en grupp tittare som är intresserade av att förutsäga aktiemarknaden.

YouTube, Udemy, Pluralsight och Thinkific är några plattformar du kan använda för att bygga och dela onlinekurser.

Dessutom har jag arbetat med frilansande datavetenskapliga uppgifter som datainsamling, modellbygge och skapande av instrumentpaneler för kunder. Medan de flesta frilansare svär vid plattformar som Upwork och Fiverr, fick jag de flesta av mina jobbmöjligheter från Medium, LinkedIn och min webbplats.

Här är några artiklar som har gett mig frilansspelningar:

Kundsegmentering med Python: Det slutade med att jag byggde en K-Means-klustringsmodell för klienten och presenterade mina resultat i ett bildspel.
Hur man samlar in Twitter-data med Python: Jag vägledde klienten att samla in Twitter-data med hjälp av ett Python-API.
Ett komplett dataanalysprojekt med Python: Jag utförde en liknande konkurrensanalys för kundens produkt.

takeaways:

Byggprojekt: När en arbetsgivare funderar på att anställa en frilansare söker de ofta på Internet för att hitta personer som arbetar med liknande projekt. Att bygga projekt och göra inlägg om dem ofta kommer att förbättra dina chanser att bli uppmärksammad och få ett jobb.

Oavsett var du befinner dig i din datavetenskapsresa kan du börja bygga flera strömmar av onlineinkomster idag.

Börja med att skriva online och lära ut det du kan. Detta kan göras på publiceringsplattformar som Medium. Du kan till och med skapa din egen bloggsida med hjälp av webbutvecklingstjänster som Wix och WordPress.

Välj sedan ett specialiseringsområde inom datavetenskap. Jag föreslår att du skaffar ett heltidsjobb inom området, eftersom detta kommer att ge dig branschspecifik erfarenhet som inte kan läras någon annanstans.

Slutligen, använd din domänerfarenhet och datavetenskapliga färdigheter för att förgrena dig till frilansande och kursskapande. Du kan också erbjuda konsultationssessioner och genomföra datavetenskapsworkshops i ditt område.