Як отримати свою першу роботу в Data Science без жодного досвіду роботи

Перевидано Платоном

читають: 0

Незалежно від того, чи ви – новий випускник, хтось, хто хоче змінити кар’єру, чи кіт, подібний до того, що описано вище, у галузі науки про дані повно вакансій, які відповідають майже кожному пункту в контрольному списку сучасного працівника. Робота в галузі обробки даних дає вам можливість мати гарантовану роботу, високооплачувану зарплату з можливістю просування по службі та можливість працювати з будь-якої точки світу. По суті, робота в галузі науки про дані — це проста справа для тих, хто зацікавлений.

Однак під час страшних пошуків роботи багато хто з нас стикаються з подібною ситуацією:

Так, це виглядає досить знайомим.

Я сам стикався з багатьма ситуаціями, коли компанії часто шукали кандидатів із 20-річним досвідом роботи до досягнення 22-річного віку, і я розумію погіршення, яке приносить спроба пошуку роботи, коли ти тільки що закінчив освіту, хтось, хто шукає зміна кар'єри, або навіть кіт, без відповідного досвіду роботи.

Однак це не привід падати духом. Хоча для багатьох вакансій з обробки даних потрібен досвід роботи, існує багато способів створити власний досвід роботи, який зробить вас придатним кандидатом на цю кар’єру.

Все, що вам потрібно, це трохи креативності, мужності та наполегливості.

У країнах, подібних до Канади, де наявність тієї чи іншої форми університетської кваліфікації стає нормою (у 2016 році 54% канадців у віці від 25 до 64 років мали сертифікат коледжу чи університету), тепер мова йде не про те, що ви знаєте. Замість цього йдеться про те, кого ви знаєте і хто знає вас.

Загугліть «важливість нетворкінгу», і вас завалять статті від усіх основних гравців (Forbes, Huffington Post, Indeed тощо) про те, чому нетворкінг є однією з найважливіших речей, які ви можете зробити для своєї кар’єри. Forbes каже це найкраще:

«Мережа — це не лише обмін інформацією, але й шлях до створення довгострокових відносин із взаємною вигодою». — Б'янка Міллер Коул, Forbes

Хоча нетворкінг є феноменальним способом отримати інсайдерські знання про те, як досягти успіху в конкретній кар’єрі, він також може служити взаємовигідним стосунком у подальшому.

Я отримав свою першу роботу в техніці, підтримуючи стосунки з колегою з університету. Ми познайомилися в результаті нашої останньої чотиримісячної практики. Після закінчення навчання ми продовжували спілкуватися. Майже через два роки я отримав повідомлення про те, що компанія, в якій вони працюють, зацікавлена в тому, щоб я виконав для них певну роботу. Завдяки підтримці цих стосунків мені вдалося отримати свою першу роботу після закінчення школи без досвіду роботи завдяки тому, що мій колега висунув моє ім’я.

Іншими словами, важливо завести кілька знайомств під час навчання в університеті, відвідувати заходи з нетворкінгу та спілкуватися з людьми там, а також показати себе, щоб рекрутери дізналися ваше ім’я.

Науковці даних є природними оповідачами завдяки своїй здатності перетворювати масивні набори даних у переконливі візуалізації, які розповідають історії масам. Через це має сенс, щоб початківці дослідники даних писали про свою роботу, щоб продемонструвати свої навички спілкування майбутнім роботодавцям.

Багато дослідників даних рекламували переваги створення блогу або написання на платформі, як-от Medium. Незважаючи на те, що багато хто каже, переваги письма не обмежуються лише тим, що роблять вас щасливішою людиною, яка більше не відчуває стресу — письменництво також допоможе вашій кар’єрі в галузі обробки даних.

Як я вже згадував вище, бути оповідачем і загалом надійним комунікатором є важливими навичками дослідників даних, які лише вдосконалюються, коли їх практикують. Наприклад, пояснюючи результати аналізу даних широкому загалу, ви починаєте думати про дані простими словами, які кожен може зрозуміти та оцінити. як Річард Фейнман одного разу сказав: «Я не міг знизити це до рівня першокурсника. Це означає, що ми дійсно цього не розуміємо». Письмо не тільки зробить вас кращим комунікатором, але й дасть вам глибше розуміння концепцій науки про дані, що зробить вас кращим науковцем з даних.

Однак на цьому переваги письма не закінчуються.

Як майбутній науковець з даних, написані вами статті стають частиною вашого професійного портфоліо та дають рекрутерам уявлення про ваше розуміння конкретних концепцій. Вони не тільки побачать, що ви змогли створити прихильників людей, які довіряють і цінують вашу роботу, але вони також зможуть побачити, що ви готові внести свій внесок у розвиток життя та кар’єри колеги з обробки даних. Крім того, публікація на веб-сайті, де вам платять за вашу роботу, говорить рекрутерам, що люди настільки цінують ваші знання, що ви насправді отримуєте за них гроші.

Ось кілька ресурсів, які надихнуть вас писати:

Чому дослідники даних повинні писати книги, і чому я це зробив.
Знання там.

Практичні поради щодо написання даних Science
Кілька корисних порад, щоб почати писати про свої проекти в галузі обробки даних

Команда морська піхота сказав це найкраще: імпровізувати, адаптувати, подолати.

Замість того, щоб постійно вести важку боротьбу, пливіть за течією та створіть власний консалтинговий бізнес з питань даних.

З досвіду я знаю, як це неприємно, коли ти розіслав сотню резюме лише для того, щоб отримати у відповідь листи з відмовою та радіомовчання. Отже, якщо вас ніхто не бере на роботу, найміть себе!

Фріланс – це одна з найжахливіших речей, які люди можуть зробити, щоб заробити гроші, і це точно не для всіх. Тим не менш, це справедлива альтернатива битися головою об стіну днями поспіль, чекаючи, поки потенційний роботодавець відповість вам (чи ні).

Якщо у вас є навички та впевненість, чому б не взяти клієнтів-фрілансерів? Це безпрограшна ситуація. Ви отримуєте реальний досвід без необхідності проходити через біль і страждання, пов’язані з процесом найму (зверніть увагу, стільки ж болю і страждань може бути, коли ви працюєте на фрілансі, тому це не для всіх). Принадність найму самого себе полягає в тому, що якщо ви нарешті отримаєте пропозицію про роботу від однієї з ваших бажаних компаній завдяки реальному досвіду, який ви змогли накопичити, ви можете будь-коли відмовитися від фрілансу.

Але хто знає? Можливо, ви дійсно насолодитеся життям фрілансера. На мій погляд, ризикувати варто, якщо ви не можете знайти роботу звичайним способом.

Якби ви попросили мене дати визначення «науки про дані», я б підсумував це як міждисциплінарну галузь, яка зосереджена на вирішенні проблем і зборі інформації. Тому має сенс, що роботодавець не захоче наймати когось, хто не вирішив жодних проблем або не зміг зробити жодних висновків із набору даних.

Створюючи власні проекти, ви демонструєте роботодавцям, що у вас є вроджена цікавість і прагнення, які необхідні науковцям для обробки даних, щоб досягти успіху в своїй роботі. Крім того, багато технічних роботодавців вимагають ознайомитися з вашим портфоліо проектів, щоб вони могли побачити якість вашої роботи, перш ніж найняти вас.

Зараз легше, ніж будь-коли, знайти безкоштовні набори даних для створення проектів. Думаєте, я жартую? Коли я востаннє перевіряв, було доступно 67,862 XNUMX набори даних Згорнути для будь-кого. Це багато даних.

Крім того, швидкий пошук приведе вас до сотень статей, наповнених різними науковими проектами даних, які надихнуть вас. Ось кілька для початку.

7 проектів Data Science, які я планую завершити у 2021 році
Як я планую використовувати ці проекти, щоб покращити свої навички обробки даних до кінця року.

12 Data Science Projects на 12 днів Різдва
Релевантні та цінні проекти науки про дані, які ви можете зробити за день!

12 цікавих ідей для проектів Data Science для початківців і експертів
«Скільки наукових проектів ви вже виконали?»

Посібник із отримання ідей для проектів Data Science
Як придумати самостійне навчання, портфоліо чи бізнес-ідеї. Від когось із забагато.

Іноді найкращий спосіб отримати необхідний досвід роботи – це безкоштовно виконувати роботу. Ніхто не любить працювати задарма, але у світі, який часто вимагає від вас мати 20 років досвіду роботи до 22 років, безкоштовна робота часто є вашим квитком до успіху в пошуках роботи.

Стажування, волонтерство або безоплатна робота — це три найкращі способи отримати необхідний досвід роботи, який шукають багато компаній. Ці «вакансії» не тільки дозволяють отримати реальний досвід, використовуючи реальні дані, але також показують менеджерам з найму, що ви командний гравець, який заробив свій досвід роботи важким шляхом без оплати. Крім того, ви можете отримати можливість створювати значущі рішення, які позитивно вплинуть на багатьох людей і спільноти на цьому шляху. Якщо компанія, в якій ви працюєте, готова компенсувати вас яскравим відгуком у вашому профілі LinkedIn або рекомендаційним листом, ще краще!

Для кожного, хто вступає в нову сферу діяльності, чи то щойно випускник, хтось, хто хоче змінити кар’єру, чи навіть кіт, який навчився друкувати, відсутність досвіду роботи може бути складною ситуацією, яку потрібно подолати.

Однак у вас є маса можливостей отримати досвід роботи, якщо ви готові ними скористатися. Фортуна, як правило, прихильна до сміливих, і це не більше справедливо, ніж для людей, які прагнуть досягти успіху в новій сфері.

Проявивши трохи креативності, сміливості та наполегливості (а також, можливо, трохи терпіння), ви будете на шляху до отримання першої бажаної роботи в галузі обробки даних.

Медісон Хантер є студентом бакалавра геологічних наук, випускником програмного забезпечення. Медісон створює розмови про науку про дані, навколишнє середовище та STEM.

Оригінал. Повідомлено з дозволу.