Hur får du ditt första jobb inom datavetenskap?

Hur kan man få sitt första startnivå som datavetare eller dataanalytiker? Om du bläddrar i datavetenskapliga forum hittar du många frågor kring det här ämnet. Läsarna av min datavetenskapblogg (data36.com) frågar mig samma då och då. Och jag kan säga att detta är ett helt giltigt problem!

Jag har beslutat att sammanfatta mina svar för alla större frågor!

NY! Jag har skapat en omfattande (gratis) videokurs online för att hjälpa dig komma igång med Data Science. Klicka här för mer info: Hur man blir datavetare.

REGISTRERA HÄR (GRATIS): https://data36.com/how-to-become-a-data-scientist/

# 1: Vilka är de viktigaste datavetenskapens färdigheter och verktyg? Och hur kan du få dem?

Goda nyheter - dåliga nyheter.

Jag börjar med den dåliga. I 90% av fallen är de kunskaper som de lär dig på universiteten inte riktigt användbara i datavetenskapliga projekt. Som jag har skrivit om flera gånger behövs dessa fyra datakodningskompetenser i riktiga projekt:

  • bash / kommandorad
  • Pytonorm
  • SQL
  • R
  • (och ibland Java)
källa: KDnuggets

Vilka 2 eller 3 du hittar som mest användbara beror verkligen på företaget ... Men om du har lärt dig en kommer det att bli mycket lättare att lära sig en annan.

Så den första stora frågan är: hur kan du få dessa verktyg? Här kommer de goda nyheterna! Alla dessa verktyg är gratis! Det betyder att du kan ladda ner, installera och använda dem utan att betala ett öre för dem. Du kan öva, bygga ett datahobbyprojekt eller vad som helst!

Jag skrev nyligen en steg-för-steg-artikel om hur du installerar dessa verktyg på din dator. Kolla in det här.

# 2: Hur man lär sig?

Det finns två huvudsakliga sätt att lära sig datavetenskap enkelt och kostnadseffektivt.

1: Böcker.

Kinda old-school, men ändå ett bra sätt att lära sig. Från böcker kan du få mycket fokuserad, mycket detaljerad kunskap om online-dataanalys, statistik, datakodning osv ... Jag lyfte fram 7 böcker som jag rekommenderar i min tidigare artikel, här.

Topp 7 databöcker rekommenderar jag

2: onlinebaserade webbseminarier och videokurser.

Datakurser online-kurser kommer med rimliga priser ($ 10- $ 500) och de täcker olika ämnen, allt från datakodning till affärsintelligens. Om du inte vill spendera pengar på detta i början har jag listat gratis kurser och läromedel i det här inlägget.

(Tredje: Junior Data Scientists första månadskurs. Jag har skapat en 6-veckors online datavetenskapskurs för att sträva datavetare om att öva och lösa verklighetsuppgifter på ett verkligt datasystem: Junior Data Scientists första månad .)

# 3: Hur man tränar och hur man får erfarenheter från verkligheten

Det här är svårt, eller hur? Varje företag vill ha människor med åtminstone lite verklig erfarenhet ... Men hur får du verkliga erfarenheter om du behöver erfarenhet från verkligheten för att få ditt första jobb? Klassisk fångst 22. Och svaret är: husdjursprojekt.

"Husdjursprojekt" betyder att du kommer med en dataprojektidé som gör dig upphetsad. Då börjar du helt enkelt bygga det. Du kan tänka på det som en liten start, men se till att du fortsätter att fokusera på datavetenskapliga delen av projektet och att du bara kan ignorera affärsdelen. För att ge dig några idéer, här är några av mina husdjursprojekt från de senaste åren:

  • Jag byggde ett skript som övervakade en fastighetswebbplats och mailade mig de bästa erbjudandena i realtid - så jag kunde få dessa erbjudanden före alla andra.
  • Jag byggde ett manus som drog alla artiklarna från ABC, BBC och CNN och baserade på de använda orden, de artiklar som handlade om exakt samma ämne på de tre olika nyhetsportalerna.
  • Jag byggde en självlärande chatbot i Python. (Det är dock inte för smart - eftersom jag inte har tränat det ännu.)

Vara kreativ! Hitta ett datavetenskapligt husdjursprojekt för dig själv och börja kodningen! Om du träffar väggen med ett kodningsproblem - det kan hända enkelt när du börjar lära dig ett nytt dataspråk - använd bara google och / eller stackoverflow. Ett kort exempel på mig - hur effektiv stackoverflow är:

vänster sida: min fråga - höger sida: svaret (om 7 minuter)

Lägg märke till tidsstämpeln! Jag har skickat in en slags komplicerad fråga och jag fick tillbaka svaret på sju minuter. Det enda jag behövde göra var att kopiera in koden i min produktionskod och bom, den fungerade bara!

(Obs: Cross Validated är ett annat bra forum för datavetenskapliga frågor.)

+1-förslag:

Även om det är lite svårt kan du försöka få en mentor. Om du har tur så hittar du någon som arbetar i en Data Scientist-roll i ett trevligt företag och som kan spendera 1 timme varje vecka eller två veckor med dig och diskutera eller lära saker.

# 4: Var och hur skickar du din första ansökan?

Om du inte har lyckats hitta en mentor kan du fortfarande hitta din första hos ditt första företag. Det här kommer att bli ditt första datavetenskapliga jobb, så jag föreslår att du inte fokuserar på stora pengar eller på en superfina startatmosfär. Fokusera på att hitta en miljö där du kan lära dig och förbättra dig själv.

Att ta ditt första datavetenskapliga jobb på ett multinationellt företag kanske inte överensstämmer med denna idé, eftersom människor där oftast är för upptagna med sina saker, så att de inte har tid eller motivation att hjälpa dig att förbättra (naturligtvis finns det alltid undantag).

Att börja vid en liten start som en första dataperson i teamet är inte en bra idé heller i ditt fall, eftersom dessa företag inte har äldre datafar att lära av.

Jag råder dig att fokusera på 50–500 stora företag. Det är det gyllene medelvärdet. Senior data forskare är ombord, men de är inte för upptagna för att hjälpa och lära dig.

Okej, du har hittat några bra företag ... Hur ansöker du? Några principer för ditt CV: markera dina färdigheter och projekt, inte din erfarenhet (eftersom du inte har för många år på papper ännu). Lista de relevanta kodningsspråken (SQL och Python), du använder och länka några av dina relaterade github-repor, så att du kan visa att du verkligen har använt det språket.

I de flesta fall ber företag också om ett brev. Det är naturligtvis ett bra tillfälle att uttrycka din entusiasm, men du kan också lägga till några praktiska detaljer, som vad skulle du göra under de första veckorna om du var anställd. (Till exempel "Titta på ditt registreringsflöde skulle jag gissa att ____ webbsidan spelar en viktig roll. Under mina första veckor utförde jag ___, ___ och ___ (specifika analyser) för att bevisa denna hypotes och förstå den mer djup. Det kan hjälpa företaget att förbättra _____ och så småningom driva _____ KPI: er.

Förhoppningsvis kommer detta att ge dig en jobbintervju, där du kan chatta lite om dina husdjursprojekt, dina förslag till följebrev, men det handlar mest om personlighetskontroll och förmodligen ett grundläggande färdighetstest. Om du hade övat tillräckligt kommer du att passera detta ... men om du är en nervös typ och vill öva mer kan du göra det på hackerrank.com.

Slutsats

Det är det. Jag vet att det låter lättare när det är skrivet, men om du verkligen är fast besluten att vara en datavetare kommer det inte att vara något problem att få det att hända! Lycka till med det!

Om du vill pröva, hur är det att vara en juniordataforskare vid en verklig start, kolla in min 6-veckors online datavetenskapskurs: Junior Data Scientists första månad!

Och om du vill lära dig mer om datavetenskap, kolla min blogg (data36.com) och / eller prenumerera på mitt nyhetsbrev! Och missa inte min nya tutorial-serie för kodning: SQL för dataanalys!

Tack för att du läser!

Tyckte du om artikeln? Snälla berätta för mig genom att klicka på nedan. Det hjälper också andra att se historien!

Tomi Mester författare till data36.com Twitter: @ data36_com