入行数据科学,仅需6步

简介: 数据科学转型之旅,打有准备的仗,规划一定要做好!

当你想在数据科学行业求职,哪些步骤至关重要呢?在此,我们提供如下建议,它们已帮助众多数据爱好者获得了像数据科学家/分析员、数据工程师以及深度学习工程师等职位的工作机会。

“当在一年多的时间里花费了无数个夜晚和周末进行学习和编码后,你终于做到了!你现在应该完成你的数据科学项目,获取能够证明你自己的材料…那应当如何做呢?在你参加课程的时候,在数据中寻找工作就是机会。让我们面对现实,去主动寻找一份工作。唯一横亘在你和成功之间是第一份数据科学工作的机会。”

—— Datakademy.com创始人,George Liu

0a95947f62e2366a1942328ff94f7be3d75a56f1

请往下看,这些步骤已帮助过许多像你一样的数据科学爱好者获取工作机会,效果显著,你只需要遵循即可。

1.明确你的目标角色

没有方向的时候,任何方向都是正确的。从多伦多到北京,如果你没有正确的方向,无论你所选择的交通工具有多快,都不会按时到达。事实上,如果你选择了错误的方向,你所选工具越是有效,失败来得越是快速。

在找工作的时候,目标角色就是你的方向。追求正确的目标角色会使申请回复率更高,同时面试经历也会更加愉快,还能让你与目标角色候选人要求更加匹配。因此,我们需要发现不同角色的需求(例如:数据科学家对比机器学习工程师),并且针对技能、教育以及经验等方面,找出最佳匹配的工作岗位。如果你在机器学习方面拥有丰富的简历以及兴趣,那么恭喜你,机器学习工程师是合适你的。或者说你对SQL非常熟练,可以考虑数据工程师或者商务智能岗位。如果你具备很强的沟通能,数据科学会是个不错的选择。

2.打造你的个人品牌

如何确保在你说话的时候人们会全神贯注的听呢?很简单,说他们感兴趣的。从营销层面上讲,这被称之为“迎合目标受众需求”。当你需要将自己推销给你的潜在雇主时,你得在脑海中思考他们的需求是什么,这样他们在浏览你简历和与你谈话的时候才能更多的“听你说”。交流的时候需要注意,你所提供的东西中哪些是能够帮助你在300至500人中脱颖而出的。

如何保证我们所讲正好是雇主想听的呢?目标角色在此时就发挥作用了。现在,我们需要对目标角色有一个定义,并且对理想候选人应具备的条件有个清晰的理解。接下来,我们就可以挑选出与之最为相关的优势,并且将它们打造成为我们的个人品牌。举个例子,对我而言,基于沟通交流和业务知识的洞察力能够强有力的支撑我成为数据科学家,于是,我将自己标榜为“拥有商业头脑的数据科学家,且具备强大的统计技能和实践数据科学项目经验”。

e1aa1453dd2b3cf4c805aac59b90d2878ce83056

3.定制你的简历

你也许会这样想,既然简历都已经多次修改,为什么还需要定制呢?事实上,对于简历来说,没有最好,只有更好!衡量标准又是什么呢?简而言之,“相关性”。

作为一名足球运动员,你可能有着令人艳羡的获奖记录,但想成为一个成功的律师,你则需具备一套不同的技能。因此,在你应聘一家律所的时候,出色的运动经历并不足以给人深刻印象。但是,如果你有曾帮助一个足球运动员胜诉的经验,那就把它写进你的简历吧!这就是所谓的“相关性”。我们需要在简历中保留下与所应聘工作相关的那部分。

而且,在进行简历定制的时候,我们需要整合对目标角色(工作要求)和个人信息(帮助我们脱颖而出)的理解。最终创造一份能够与雇主产生共鸣的简历,因为我们需要把自己展现得和他们所寻求的完美(且独特)候选人一致。

4.改变你的在线状态

通常,人们在第一次看见你名字的时候就会去网上查询有关你的信息。目前使用最多的工具就是Linkedln。因此,当你在找工作的时候必然会使用到Linkedln。更重要的是,你需要有强有力的Linkedln介绍,且它是与你所寻求工作相关的!怎么才知道它是否相关呢?同样,我们会将你的目标角色作为衡量标准。如果想成为一名数据科学家,那么你需要熟练掌握Python,R以及SQL。如果想成为一名机器学习工程师,那么则需熟练掌握java或者C++,并且丰富机器学习模型搭建的经验。

其它的在线证明,例如GitHub,技术博客,Kaggle平台以及StackOverflow平台,这些在雇主认可你专业技能以及证实你在简历上所陈述的资质时至关重要。所以,请确保在这些平台上呈现出你较为完美的状态。

5.制定系统的行动计划

人们常说,找工作本身就是一份工作。我并不了解你,但是我的经验会告诉我认同120%。也就是说,如果没有一个系统的计划,我们可能会一直处于找工作的状态。

如何才能做到系统化呢?首先,明确找工作时的必要活动,然后将它们列入每日计划。这些活动通常包括在线申请,数据科学项目,算法和数据结构以及面试准备等。同时,对于这些活动,你需将它们明确的规划到日计划或者周计划中。这样,在找工作的时候,我们才能充分利用有限的时间。当一切都按照计划完成时,我们就会不断接近最终的目标——工作机会。

6.行动

一旦计划制定,行动也就变得容易了,尽管你需要有一个渴望成功的态度以及平和的心态。

首先,你需要知道找工作是一个漏斗过程,也就是说,大多数情况你都会被拒绝。许多人对此没有清楚的认识,他们在收到几封拒绝邮件以及失去几次面试机会后变得灰心丧气,斗志全无。可是,如果你不继续找工作,工作定然不会主动找你。

其次,你应保持心态平和。就像机器学习,当你获取了新的信息后,找工作的过程也会有所改善。举个例子,某个特定的求职渠道或许会更有效,好比网络,此时,你需要调整你的搜索工作,并优先考虑你的高效益渠道。

上述就是在数据科学领域求职的六个步骤。无论你是应届毕业生,还是准备跳槽,这六步会帮助你更快地获取理想的工作。

祝你好运!

数十款阿里云产品限时折扣中,赶紧点击领劵开始云上实践吧!

本文由@爱可可爱生活@阿里云云栖社区组织翻译。

文章原标题《6-proven-steps-job-data-science》,

译者:Elaine,审校:袁虎。

文章为简译,更为详细的内容,请查看原文 

相关文章
|
6月前
|
索引 Python
【数据科学导论】实验五:循环
【数据科学导论】实验五:循环
30 0
|
11月前
|
机器学习/深度学习 人工智能 算法
数据科学难题,怎么解释到底什么是数据科学
数据科学难题,怎么解释到底什么是数据科学
|
人工智能 Python
Python100道题从“无”到“有”,每日监督打卡学习第四期:31-40题,思路分享+心路历程
Python100道题从“无”到“有”,每日监督打卡学习第四期:31-40题,思路分享+心路历程
145 0
R数据科学|第十一章内容介绍
因子在 R 中用于处理分类变量。从历史上看,因子远比字符串更容易处理。因此,R 基础包中的很多函数都自动将字符串转换为因子。
152 0
R数据科学|第十一章内容介绍
|
机器学习/深度学习 数据可视化 数据挖掘
|
机器学习/深度学习 TensorFlow 算法框架/工具
|
机器学习/深度学习 算法 大数据
机器学习项目到底怎么做?以及部分资料分享
很久没有更新图形图像处理方面的博客了,最近在培训数据发掘方面的技术,就把学到的东西和大家分享下。 1. 压箱底的资料 还有一些平时收集 的压箱底的资料拿出来和大家分享下: IPOL —-经典计算机视觉算法的c实现 http://www.
1645 0
|
机器学习/深度学习 人工智能 算法
书单推荐 | 数据挖掘和统计科学自学十大必备读物
本文讲的是书单推荐 | 数据挖掘和统计科学自学十大必备读物,下面的免费书单中从统计学基础知识,到机器学习的基本概念,再到更重点的大框架内容,对于高深的话题也有所涉猎,最后以一本总结性的书结尾。既有经典名著,也有当代的作品,希望你能在其中找到一些有趣的新内容。
3507 0