Это всего лишь мое мнение. Если у вас есть контраргументы, пожалуйста, напишите их в комментариях.
Хотите стать data scientists?
Я познакомился с более 50-ю data scientists и с еще парочкой поработал лично.
Здесь я расскажу, как эти люди пришли в Data Science. Без онлайн-курсов.
1. Решите задачу с помощью машинного обучения
Выберите реальную проблему, и решите ее с помощью машинного обучения.
Сделать это нелегко, так как нет готового плана действий. Но вне зависимости, преуспеете вы в этом деле или нет, благодаря полученному опыту и истории, впоследствии вы сможете продать себя гораздо дороже.
Вот примеры задач, которые вы можете попробовать разрешить:
- Распознавание фейковых новостей
- Прогнозирование стоимости жилья в вашем районе
- Подбор домашних питомцев в зависимости от образа жизни потенциальных хозяев
Если ваш решатель заработает (или даже почти сработает), создайте пользовательский интерфейс, которым можно будет пользоваться, и опубликуйте его на Hacker News или Product Hunt.
Добавьте строку с названием «Data Scientist» в резюме. Если получилось решить проблему машинного обучения, никому и дела не будет, что это было всего лишь шоу одного актера.
Теперь вам есть, что рассказать на собеседовании, и такая история будет иметь гораздо больший вес, нежели сертификат об окончании онлайн курсов.
2. Найдите ментора — эксперта по искусственному интеллекту
Наладьте отношения с опытным человеком, который может подсказать решения на основе ИИ для проблем, над которыми вы сейчас трудитесь.
Именно так мне удалось ворваться в науку о данных.
Будучи инженером-программистом, стартап-акселератор выделил моей компании PhD проект в области ИИ на несколько часов в неделю.
Каждую неделю мы обсуждали проблемы и возможные пути их решения, я пробовал их реализовать, затем мы анализировали сбои и повторяли снова. После 6 месяцев работы нам удалось решить несколько проблем, полученные знания стали бесценным опытом.
Чтобы найти новых менторов по науке о данных, я делал следующее.
- Писал в LinkedIn исследователям данных в своем городе
- Приглашал их выпить кофе
- Заводил разговор о конкретной проблеме, рассказывал, как хотел бы ее решить и слушал на этот счет мнение собеседника
- Далее продолжал работу с полученными результатами
3. Пройдите стажировку по машинному обучению
Устройтесь на временную работу с небольшой заработной платой, но возможностью поучаствовать в серьезном проекте по внедрению ИИ.
Бывший стажер-разработчик по машинному обучения в моем стартапе сейчас стажируется как дата-инженер в Facebook, и вероятно скоро станет их полноценным сотрудником.
Этот путь не для всех, и гораздо лучше работает, если вы еще молоды или заканчиваете школу. Не каждый готов бросить работу и стать практикантом, но, возможно, вам удасться найти дистанционную работу или стажировку на неполный рабочий день.
Крайне важно, чтобы в вашем резюме было упоминание о работе с ИИ.
4. Начните заниматься Data Scienсe уже на вашей нынешней работе
Выясните, как компания, в которой вы сейчас работаете, может воспользоваться ИИ для решения проблемы — и решите ее.
Возможно, в течение рабочего дня вам некогда этим заниматься. Но при сильной мотивации трудитесь по вечерам или на выходных. Затем представьте результат ваших трудов.
Если вы работаете в небольшой компании, никто не будет возражать, что вы стараетесь привнести больше пользы. Если ваш проект окажется действительно ценным, вполне вероятно, что вам добавят его в повседневные обязанности.
Позже внесите этот проект в свое резюме и попробуйте обновить название должности.
5. Организуйте буткемп по Data Science
Посетите платный буткемп по Data Science.
Это стоит денег, и не все буткемпы одинаковы, но я знаю, по крайней мере, 10 человек, которые пришли в Data Science после буткемпа, и у всех крупные, уважаемые компании.
Лучшие буткемпы принимают только докторов наук, поэтому вполне возможно, что успех кандидата зависит от предвзятого отношения (буткемпы принимают студентов, которые, по их мнению, в любом случае достигнут высот).
В чем польза буткемпов.
- Участники занимаются консалтингом реальных компаний
- Выпускники общаются с компаниями, которые ищут сотрудников
- Есть профессиональная подготовка
Тем не менее, не каждый выпускник получает работу.
6. Сначала станьте программным инженером
Я писал об этом здесь.
До тех пор, пока исследователи данных будут решать проблемы связанные с кодом, они продолжат тесно пересекаться с программной инженерией.
Набравшись опыта как программный инженер, начните искать работу в области науки о данных, для которой понадобятся те же технические особенности (та же база данных, язык, фреймворк, пакеты программ).
Если вам удастся поставить галочку у большинства требований к кандидату, ваши шансы пройти собеседование успешно значительно возрастут.
Есть и другие плюсы в том, чтобы сначала стать программным инженером.
- Обеспечить достойный заработок
- Поработать в компаниях, которые нанимают исследователей данных
- Создать универсальное техническое прошлое
- Доказать, что вы можете заниматься подобным типом работ
…
7. Прежде чем устроиться на работу, получите степень доктора наук или магистра
У вас есть 2 года или 6 лет, чтобы отучиться? У меня лично нет.
Но большинство моих знакомых- исследователей данных, пошли по этому пути.
Они либо:
- получили степень магистра в области, связанной с ИИ
- защитили кандидатскую ( PhD) в технической области (не обязательно близкой к ИИ)
Я бы не посоветовал возвращаться в школу(универ), чтобы заняться Data Science. Но если сейчас вы учитесь в какой-то школе, вы можете продолжить свое обучение и получить степень в области ИИ. Как ни странно, но самые высокие зарплаты в сфере ИИ получают люди с высшим образованием.
Несмотря на то, что классические дипломы получать долго и дорого, они пользуется большим доверием, нежели онлайн-сертификаты.
А что там с онлайн-курсами?
Да, онлайн курсы имеют место БЫТЬ. Но не для того, чтобы получить работу.
Плюсы курсов в том, что вы изучаете то, в чем у вас пробел и подробно разбираете конкретные методы.
Но с другой стороны, курсы дарят ощущение выполненного долга, не заставляя вас идти по пути наибольшего сопротивления.
Я бы лучше сначала нашел проблему, а затем научился ее решать, пройдя онлайн курсы.
У вас есть примеры того, как люди пришли в Data Science? Давайте обсудим.
Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:
- Курс по Machine Learning (12 недель)
- Курс «Профессия Data Scientist» (24 месяца)
- Курс «Профессия Data Analyst» (18 месяцев)
- Курс «Python для веб-разработки» (9 месяцев)
