В этой статье я расскажу о вещах, которые помогли мне получить свою первую работу в Data Science.

Нет никакого способа подсластить пилюлю: получить работу в области Науки о данных сложно и это потребует много работы. Эта статья поможет вам стратегически относиться к тому, на что вы тратите свое время и энергию. Делясь своим личным опытом, я хочу помочь вам отфильтровать шум и маркетинговую чепуху, которая окружает индустрию. Поскольку наука о данных – модная отрасль, нам часто пытаются что-то продать (например, курсы, подписки так далее), и, по моему опыту, это действительно затрудняет освоение профессии.

В этой статье я не буду вам ничего продавать. Моя цель – честно рассказать о своем личном опыте работы в надежде, что это поможет вам.

Пишите код каждый день

Первое, что мне помогло, – это программировать каждый день. Ну, может быть, не каждый: жизнь не столь легко предсказать и спланировать. Однако нет лучшего способа подготовиться. Создание кода – это именно то, чем вы будете заниматься большую часть времени.

Дополнительный бонус – возможность прощупать почву и посмотреть, действительно ли вы хотите освоить такую профессию. Многих привлекают большие зарплаты и ажиотаж вокруг таких технологий, как ChatGPT. Хотя это веские причины для интереса к DS, очень важно понять, действительно ли вы будете получать удовольствие от этой работы. Затрачивая всего 20 минут в день на программирование, вы быстро поймете, нравится ли вам работа, которую выполняют специалисты по данным.

Какой язык выучить? Я бы рекомендовала начать с Python. Потратьте некоторое время на то, чтобы привыкнуть к библиотекам pandas, numpy и matplotlib. Затем попробуйте scikit-learn с их молниеносными функциями model.fit() и model.predict(). Когда “вырастете” из таких моделей, вас наверняка заинтересует PyTorch или TensorFlow. Наряду с этим очень полезен SQL, который применяется для сбора и предварительной обработки данных.

Станьте “гражданским” дата-сайентистом

Не ждите, пока вы «официально» станете дата-сайентистом, вместо этого станьте “гражданским” специалистом по данным, чтобы анализ данных стал вашей повседневностью.

Вы можете добровольно взять на себя часть задач вашей текущей команды по отчетности. В своей команде, я стала “ответственной за данные”, предлагая людям помощь с ETL и верстая отчеты. Конечно, вы должны сбалансировать ваши повседневные обязанности и такое новое направление. Тогда это станет отличным способом повысить ценность команды, а также развить свои собственные навыки.

Если вы работаете в крупной компании, в которой уже есть команда Data Science, свяжитесь с кем-то из них, объясните свои амбиции и спросите, есть ли какие-либо проекты, которые вы могли бы поддерживать. Скорее всего, они будут более чем рады вашей поддержке, так как рук часто не хватает.

Общайтесь

Почему нетворкинг имеет значение? Разве я не могу просто учиться онлайн?

Когда-то я бы с вами согласилась Но дело в том, что многие советы, которые мы читаем в Интернете, не подойдут либо потому, что они (1) устарели, (2) не актуальны для вашего географического положения или отрасли, либо (3) делают предположения о читателе, которые не относятся к вам. Мир технологий быстро меняется, и крайне важно поговорить с местными специалистами, чтобы получить актуальное и персонализированное представление об отрасли. Я знаю, что это сложно, но очень важно и полезно.

Если вас пугает идея нетворкинга, не волнуйтесь, меня тоже. Но на самом деле это намного проще, чем вы думаете. Начните с подписки на некоторые узкоспециализированные ресурсы. Это отличный способ держать руку на пульсе. Я особенно рекомендую следить за Джейсоном Браунли на machinelearningmastery.com.

Если вы работаете в компании, в которой есть команда Data Science, обратитесь к паре человек в ней и спросите, не хотят ли они выпить кофе и поговорить о своем опыте. Если в вашей компании нет подходящего специалиста, обратитесь к специалистам по обработке и анализу данных на LinkedIn. Возможно, вам придется потратить время, прежде чем вы получите согласие. Ваше терпение будет вознаграждено.

Не беспокойтесь о своих ошибках. Помните, каждый великий специалист по данным когда-то был новичком. Люди, как правило, проявляют естественное сочувствие к тем, кто находится в ситуациях, в которых они когда-то были сами. Вы будете удивлены, как много людей готовы протянуть руку помощи.

Получите соответствующую квалификацию или сертификат

Я бы солгала, если бы сказала, что это не сыграло большой роли в моей карьере. Первым сертификатом, который я получила, был диплом факультета ИИ от GeekBrains. Это помогло мне получить мою первую работу Аналитика данных.

Вам не обязательно иметь техническое образование, чтобы работать в этой сфере. Более типичный путь (особенно если у вас уже есть другая специальность) – это пройти несколько онлайн-курсов и заполнять пробелы конкретными технологиями.

Пройдите стажировку (или две)

Если у вас нет реального опыта, может быть трудно убедить работодателей взять вас на работу. Вот где стажировки действительно могут помочь. Вы даже можете пройти неофициальную неоплачиваемую стажировку. Такая практика поможет убедить будущих работодателей, что у вас есть все необходимое, а также поможет расширить стек (например, git, Docker).

Вакансии стажировки есть на большинстве работных сайтов. Есть еще вариант — напрямую обратиться к более мелким и менее известным компаниям. Это часто срабатывает. Напишите дружеское электронное письмо, объяснив, что вы ищете и что вы можете предложить.

Признаю, неоплачиваемая стажировка подойдет не всем. Если вам такое не подходит, не расстраивайтесь: есть много других способов получить необходимый опыт.

Поддерживайте себя

Для меня это означало акцентировать внимание на навыках общения. Такие soft skills очень актуальны в контексте науки о данных. Среди прочих отмечу сторителлинг – умение облачить тот или иной инсайт в обертку конкретной истории, что упростит понимание.

… но не переоценивайте себя

Будьте реалистичны в оценке своих навыков. У вас может быть огромный опыт в смежной области. Возможно, все-таки придется сделать промежуточный шаг, прежде чем получить должность мечты: например, стажер или другая менее высокая должность. Это не означает отказ от своих амбиций.

Проявите терпение

Сменить профессию сложно, и на это уйдет время. Вы не доберетесь в пункт назначения за одну неделю. Немного терпения и настойчивости, и вы освоитесь в этой удивительной вселенной.

Помните, что жизнь – нечто большее, чем только наука о данных

Используйте выходные для настоящего отдыха. Не стоит пренебрегать здоровьем или отношениями ради работы. Ни одна карьера не стоит того, чтобы жертвовать всем, даже карьера дата-сайентиста.

Спасибо за прочтение, я надеюсь, это было полезно. Дайте знать, что вы думаете!