许多数据科学职业委员会（或求职建议/面试准备）都有类似的问题：受众过于宽泛，建议也很普遍。
这篇文章的作者遭受了很多苦难。这些大量的信息让许多有抱负的准数据科学家感到困惑，以及如何为他们希望进入的领域分配时间。
在本文中，作者将为希望进入数据科学领域的三个不同群体提供自己的经验，以帮助他们快速有效地行动。
虽然没有通用的解决方案，但值得考虑这三种建议。
第1类：初学者
如果你刚刚进入科学数据的领域，记住这一点：这方面的发展非常快，我在这里给出的建议是工作的时候基本上已经过时了。这是可能的，所提出的策略，以满足2017年的工作要求没有满足今天和信息科学的招聘标准，今天可能会有所不同比标准的一，两年多后。
因此，如果您打算开发在数据科学领域的职业生涯，并在STEM没有编程经验和背景（科学，技术，工程，数学数学，英文缩写），那么这里有一些建议：
首先，我们必须保持开放的心态。如果你是一个新手，那么你真的不知道科学是什么信息，所以它很可能不是你想要的工作领域。与LinkedIn上的一些数据科学家联系，要求他们喝咖啡并询问他们，并关注数据科学播客。成为数据科学家需要花费大量的时间和精力。如果您认为处理数据科学是很好的，然后将其合并，那么冒险就不是一个好理由。确保您完全理解数据科学的负面影响，例如数据收集和数据生成渠道的创建，这些渠道代表了数据科学家的大部分日常工作。
如果您决定在数据科学领域工作，那太好了！你应该做的第一件事就是学习Python。在MOOC（大型在线公开课程平台）中尽快选择相关课程项目。当您熟悉Python的基本用法时，请学习如何使用Jupyter笔记本工具并学习数据科学领域的一些开放式在线课程。如果它完全是从头开始，从开始到高级数据科学职位可能不太好。最好选择一些入门级职位，例如数据可视化或数据分析，以及市场需求。也很棒。这些职位的人员通常与数据科学家合作，一旦他们积累了相关经验，他们将为未来与高水平数据科学相关的职位奠定基础。
如何打造个人品牌：如果您准备申请工作，您可能会惊讶地发现个人品牌在数据科学中非常重要。由于您没有任何专业经验或计算机科学研究生学位，您可能会关注个人亮点。但实际上，这可能是最大的优势：自学/科学数据开发人员，这些将是公司可以利用的快速学习和努力工作的优势。但问题在于你承担了实现这一形象的重担：这是一座陡峭的山峰，需要你攀登，但奖励肯定是值得的。
第2类：软件工程师
我遇到的专业数据科学家中大约有20％是软件工程师。一方面，他们有编写程序和产品培训的经验。他们是开发团队中的稀有人才。另一方面，对全栈开发人员的需求很大，这使得公司更愿意向全栈工程师培训软件工程师，即使他们在就业通知中写的职位是“数据科学”因此，您应该避免被视为软件工程师而不是数据科学家。
其他一些建议：

首先，您可以专注于后端/数据库地址。更好地理解数据生成过程的良好开端可以帮助您开发关键数据处理技能；当然，它可以帮助您重塑自我，成为一名经验丰富的数据管理员。

机器学习工程可能更容易过渡到数据科学领域，因为它是该领域最接近的研究。您可以从实现模型或将它们集成到现有应用程序开始，因为这可以利用您现有的技能，这是迈出第一步的好方法；无论如何，您可以随时在模型中投入更多精力。在发展中
为了给招聘人员留下深刻印象，您很可能需要开发自动学习或数据科学项目。然后，使用您的软件工程技能将这些项目集成到可以呈现给招聘人员和技术主管的应用程序中。这是特别有效的，因为它直观并且反映了其作为全栈数据科学家的潜力。
您必须记住的是，在过渡期间，您的工资可以降低。即使顶级软件工程师转向数据科学领域，他们通常也必须先进入初级职位。但是，令人惊讶的是，他们中的许多人在做决定时都没有考虑这个因素，但他们收到的薪水较少。但很失望。如何打包个人品牌：最简单的方法之一就是充分利用您的软件开发体验。作为一名初级员工，我已经知道如何编写干净且记录完整的代码以及如何与其他人协作，这是大多数求职者无法获得的。如果你真的想要擅长编写“清洁产品代码”，那么你需要在数据科学领域中学习尽可能多的好例子。

• 上一篇: 蓝盟IT外包，元宇宙：四梁八柱是什么
  下一篇: 搜索神经元优化器：使用强化学习自动搜索优化方法

• 分享到：