我們將告訴您最快、最可靠的方法，讓您在數(shù)據(jù)科學領域，或在某個新的編程語言或新技術方面從零開始到找到工作。

在您想進入一個新的領域工作時，會想到一個“先有雞還是先有蛋”般的問題——沒有工作經(jīng)驗是找不到工作的，然而沒有工作是不會有工作經(jīng)驗的。我最近也遇到了這個問題，當時我正由R轉用Python，并準備應聘一份需要Python的工作�，F(xiàn)在我想分享一下我是怎樣解決這個問題的。

我一共經(jīng)歷了五個階段，推薦大家也使用這種方法：

1. 學好基礎

首先你需要打好基礎，這是一項必須靠自己完成的工作。自己找到或讓別人推薦一個好的課程，跟隨課程學習，遇到難題時可以到(https://stackoverflow.com)詢問。剛開始你可能會碰到不禮貌的回復，但是別泄氣，因為你必須學會如何在那里問問題。

這會教會你向那些“不是你肚子里蛔蟲”的人清楚地表達你的想法和問題，提出好的問題是你今后職業(yè)生涯中必不可少的技能。

在這個階段你可以將獲得一項證書作為既定的目標。例如，當我開始學習大數(shù)據(jù)技術時，我報名參加了Cloudera的Spark和Hadoop開發(fā)人員考試。一些專業(yè)人士不喜歡這類證書，認為它們無益于實際工作，但我認為它們非常有用。尤其是在剛開始時，它們可以作為一個目標，一個關于學習什么內容和何時將這第一階段標記為“完成”的方向。

2. 找到一個充滿激情的項目

很多人可能會在被困在第一階段——這是一個危險的陷阱。相反，應該試著盡快放下課程，創(chuàng)建一些你感興趣的項目。課程可以教你基礎知識，但它們通常無法有效激勵你。但是如果你能專注于對你來說很重要的事情中，你會更快地解決問題并因此而學得更快。

如果你想不出一個好的項目，那就四處看看現(xiàn)有的項目、閱讀博客，擴展你已有的知識。這可能需要一段時間，但努力是值得的。當然，你也應該將所使用的技術定位在你想要的工作類型上。

不要害怕你的前一兩個項目做的很糟糕。這種情況有可能會發(fā)生，我確定我就是這樣，而那些“大牛”可能也是這樣的。讓第三個項目真正成功的唯一方法就是做出前兩個項目。做前兩個項目是你最能學到東西的時候。

3. 展示你的項目，吸引別人的注意

在當?shù)貢�議上發(fā)言(參考https://meetup.com上簡單的內容完成你第一個發(fā)言)

在Hacker News發(fā)布你的項目(https://news.ycombinator.com/showhn.html)

找到在你所在的地區(qū)的會議，并申請成為演講者。對你的資歷胡說八道(但不要說謊)是可以的，只要演講本身有實質性內容并且值得讓聽眾聽到。

4. 貢獻開源項目

在兩個或三個個人項目之后，考慮為現(xiàn)有的大型開源項目做出貢獻。向這些項目貢獻代碼是唯一從相當聰明的人那里獲得反饋的方法，這些人很少做一對一的輔導。這是保持學習的最佳方式，但要達到這一水平需要一段時間。

5. 更新你的簡歷

將你參與的項目和演講加入你的LinkedIn和/或Github簡歷中，并說明為什么你的項目是有意義的。你必須知道誰將閱讀你的簡歷。對于招聘人員，你只需要把這個項目當作一個“正常”的工作來介紹。對于領域專家來說，只需說明這是一個沒有報酬的項目，但要鏈接到你的Github存儲庫，也許還要提到它獲得了多少收藏。

通過這種方法，你向你的潛在雇主發(fā)出了信號表明你有能力開始和完成一個項目，并且能夠在一個團隊中很好地協(xié)作。這就解決了開頭提到的“先有雞還是先有蛋”的問題。

祝你旅途愉快。有時你會感到沮喪，但終會有回報。

作者簡介：Alexander Engelhardt ，在慕尼黑的LMU獲得統(tǒng)計學理學碩士和博士學位，其后成為專門從事R語言機器學習的自由數(shù)據(jù)科學家。

Alexander Engelhardt：

http://www.alpha-epsilon.de/

相關資源：

On-line and web-based: Analytics, Data Mining, Data Science, Machine Learning education

https://www.kdnuggets.com/education/online.html

Software for Analytics, Data Science, Data Mining, and Machine Learning

https://www.kdnuggets.com/software/index.html

原本標題：

How to go from Zero to Employment in Data Science

原文鏈接：

https://www.kdnuggets.com/2019/01/from-zero-to-employment-data-science.html

標簽： [db:TAGG]

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。