评论
照片由 Mārtiņš Zemlickis 在 Unsplash提供。
1. Google 网络安全证书 - 快速进入网络安全职业
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持你组织的 IT 需求
我开始我的数据科学之旅时，通过 Coursera 完成了 IBM 数据科学专业证书。这花了我将近两年的时间才找到数据科学家工作。
我找工作花的时间比预期的要长。经过这么长时间的求职，我认为我知道延长我旅程的原因，并且愿意与您分享。
首要问题是展示我实际上具备技能。没有先前的工作经验，很难展示你的技能。在大多数情况下，我甚至无法通过第一轮，获得技术面试。我觉得 HR 专业人士由于缺乏相关领域的工作经验，没有考虑我的简历。
我获得的技术面试很少，但大多数情况表现良好。这让我感到高兴，并激励我不在技术面试中失败。这是一个好迹象，表明我走在正确的道路上，并且在提高我的知识。
然而，我很难进入技术面试。显然，解决这个问题的有效方法是网络。如果你认识或遇到在该领域工作的人，获得至少一次技术面试的机会会大大增加。
如果你在数据科学领域没有先前的工作经验，最佳的替代方案是完成项目。我指的不是你能在一两天内完成的项目。
你需要框定一个问题，并设计一个以数据解决该问题的方法。然后，实施你的方法。你的项目不一定要完成任务或解决问题。然而，你如何进行分析性思考、处理问题和使用数据作为解决方案非常重要。我知道做这样的项目非常困难，但你至少应该尝试一下。
对我来说另一个问题是时间不够。在我学习数据科学的两年里，我不得不保留我的工作（与数据科学毫无关系）。因此，我只有晚上和周末来学习。
这不仅仅是时间的问题。你需要有一个清晰的头脑来学习和真正掌握新的概念和技能。如果你计划在学习数据科学的同时工作，请记住，这并不容易。
如果你能够全心投入数据科学学习，整个过程会变得相对容易一些。如果你能够负担得起辞职，你可能会更快地达到目标。然而，这对于一些人，包括我自己，并不是一个选项。
软件或编程是数据科学的基础技能。仅仅具备统计学、机器学习模型的全面理解或出色的分析思维是不够的。你还需要能够使用工具和软件包来实现你的解决方案。
我之前没有任何编程经验。我甚至不得不上了两次“C++导论”课程才能通过。这并不是因为它很难。我只是对编程没有兴趣。我在大学里学习了电气工程，我当时并不认为我会需要编程技能。我明显错了。
我花了一段时间才获得编程技能。我说的可不仅仅是 Pandas 和 Scikit-learn。你还需要更多的技能。我认为 SQL 是必须的。你还需要非常熟练于一种编程语言，最好是 Python 或 R。Git、Spark（或 PySpark）、Airflow、云计算、Docker 是你需要熟悉的一些其他工具。
因此，如果你没有编程背景，可能需要一段时间才能掌握软件工具和包。
在我居住的地方，数据科学家的职位数量有限。这可以被视为一个环境问题，但它确实有影响。当我开始学习数据科学时，职位空缺的数量并不多。然而，在过去的两年里，寻找数据科学家的公司数量大幅增加。因此，仅仅考虑职位空缺的数量，我找到工作的机会比两年前要高。
尽管我花了两年时间才开始担任数据科学家，但我非常高兴我决定转行成为数据科学家。自从我开始担任数据科学家以来，我的动力和热情都有所提升。
在生产环境中处理实际数据是我们无法通过证书、课程或教程来实现的。这对我来说是一个漫长而艰难的旅程，但绝对值得。
原文。经许可转载。
相关：