作者Renato Boemer，Renato Boemer

所以，你研究數(shù)據(jù)科學已經(jīng)有一段時間了，現(xiàn)在你期待著下一步：找到你的第一份工作，成為一名數(shù)據(jù)科學家。然而，如果這不是你的第一份工作，那么這可能是你第一次申請一個與你之前的職業(yè)無關(guān)的角色。那么，為什么不從別人的錯誤中吸取教訓(xùn)呢？

在我關(guān)于將職業(yè)生涯轉(zhuǎn)向DataScience的帖子中，我從DataQuest的在線學習開始。然后，今年早些時候，我做出了我職業(yè)生涯中最好的決定之一：我報名參加了Le Wagon訓(xùn)練營--我還為此寫了《使徒行者》。盡管訓(xùn)練營本質(zhì)上是密集的，但任何職業(yè)轉(zhuǎn)變中最困難的部分是找到你的“第一份工作”。

最近，我加入了一家名為NextDoore的公司，是一家總部位于英國倫敦的數(shù)據(jù)科學家。但我找到第一份數(shù)據(jù)科學家工作的過程絕非易事。我已經(jīng)申請了50多個角色，做了幾次面試，其中一些是純粹的技術(shù)或包括現(xiàn)場編碼。在此期間，我學到了很多，我想分享五個可以幫助你找到第一份數(shù)據(jù)科學家工作的技巧：

1-自我意識

這似乎很明顯，但不幸的是，識別你不知道的東西并不容易。更糟糕的是，你可能認為你知道，但你不知道。讓我舉一個例子：在訓(xùn)練營期間，我使用SCIKIT-Learn的logistic回歸創(chuàng)建了幾個機器學習模型。我?guī)缀踔庇^地調(diào)優(yōu)了懲罰參數(shù)，特別是在L1和L2之間，它們分別指套索和脊。到目前為止還好。

在我的第一次面試中，我決定加入這些概念來展示一些知識，但事與愿違。當我試圖解釋這種差異時，我意識到我知道如何應(yīng)用它們，但我不明白背后的概念（更不用說數(shù)學了）。不用說，我沒有得到那份工作。在這里，我的建議是深入研究一些項目，直到您逐行了解您的代碼。試著在模擬面試中向其他同事解釋為什么你選擇了每個模型和參數(shù)。在去面試之前你會注意到許多可以填補的空白。這樣做，你也會聽起來流利地使用正確的術(shù)語，并感到自信地解釋你的工作。

2-向別人學習

如果你真的想在你的頭幾個月里找到一份數(shù)據(jù)科學家的工作，那么你應(yīng)該向那些有很多經(jīng)驗的人學習。老師和助教是很好的信息來源，所以每天都和他們說話。問一個關(guān)于招聘流程、面試以及如何管理與招聘人員的對話的問題，以了解更多關(guān)于公司和角色的信息。

另外，我和另外兩個訓(xùn)練營的校友一起創(chuàng)建了一個slack頻道。在這個頻道中，我們分享我們的簡歷、求職信、面試和測試的反饋。我們討論了面試問題和答案，我們總是分享我們的代碼和筆記本來幫助對方。不要害怕分享你的工作，而是學會一起工作。畢竟，你的目標是一樣的：盡快成為一名數(shù)據(jù)科學家。

3-學習動機大于編碼技能

你沒有數(shù)據(jù)科學家的“商業(yè)經(jīng)驗”，這應(yīng)該會讓任何招聘人員感到驚訝。只要看一下你的簡歷，任何人都能看出你正在尋找你的第一份工作。也就是說，不要試圖把自己推銷為專家數(shù)據(jù)科學家（來自Kaggle projects)，這不是你現(xiàn)階段最有價值的技能。

在我得到Nextdoor的工作機會后，人力資源經(jīng)理給了我八次面試的反饋。它可以概括為一個“贊成”和一個“反對”：我渴望學習，但我沒有編碼經(jīng)驗。我所學到的是，招聘經(jīng)理正在尋找那些熱衷于學習新事物并跟上行業(yè)的人。

所以，表現(xiàn)出你是一個好奇的人，你喜歡學習數(shù)據(jù)相關(guān)主題的過程，你每天都在練習編碼。展示你對數(shù)據(jù)、計算機科學、統(tǒng)計學領(lǐng)域的熱情。您對持續(xù)學習的動機和承諾將（而且應(yīng)該）超過您當前的編碼技能。

4-知道你想要什么

在沒有經(jīng)歷過的情況下知道自己想要什么有點抽象。你怎么知道你想成為一名數(shù)據(jù)科學家，而不是機器學習工程師、數(shù)據(jù)工程師或數(shù)據(jù)分析師？起初，所有這些職位看起來都很相似，也許你會接受其中任何一個作為你的第一份工作。嗯，我一開始就是這么想的，這是個錯誤。

求職階段的關(guān)鍵區(qū)別在于面試的準備。如果你知道你想要一份數(shù)據(jù)科學家的工作，請確保你確切地知道數(shù)據(jù)科學家是做什么的。當你研究的時候，一些細微差別會開始凸顯出來。例如，數(shù)據(jù)科學家傾向于不使用數(shù)據(jù)分析師使用的Tableau或數(shù)據(jù)工程師使用的Docker。您不必開發(fā)廣泛的數(shù)據(jù)科學知識，相反，您可以提高您在新工作中所需的深度。一些例子包括Pandas、Numpy、Scikit-learn線性和logistic回歸、matplotlib和Seaborn。如果你掌握了這些，我相信你很快就會得到一份數(shù)據(jù)科學家的工作。

5-習慣拒絕

我怎么強調(diào)都不為過：請習慣被招聘人員、招聘經(jīng)理和公司拒絕。在尋找第一份數(shù)據(jù)科學家工作的過程開始時，你的積極性很高，沒有什么能阻止你。

然而，隨著幾周時間的流逝，拒絕信不斷出現(xiàn)在你的收件箱里，你的動力水平不可避免地崩潰了。有很多數(shù)據(jù)科學家的角色，以及越來越多的候選人。此外，招聘過程很慢，但從候選人的角度來看要慢得多。我在新工作兩個月后收到了拒絕的電子郵件。不管怎樣，被拒絕是很自然的。

一個讓你的動機保持高昂的想法是與一群正在經(jīng)歷同樣過程的朋友分享。就像我之前說過的，與其他校友建立一個松弛的渠道，分享你的挫折。我相信他們也在經(jīng)歷同樣的事情。這一點很重要，因為您會注意到您在編碼方面并不是垃圾，這只是時間、一致性和努力的問題。

永不放棄！