需要X年工作经验……数据科学新手小白如何积攒经验值？

▼

更多精彩推荐，请关注我们

▼

图源：unsplash

 

几天前，Manuela给我发了一封邮件，倾诉了一通作为数据科学小白的迷茫：“我学习了一些课程，也做过一些项目，但总有面试官对我说：我喜欢你的构架，但你没有达到我们的最低经验要求，多练练再来吧！”

 

这样的困惑很多人都遇到过。虽然笔者现在并不是一位求职者，但作为一名创业者，我对于找工作也有一些想法。如果我要找工作的话，我会采取以下这些做法。

 

课程与经验的差距

从一名在线机器学习课程的老师的角度来讲，笔者可以很确定地告诉你，在线课程是一种商品（很常见）。线上课程教授基础知识，接着你还需要通过亲身研究项目获得特定的知识。

 

所以笔者反问Manuela的第一个问题是：“你说你已经学习了一些课程，做过一些项目，那么自己完成的项目与课程附带的项目相比又有多少？”

 

笔者这样定义经验：在结果未知的情况下，自己独立（或与他人合作）尝试过的事情。举个例子：你发现炉子烧得滚烫——你父母警告过你多少次了？

 

只有当你烫着了，才知道炉子烧的有多热。听父母的话相当于听老师的课程，当然，你可以聆听他们的教诲，但除非自己亲自下手尝试，否则知识不会真正深入人心。

 

在正式开始一份工作之前，积累经验值就相当于摸炉子。如果像笔者一样有课程证书和课程项目，并且正在寻找一种叫做经验的难以捉摸的东西，现在是时候问问自己：我摸过炉子了吗？

 

在入职之前就开始工作

 

图源：unsplash

选定一份中意的工作，然后开始放手去干，你也可以它当作研究的一部分。如果能通晓数据科学技能，就能摸清不同类型工作的需求。

 

举个具体点的例子：假设你正谋求一份自由职业，但所有工作机会都要求有一定经验。有一份工作的任务是建立一个计算机视觉模型，以此来识别医生的某样工具是否陈列在手术台上。

 

你读了工作任务后想：“那一定很有趣，我超想干那个！”，继续读发现“它需要3年以上的工作经验”，心想：“我没有3年以上的工作经验，所以就不打算申请那份工作了”，接下来的一天都在沉浸在“看来我做这些工作还不够格”的想法中。

 

这是一种错误的思维方式。这样的决定是基于担忧，而不是基于提升自我的需求。你决定放弃申请是因为担心自己的能力达不到要求。事实上，许多职业都需要在岗位上不断摸索历练。

 

所以应该怎么做呢？可以依照工作描述自己动手做那个项目。花一周的时间来构思并计划实施方案，花四周的时间付诸实践，然后用一周的时间来分享收获。最糟也不过是花了6周的时间试错（针对一个详细的问题）。运气好的话，你将得出一些可以向他人展示的项目成果（在无课程项目指导的辅助下）。

 

你注意到了这个项目，便自己动手去做了，并决定搭建一个概念证明。

 

至于医生工具的那个问题，你可以在互联网上搜索不同工具的图片，创建自己的数据集,搭建一个能检测工具是否缺失的模型，然后使用Streamlit把你的概念证明部署到一个面向用户的优质APP中。

  

举一个端到端的例子，笔者使用相同的步骤复制了Airbnb的便利程度检测。

 

如果将来的老板不把这种主动性算作“经验”，你也没必要去他那里工作。有一个现实案例：当Andrei（我的商业伙伴）和我为机器学习课程招聘助教时，我们聘用了那个已经自行解决过其他问题的学生，他在入职前就已经开始工作了。

 

后续行动

还有一点容易被忽略：永远不要把拒绝视作一件一锤定音的事。正如邮件里提到的，某些面试官说“你没有达到我们要求的经验值，多练练再来吧。”

 

如果有人对你说“你目前还没有攒够经验值”，从善意的角度解读他的话语，不断打磨自己的技术，紧跟他们的节奏。不久后你就可以向雇主们展示你的成果了。

 

再次面对面试官时，你可以很有底气地说：“您好，基于我们上次的谈话，我想让您明白我一直在磨练我的技术，这是我在此期间创建的项目。如果贵公司有任何职位空缺的话，希望可以重新考虑一下我。”

 

许多人都忘记采取后续行动。不只是面试，而是在很多事上都忘了后续跟进。任何一种关系都可以靠某一方的进一步行动得到提升。

 

生活中的许多结果是非线性的。如果有人给笔者发了一封电子邮件，而笔者几个月内都忘了回复，那么可能永远都不会回复了。但如果他们跟进并提醒了笔者的疏忽，笔者很可能会在24小时内进行答复。

 

虽然这种方法并不总是可行，但是它相较于机械地求职显示出更多的主动性。

 

结识关键人物

 

图源：unsplash

一个公司的空缺职位并不会全部展示在招聘页面上，很多职位没有列出来。

 

笔者在一家科技公司的第一份的工作，是因为有人看见了笔者在LinkedIn上发布的内容，而碰巧那个人的朋友认识一个兴许会想见笔者的人。那是一个完完全全的传奇人物。我们就我一直以来从事的内容展开了讨论，他问我下周是否愿意来实习一天。自实习那天的两天之后，笔者就收到了一份聘书。

 

有一点需注意，只有人脉是不够的。虽然远谈不上是大佬级别，但笔者还是具备一些真才实学的，至少不是傻傻地坐在那里，对pandas数据框架或者如何在堆栈溢出上排除和查找问题等事一问三不知。但人脉关系在这件事中的重要性毋庸置疑，至少应聘的入口由此打开。

 

不过，靠人脉关系应聘工作很容易，但想升的更高、走的更远则更困难，自己应该找到正确的倾吐之人，和他们交谈，向他们展示自己一直以来从事的内容，采纳他们的建议，听取他们的反馈，提升自己的技术，紧跟他们的步伐并拿出自己的成果，最后要耐心等待聘书。

 

然而，如果是通过招聘启事应聘工作，这就行不通了。当然，理想化的世界里，公司只会选贤任能，但现实可能会让你失望：人们喜欢和自己亲近的人一起工作。

 

那么如何结识关键人物？如果靠互联网，那一定要简单明了。就像Manuela发给笔者的邮件一样，又短又亲切，开门见山地写出你的问题。

 

因为在LinkedIn上发了一条求职信息，笔者曾得到一个Airbnb的面试机会。不到一天，对方就回复说：“Daniel，你明天有空吗？”笔者最终并未获得这份工作，但可以确信的是，与向Airbnb的应聘入口直接投递简历相比，这种方式离成功更近。

 

当然，这种方式绝不是万无一失。可能你发出去一百封邮件，却无一人应答。如果“战绩”当真如此惨淡，那你处理事情的方式可能有待改进。

 

数字化是高效的，远程工作也正变得越来越不可或缺，但人们仍然喜欢面对面的互动。如果社交条件允许的话，要多参加一些活动，要多与人交流，要加倍努力才能跟得上过去的几个月里一直在做项目的X公司某位同行的步伐。

 

分享你的工作成果

 

图源：unsplash

如果你的主动出击均以失败告终，就让他们反过来找你。

 

首先要创造出些内容（成品或半成品）并对外展示。在过去三年里，笔者遇到的所有绝佳机会都是因为碰巧有人看见了笔者的工作成果（笔者自2016年始就一直在网上写作，从2017年开始写有关机器学习的文章）。

 

你也可以开通自己的个人博客，并将其作为自己工作成果的中心枢纽，围绕这个中心枢纽倚靠其他的社交媒体平台向外辐射发散。

你通常是怎么学习的？很可能是“众里寻他千百度，蓦然回首”发现一篇超赞的相关主题的博客文章，最终将其运用到了自己的工作中。现在，你也能成为那样超实用博客文章的作者。

 

这与前文的建议相呼应：尚未入职之前就开始工作，并把相关成果展示出来（这就是经验）。

 

说实话，雇佣一个经验值为0的人对任何公司来说都是一大风险。降低这样的风险值，是我们找工作时必须要做到的事。

 

近期开课安排来啦！