Как найти работу специалиста по данным, часть I

После нескольких месяцев увольнения я, наконец, снова получил работу аналитика данных в Сиднее. Здесь я хотел бы поделиться некоторыми советами о том, как найти работу в области науки о данных в Австралии в период этой пандемии.

Советы по собеседованию

  1. Стойте во время виртуального собеседования. Стояние может сделать вас увереннее и произвести на других лучшее впечатление. Стояние также поможет вам почувствовать себя более гибким и легким в использовании языка тела.
  2. Сделайте ваше самостоятельное введение и исследование / работу проще. Я не знаю английского языка, английский - один из моих недостатков, а виртуальное собеседование усугубляет ситуацию. Я изо всех сил старался сделать часть самостоятельного введения и опыта простыми, акцентируя внимание на главном, моем вкладе и результатах. Во время нескольких интервью меня попросили рассказать о моем исследовании. Я рассмотрел слишком много деталей, а также охватил слишком много математических концепций, после чего был получен ответ, что у меня солидный теоретический фон, но мои коммуникативные навыки необходимо улучшить. Поэтому я много раз практиковался со своей женой, удалял сложные концепции, приводил больше примеров, пока она не могла хорошо понять мою тему. Я бы посоветовал вам попрактиковаться в собеседовании с людьми, не имеющими технического образования. Один из вопросов на собеседовании, который мне задали, заключался в том, чтобы объяснить алгоритм случайного леса нетехническому персоналу.
  3. Используйте доску, если вам нужно объяснить какое-то сложное понятие. И Zoom, и собрание Google предоставляют вам интерактивную доску во время виртуальных видеозвонков. Нарисуйте картинку, показывающую вашу мысль, это может быть чрезвычайно полезно.
  4. Медитируйте перед собеседованием. Медитация помогает мне успокоиться.
  5. Попросите оставить отзыв после собеседования. Отзывы очень полезны. Вы можете узнать, где лучше всего себя улучшить.
  6. Познакомьтесь с основными концепциями машинного обучения, такими как PCA, линейная регрессия и т. д. Я упустил несколько возможностей из-за отсутствия необходимых знаний о машинном обучении.
  7. Узнайте о компании перед собеседованием. Просмотрите их веб-страницу, ознакомьтесь с культурой / принципами компании, подготовьте несколько историй, соответствующих их культуре. Некоторые вопросы собеседования могут быть связаны с бизнесом компании.
  8. Запишите, как вы проводите имитацию интервью.

Смотреть будет больно, но бесконечно полезно. Помните, что каждая совершенная вами ошибка - это возможность расти. Каждая обнаруженная вами слабость - это область, которую вы можете улучшить. Каждое «ммм», «ах», «ммм» и «подобное» - это возможность стать лучшим оратором. Записывайте себя, наблюдайте за собой, критикуйте и учитесь на собственном опыте. Так вы станете лучше проходить собеседование.

Советы по поиску работы:

  1. Участвуйте в проектах по машинному обучению / соревнованиях по Kaggle. Если вы хотите стать специалистом по обработке данных в Австралии, работодатели уделяют больше внимания вашему проекту / опыту работы. Есть довольно много компаний, которым небезразличны ваши навыки программирования. Я потратил много времени, чтобы попрактиковаться в решении задач на leetcode. Я обнаружил, что одна из десяти компаний интересуется навыками решения проблем.
  2. Выполните практическое упражнение / онлайн-оценку как можно раньше. Для некоторых задач может не быть установленного срока, однако могут быть другие кандидаты, выполняющие упражнение одновременно, если они отправили упражнение на неделю раньше, чем вы, они могут получить предложение до того, как вы отправите свое решение.
  3. Узнайте больше людей, установите больше контактов в LinkedIn. Я слышал, что двое из трех человек получили работу по ссылке. Я получил свою первую работу в области науки о данных по ссылке. Кроме того, многие компании в Австралии полагаются на агентов для найма талантливых людей.
  4. Используйте сайты для поиска работы. Часто выполняйте поиск по ключевым словам, таким как Машинное обучение, с помощью Seek, Indeed, LinkedIn. Подпишитесь на службу оповещения о вакансиях на сайтах автоматического поиска работы, таких как nuevoo, Adzuna, и они будут ежедневно присылать вам новые связанные вакансии.
  5. Подайте заявку на как можно больше вакансий. Вам нечего терять, подача заявки на работу стоит всего несколько секунд. Некоторые вакансии Data Scientist требуют многолетнего опыта, но вы все равно можете попытаться на них подать заявку. Я даже получил возможность прохождения собеседования на должности старшего инженера НЛП и старшего инженера данных, хотя у меня нет опыта в этих областях. Я также подал заявку на некоторые должности старшего специалиста по данным, назначенные агентами, хотя я не добился успеха, агенты все же связались со мной и предложили другие роли, лучше соответствующие моему опыту.
  6. Постоянный резидент важен, но есть компании, которым он не требуется. Я получил свою первую работу в Data Science без пиара. Кроме того, если у вас есть возможность найти работу специалиста по данным, вы можете иметь право подать заявку на 858 global talent visa.
  7. Если вы не прошли собеседование, вы можете проверить страницу linkedin компании пару месяцев спустя, чтобы увидеть, есть ли кто-то, присоединившийся к компании с такой же должностью, чтобы вы могли сравнить свой собственный профиль с его / ее, и тогда вы будете знать, где улучшить.

Образовательные ресурсы:

0. Подходя практически к любой задаче машинного обучения. В этой книге дается не только интуитивное объяснение концепций машинного обучения, но и код реализации. Прочитав книгу, вы даже сможете попробовать свои силы в программировании.

  1. Курс машинного обучения на Coursera и курс Машинное обучение CS229 в Стэндфордском университете.

2. Как победить в конкурсе Data Science Competition: Learn from Top Kagglers , полезный курс как по теории, так и по практике в области науки о данных.

3. Книга Нейронные сети и глубокое обучение дает отличное представление о глубоком обучении.

4. Книга глубокого обучения

5. Книга Распознавание образов и машинное обучение, если вы хотите провести углубленное исследование машинного обучения.

Прокомментируйте, если у вас есть вопросы. Я написал еще одну историю, чтобы поделиться некоторыми часто задаваемыми вопросами во время собеседований с дата-сайентистами. И еще несколько советов резюмированы после набора членов команды.

И последнее, но не менее важное: если вам много раз отказывают, это вполне нормально, поднимите настроение, успокойтесь и продолжайте, доверяйте себе и совершенствуйтесь, вы все равно найдете отличную работу.