Как вернуться к программированию после месяцев (или даже лет) перерыва?

Последний Ежегодный опрос разработчиков Stack Overflow показывает, что более 63% опрошенных разработчиков программного обеспечения занимаются программированием профессионально менее десяти лет. Особенно в области науки о данных, профессиональные переходы с работы, требующей навыков программирования, стали обычной практикой. А как насчет тех, кто когда-то программировал, но затем делал что-то совершенно другое (учился в не- в технической сфере, получить работу, не требующую их навыков программирования, или потратить время на разработку личного проекта, не связанного с кодированием)? Что произойдет, если и когда они захотят снова войти в то, что я бы назвал здесь миром программирования? Что бы вы сделали, если бы оказались в такой ситуации?

Чтобы ответить на эти вопросы, позвольте мне рассказать вам часть моей личной истории. После учебы я начал работать в фирме стратегического консалтинга. В то время это была работа моей мечты: я буду вести несколько проектов в разных отраслях, я буду работать с супер умными людьми, я быстро набираюсь опыта и беру на себя ответственность. Так и было. Однако по прошествии двух лет мне все еще чего-то не хватало: технической части численного анализа, ощущения борьбы с языком программирования, способности создавать что-то новое из простых строк символов. Одним словом: Я пропустил кодирование.

Именно тогда я решил переориентировать свой выбор карьеры и заняться наукой о данных. От этого решения до получения моего первого предложения о работе в качестве аналитика данных у меня ушло десять месяцев… и много уроков, извлеченных на этом пути. Теперь, когда я непрерывно занимаюсь программированием как часть моей повседневной работы более года, я хочу поделиться с вами уроками, которые я извлек из этого «возвращения к кодированию». Самое главное, я хочу убедить вас в одном: если вы в настоящее время находитесь в состоянии повторного входа в мир программирования, вам удастся успешно вернуться в него.

Присаживайтесь, настройтесь на мотивацию, пора рассказывать истории.

Будьте в курсе

Мир не ждал, когда я двинусь вперед. Он продолжал развиваться, и, особенно в области науки о данных, каждый новый день приносит свою долю инноваций. Первое, что я заметил, это то, что мне нужно снова войти в мир программирования, понимая, что изменилось с тех пор, как я покинул параллельную вселенную 1 и 0. Моей точкой входа были самые востребованные навыки, необходимые для работы. сообщения, которые я нашел наиболее интересными. Это дало мне направление: среди прочего, мне пришлось выучить Python, который в то же время стал языком программирования номер один для науки о данных.

Как вы можете быть в курсе последних событий? Это может показаться очевидным, но я все равно напишу: начните с того, что вам нравится. Нет лучшего способа вернуться к теме, которую вы знали, сначала выполнив поиск по темам, которые вас интересуют больше всего. Чтобы найти последние тенденции и новости науки о данных, я могу только порекомендовать специализированные платформы (например, публикацию Towards Data Science на Medium), блоги по науке о данных (например, SuperDataScience, Analytics Vidhya, Data Camp) и слушать подкасты .

Изучение основ (снова)

Что бы ни говорили, зона комфорта - отличное место для отдыха. Однако с первого дня я знал, что вернуться на трек кодирования будет непросто с технической точки зрения. Итак, я вернулся к тому, что я узнал в университете о статистике и бизнес-аналитике, R и SQL… и поднял это на новый уровень, записавшись на онлайн-курс под названием Прикладная наука о данных с Python » . Начиная с самого низа, новая тема научила меня двум вещам: что у меня уже были хорошие представления о программировании, и - это главное - что мне это нравится! В том-то и дело: изучив основы, я заметил, что не забыл все о кодировании. Это повысило мою уверенность в себе и обеспечило создание прочного фундамента для достижения беспрецедентного уровня компетентности.

Как вы можете выучить основы (снова)? Если вы уже приобрели технические навыки в прошлом, почему бы не открыть студенческую записную книжку еще раз? Чтобы добавить интерактивности к любой теме, которую вы изучаете, теперь существует широкий спектр (в основном бесплатных) онлайн-ресурсов. Если вы работаете или живете с кем-то, кто сталкивается с аналогичной проблемой, объединение с ними может стать отличной возможностью для вас обоих совместно развивать свои технические навыки.

Практика и практика

Зная, что единственным способом доказать, что я могу манипулировать наборами данных с помощью строк кода, была стенограмма моего магистра (четвертый семестр, где-то между «Основами финансов» и «Продвинутым немецким языком»), я должен был продемонстрировать свой (повторный ) вновь приобретенные навыки с конкретными примерами. Собственно, именно тогда я и начал писать: я использовал свою учетную запись GitHub для хранения данных и публиковал статьи на Medium, чтобы представить свои личные проекты. Сначала это доказало мне, что я могу провести (даже небольшой) проект по работе с данными самостоятельно. Во-вторых, если я был убежден в своих способностях в этом отношении, почему другие не должны быть такими же?

Как можно практиковаться и практиковаться? Создавая собственное портфолио по науке о данных, будь то красиво построенный график или сложный алгоритм машинного обучения. Для начала вы можете вести проекты на хорошо известных наборах данных, таких как Iris, Boston Housing, Credit Card Fraud Detection. Затем, чтобы перейти на следующий уровень и выделиться среди других, создайте собственное тематическое исследование: выберите тему, которая вам нравится, найдите данные о ней из открытых источников (или создайте свой собственный набор данных) и проведите анализ, используя разнообразие изученных вами методов (исследовательский анализ, визуализация данных, машинное обучение и т. д.).

Последний, но тем не менее важный:

Быть добрым к себе

Я помню, как сильно я хотел получить эту работу аналитика данных. Трудно добиться того, чтобы свое резюме несколько раз игнорировали, несмотря на высокий уровень мотивации. Однако я заметил, что сложнее всего убедить меня в том, что я действительно могу войти в мир науки о данных… был я сам. Слушая беседы в подкастах между экспертами по науке о данных, читая невероятные истории о людях, которые успешно перешли с нетехнических профессий на специалистов по обработке данных, и упорно работая над наборами данных с открытым исходным кодом, я почувствовал, что не принадлежу к этой области. Но как только я понял, что эти люди также должны были пойти по тому же пути, что и я, я смог продолжить работу без того голоса на заднем плане, говорящего мне, что успех случается только с другими.

Для этого последнего совета у меня нет волшебной формулы «как делать». С искренним интересом, обучением и практикой - одним словом, со всеми ингредиентами, через которые я только что прошел, - возвращение в мир, который вы оставили позади, возможно, а может быть, даже желательно.

Вам понравилась эта статья? Стань участником и присоединяйся к растущему сообществу любознательных людей!