心仪岗位须要3年经验？应届生求职应该这样作

全文共 3013字，预计学习时长 6分钟

来源：Pexels 上传者：Lukas

数据科学职业生涯中最难的无疑就是起步阶段了。开始涉足数据科学工做并不是易事，对于没有博士学位的人来讲尤其艰难。若是在网上搜索数据科学入门级工做相关信息，你会为其高要求而感到绝望——几乎每一份工做都要求博士学位或者3年以上机器学习经验。那么问题来了：“没有相关经验如何得到数据科学工做？”

成千上万的人在互联网上或者大学里不断学习数据科学课程，这对于技能提高颇有帮助，但对于找工做却没有什么竞争力。通往数据科学的道路并不是只有一条，不管你是即将毕业的学生，仍是想要转行到数据科学领域，都有不少得到相关经验的方式。

获取经验的方式：

进行研究

在学术论文研究中与他人合做是得到数据科学相关重要领域经验的一个很好的机会。但这个方法的缺点在于薪酬不高，且不涉及机器学习。尽管如此，仍是强烈建议进行数据科学研究以丰富本身的简历。

为何这是一份很好的经历

进行研究的吸引力来源于两个方面。首先是数据处理的机会。出于研究的性质，你有机会参与数据的整个生命周期。其中一些可能在之后的工做中并无用处，例如数据收集。但还有一些是颇有价值的技能，好比分析和解释。在分析的基础上解释数据并得出可靠结论有着重要价值。因为其做为一项技术技能很难评估测试，于是这项重要技能有时会被忽视。一个真正的数据科学家和一个只会在sklearn.ensemble中输入随机森林模型的人的差异之处就在于可否对结论进行解释。从事学术研究要求根据数据得出结论，一样，在工做中，须要根据结论作出决定。

其次，学术研究教会你如何作实验。你对实验的影响程度取决于与合做的人及小组人数。提出有价值的问题并经过实验得出结论是全部学术研究所必不可少的步骤。这种技能在数据科学领域一样可以得以应用。你须要提出问题，经过机器学习来进行试验并得出结论。得到相关推进研究的经历有助于你成为一名数据科学家。在没有人告诉你解决什么问题或者如何解决问题时，你仍然可以自主而高效地工做。

如何实现这一点

学生和非学生群体寻求研究经历的方法不一样。找一个研究你感兴趣领域的人相当重要。你须要将你的兴趣延伸至机器学习以外，由于研究机器学习领域的人相较于其余学科领域的人少之又少。一旦肯定了研究方向，你须要将有相关兴趣的人列出。

学生与非学生群体的不一样之处在于，若是你是学生的话，能够在学校里找一找。一般，你可以找到一个研究助理的职位，并得到相应薪酬。固然这并非说你不该该去找那些不公开招聘助手的教授们。毕竟，进入一个有50位研究助手的实验室和与教授一对一进行研究的体验是不一样的。

若是你不是学生，那建议你能够联系任何一个你感兴趣的人。给他们发邮件介绍本身、为何对该实验感兴趣以及能提供的帮助。即便找一位教授跨国远程合做来进行研究也能够，重要的是你要找到合适的人和感兴趣的研究。

从新撰写职位描述

从事数据分析领域并不意味着你必须找到一份有数据科学家头衔的工做。不管你在哪里工做，全职或是实习，找机会尝试一下机器学习。

为何这是很好的经验

没有什么经验比切实从事数据科学工做更好了。不管你如今的工做是什么，只要你能将它与数据科学联系起来，那么，这基本上等同于从事数据科学工做。若是你能够证实本身用机器学习解决过一些问题，没有人会在乎你的职位是什么，他们只关心那个项目。

另外一个缘由是这能够体现出创新能力和解决问题的能力。在工做中，没有人会告诉你用机器学习来作什么或者如何解决一个问题。这一点与作实验的经历十分类似，你能够向招聘者展现你独立自主识别问题与解决问题的能力。

如何付诸实践

怎么作取决于你的具体工做以及你的经历。下面是具体的建议：

1.不要为了本身想作的事情而拖延工做。

2.及时向经理汇报工做内容。

3.尝试发现有助于增长企业价值的问题，而不是仅将其看成机器学习的平台。

4.若是第一次尝试没有成功的话，不要轻言放弃。找到适合本身的方法。

独立完成项目

虽然不少人都说过在空闲时能够本身作数据科学的项目，再说起彷佛有点啰嗦，但这真的是一个很好的方法。独立完成一个项目能够体现出你对数据科学的热情和能力，这与Kaggle等数据科学平台或者学校的项目是彻底不一样的，会给你带来无与伦比的体验。

为何这是很好的经历

最优秀的员工一般都是那些作本身喜欢事情的人。招聘官一般喜欢招收那些喜欢攻克艰难问题的数据科学家。真正热爱数据科学的人在闲暇时间也愿意编程和构建机器学习模型的。若是独自作项目对你来讲是件苦差事，你只是想经过它找到一份工做而已，那你可能须要好好考虑一下你是否真的在作喜欢的事情。若是喜欢本身作一些小项目，而且创建起很棒的我的做品集的话，招聘者会看到你的动力和能力的。

我的项目是展现专业技能很好的方法。你应当不断学习新技能，而且作一个与正在学习的知识相关的项目，这既能巩固知识，又能展现才能。随着你作的项目愈来愈多，你的技能会逐步提高，你可以作更有挑战性的工做而且不断丰富你的做品集。而后，你能够将Github添加到简历中来展现你的我的经历。

怎么作

一个项目的起步阶段是最艰难的。一个项目由三大部分组成：数据、模型和结论。首先，搜集其余项目中没有使用过的数据，这些数据可以对你有所启发。尽可能避免模仿别人作过的项目。找到数据后创建模型进行评估，得出你的结论。请以一种有趣的方式来陈述你的结论，能够发一篇博客，写在一个漂亮的笔记本上或者使用幻灯片进行展现。一种友好而简单易懂的方式一样重要。

展现你的经历

在得到数据科学相关经历以后，你须要在找工做时很好地表现出来。同一份工做，你既能够将它描述地很是枯燥，也能够将它描述地有趣而独特。以领英的我的资料为例，假如你决定和教授作一些关于防晒霜是否能预防皮肤癌的研究并发表论文，如今你须要将这份经历按照以下步骤添加到领英资料里：

研究助理

• 我参与研究了防晒霜在预防皮肤癌方面的做用，进行数据分析和论文撰写，发表在《美国防晒霜杂志》上。

这样的描述彻底没有问题，可是这并无体现出你已经具有数据科学工做的资质了。想要经过这份经历找到数据科学工做，你应该这样写：

• 做为一名研究助理，我参与提出并验证关于防晒霜和皮肤癌的假设，积极参与数据收集工做，并展现了经过线性回归得出的结论。即便一个没有统计学背景的人，也可以理解我这篇研究报告的重要结论。经过此次实习，我培养了实验思惟，可以运用到之后的数据科学工做中去。

固然，这并不是最完美的版本。我想要表达的是，若是你有关于数据科学的实习或者工做，大胆地将它写出来。你要明确地表现出你有意寻找一些数据科学相关经从来使你成为一名优秀的数据科学工做者。

结论

在工做前你有不少方式去得到数据科学经历，不要只着眼于课堂项目和Kaggle竞赛，发挥你的创造力，用你热爱的数据分析技能去作一些更有意思的事情。有了相关经历以后，要呈现出来让别人都看到。不要惧怕申请一份要求两年以上工做经验的职位，你能够自信地说你已经具有这些经验了。

推荐阅读专题

留言 点赞 关注

咱们一块儿分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一块儿讨论最新鲜的人工智能科技哦～）