Errori che i nuovi data scientist dovrebbero evitare

Errori nuovi data scientist dovrebbero evitare

 

Tutti sappiamo quanto sia impegnativo il campo della Scienza dei Dati al momento. Con sempre più persone che vi si avvicinano, provenienti da ogni tipo di background. Alcuni con una laurea in Informatica, altri senza alcuna formazione tecnica. 

Ciò rende più difficile per quei candidati con un background tecnologico limitato entrare nel campo e non commettere errori comuni. Di seguito è riportato un elenco di questi errori comuni, in modo che tu sappia cosa evitare nella tua ricerca di lavoro. 

 

• Esplorazione dell’Albero del Pensiero Come l’AI può imparare a ragionare attraverso la ricerca
• xAI di Elon Musk si confronta con ChatGPT di OpenAI
• Machine Learning a Effetti Misti per Variabili Categoriche ad Alta Cardinalità – Parte II Libreria GPBoost

Non sottovalutare l’istruzione formale

 

Se cerchi i gradi in Scienza dei Dati, la maggior parte di essi richiede un’istruzione formale. Anche se ci sono molti BootCamp e corsi là fuori che completano il tuo curriculum, molti recruiter sono alla ricerca di candidati con una qualche forma di laurea tecnica e/o una laurea magistrale. 

Il lato positivo è che sempre più università offrono programmi di scienza dei dati e corsi online per portarti al livello di conoscenza richiesto per candidarti in modo confortevole a ruoli di Scienza dei Dati. C’è la possibilità di imparare da autodidatta, tuttavia ciò richiede molto più impegno e determinazione indipendenti. È una strada più difficile, ma può accadere. 

Se vuoi scoprire alcune risorse universitarie gratuite, dai un’occhiata a questo: Risorse gratuite di Scienza dei Dati universitaria

 

Concentrarsi sulla teoria e non sui progetti

 

È tipico per i principianti in un nuovo settore concentrarsi molto sul lavoro teorico; vogliono avere una grande comprensione nel caso qualcuno faccia loro una domanda. Tuttavia, cerca di non scavare troppo in profondità e inizia a concentrarti su progetti che presentano le tue competenze e applicazioni pratiche. 

Questi testeranno il tuo livello di teoria e ti daranno una migliore comprensione di dove e dove non applicarla. Imparare la teoria mentre la si applica migliorerà le tue probabilità di successo nel campo e la padronanza delle due. 

Ci sono così tanti set di dati gratuiti là fuori con cui puoi giocare e testare le tue conoscenze. Non sei limitato affatto, devi solo fare il salto. 

Se vuoi conoscere alcuni potenziali progetti su cui puoi lavorare, dai un’occhiata a questo: Top progetti di Scienza dei Dati per sviluppare le tue competenze

 

Tentare di volare in cima alla scala

 

Molte persone entrano nel mondo della Scienza dei Dati con la speranza di lavorare con auto a guida autonoma o medicina. Ciò richiede molte conoscenze di deep learning che non arrivano da un giorno all’altro; ci vuole tempo. Anni anche. Dovrai avere esperienza nel lavoro con set di dati semplici, nella costruzione di algoritmi di apprendimento automatico e altro ancora. 

È tutto un processo che non può essere affrettato; quindi non puoi semplicemente entrare automaticamente nel tuo campo di interesse, devi lavorarci. 

Accettare che dovrai essere un principiante per forse uno o due anni e poi dover lavorare su progetti di apprendimento automatico per i successivi 5 anni è un buon punto di riferimento per raggiungere il tuo obiettivo finale.

 

Curriculum vitae

 

I curriculum vitae sono sempre difficili perché vuoi venderti, ma a volte ciò può portare il tuo curriculum a sembrare troppo confusionario. Nello studio sul tracciamento oculare Ladders 2018, è emerso che i recruiter impiegano in media 7,4 secondi per esaminare ciascun curriculum. 

Puoi immaginare quanti candidati si presentano per ruoli di Scienza dei Dati e quanto possa essere travolgente per i recruiter trovarsi di fronte a curriculum che sono pieni di molte informazioni. Piuttosto che fare ciò, dipingi un quadro semplice al recruiter con punti importanti attraverso elenchi puntati e una buona struttura. 

Questo aumenta automaticamente le tue possibilità di passare alla fase successiva. 

 

Prepararsi per l’intervista

 

Molti neolaureati in Scienza dei Dati continuano a candidarsi per lavoro dopo lavoro e quando qualcuno li richiama; hanno trascorso così tanto tempo ed energia nella candidatura per i lavori che non si sono effettivamente preparati per la fase dell’intervista. La parte facile era candidarsi, la parte più difficile è cercare di conquistare il recruiter. 

Ogni azienda tecnologica può condurre la sua fase di reclutamento in modo diverso, tuttavia sono generalmente simili. Può iniziare con una chiamata iniziale che poi passa a valutazioni di codifica, che possono essere richieste di essere effettuate in remoto o in ufficio. 

Qui è dove le tue competenze saranno veramente messe alla prova e vuoi assicurarti di essere preparato per questo. Sarai testato sulle tue competenze tecniche così come sulle tue competenze trasversali; quindi cerca di non trascurare una a favore dell’altra.

Se stai cercando ulteriori informazioni per aiutarti in questo, leggi questo:

• Guida al colloquio di Data Science – Parte 1: La Struttura
• Guida al colloquio di Data Science – Parte 2: Risorse per il colloquio

Cerca lavoro in modo efficace

Non limitarti a candidarti in base al titolo del lavoro; utilizza le tue competenze per aiutare la tua ricerca. Ci saranno molte opportunità per i Data Scientist, ma potresti non avere le competenze richieste. Per fare ciò, devi assicurarti di leggere la descrizione e i requisiti per vedere se sei un buon match.

La ricerca utilizzando le competenze che hai ti permetterà di restringere la tua ricerca e ti risparmierà molto tempo ed energia nell’applicare a migliaia di lavori che potrebbero non rispondere. Puoi cercare per responsabilità lavorative come Modellazione Predittiva o competenze come SQL.

Comprendi il settore in cui stai entrando

I Data Scientist sono molto richiesti in quasi ogni settore al momento; dalla finanza alla moda. Quando ti candidi per lavori, è fondamentale che tu comprenda il settore. Non vuoi iniziare una carriera come Data Scientist per una banca senza conoscere come funzionano le banche e la terminologia.

Se fai ciò; ti stai letteralmente buttando nel mezzo del guado e potrebbe essere molto difficile per te uscirne. Finirai per odiare il tuo lavoro e la tua scelta di carriera; quindi assicurati di entrare nel settore che desideri con una quantità sufficiente di conoscenze.

Conclusione

Queste sono le basi che ti aiuteranno ad avere una strategia efficace per entrare nel mondo della Data Science. Sono errori così comuni che possono essere facilmente risolti. Se vuoi saperne di più sulle industrie che stanno assumendo, leggi questo: Principali industrie e datori di lavoro che assumono Data Scientist nel 2022

Nisha Arya è una Data Scientist e una Scrittrice Tecnica Freelance. È particolarmente interessata a fornire consigli sulla carriera in Data Science o tutorial e conoscenze basate sulla teoria di Data Science. Desidera anche esplorare i diversi modi in cui l’Intelligenza Artificiale può beneficiare della longevità della vita umana. Una studentessa desiderosa di ampliare le sue conoscenze tecniche e le sue competenze di scrittura, aiutando nel contempo a guidare gli altri.