Data Science

Предыдущие части: Часть 1

Портфолио — итеративно

У Фавио Васкеса есть отличная статья на тему того, как он получил работу в сфере Data Science. Как вы уже поняли, в своей статье он советует составить портфолио:

Составьте портфолио. Если вы ищете высокооплачиваемую работу в сфере Data Science, возьмитесь за несколько проектов с реально существующими наборами данных. Если можете, разместите их на GitHub. Также, помимо прохождения соревнований по Data Science на Kaggle, вы можете взять проблему, которую хотите решить, и создать на ее основе свой проект.

Также, в его статье присутствует интересная мысль, касающаяся того, что вы должны постоянно самосовершенствоваться пока проходите различные собеседования:

Я подал заявку на прохождение собеседования практически в 125 компаний, а получил всего-навсего 25–30 ответов. Некоторые из них звучали как: «Спасибо за заявку, но, к сожалению, вы нам не подходите». Но я не сдавался и, в итоге, в моем календаре было отмечено 15 предстоящих собеседований. Сам процесс собеседования мне очень нравился. Конечно, самые первые из собеседований прошли не слишком гладко (мне приходилось много врать), но, благодаря им, последующие прошли намного лучше, так как я знал что будут спрашивать, и поэтому постоянно что-то доучивал, программировал, запоминал, читал и т.д.

По мере того, как вы совершенствуете себя, ваше портфолио должно совершенствоваться вместе с вами. Эта мысль звучит во многих статьях. Как сказал Джейсон Гудман:

Проект не закрывается в тот самый момент, когда вы публикуете его на всеобщее обозрение. Не бойтесь дополнять или редактировать свои проекты после публикации.

Кэлли Пэн, Data Scientist в Airbnb, действительно упорно продолжала идти к своей цели и непрерывно самосовершенствовалась. В одном из своих постов в блоге она подсчитала, сколько заявок на собеседование она оставила за все время поиска работы.

Заявок: 475

Собеседований по телефону: 50

Тестовых заданий на дом: 9

Очных собеседований: 8

Предложений о работе: 2

Потраченное время: 6 месяцев

Ее целеустремленности можно только позавидовать. В одной из своих статей, она даже говорит о том, как нужно учиться, опираясь на проваленные собеседования:

Запишите себе в блокнот все вопросы, которые вам задавали во время собеседования, особым цветом пометьте те, на которые вы не смогли дать ответ. В следующий раз вы тоже можете потерпеть неудачу, но точно не на том же месте. Старайтесь учиться на ошибках.

Если вы до сих пор находитесь в поиске работы, подайте больше заявок на прохождение собеседования и продолжайте учиться изо дня в день.

Внедрите портфолио на одну из страниц резюме

Стоит упомянуть, что, зачастую, на ваше портфолио натыкаются через ваше резюме. Data Science резюме — это место, где вы сосредотачиваете все внимание окружающих на своих технических навыках. Резюме — это возможность кратко рассказать о своем опыте. Рекрутеры и менеджеры по найму быстро составляют мнение о кандидате, соответственно, вы должны в самые короткие сроки произвести на них впечатление. Усовершенствование резюме поможет увеличить ваши шансы на собеседование. Вы должны убедиться, что каждая отдельная строчка и каждый отдельный раздел несут смысл и в них нет ненужной информации.

У Уильяма Чена есть отличная статья — «9 советов по написанию Data Science резюме»Обратите внимание на то, что пункты 6, 7, 8 и 9 касаются проектов и портфолио.

  1. Длина: Резюме должно быть простым и лаконичным, длиной ,максимум, в одну страницу. Это позволит менеджеру по найму быстро пробежаться взглядом по резюме и узнать о вас всю основную, интересующую его, информацию/

    Пример резюме
  2. Ваша цель: Не стоит включать эту графу в резюме. Во-первых, она никак не поможет выделить вас на фоне всех остальных. Во-вторых, она только займет ценное место на странице, а ведь вместо нее можно вписать графу навыки, проекты, опыт и т.д.

    Цели не помогут вам отличить себя от других претендентов. Потому что все мы говорим очень похожие, между собой, вещи.
  3.  Курсовая работа: Перечислите ваши курсовые работы, которые непосредственно относятся к выбранной должности.

    Примеры подходящих курсовых работ.
  4. Навыки: Не оценивайте свои навыки по десятибалльной шкале. Если хотите оценить свои навыки, то для этого лучше используйте слова. Да и вообще, можно в принципе исключить из резюме оценку своих навыков.

    Не используйте числа для оценки навыков.
  5. Навыки: Составьте список технических навыков, упомянутых в требованиях к работе. В начале списка укажите те навыки, которыми владеете лучше всего.

    Пример того, как можно перечислить навыки, которыми вы владеете.
  6.  Проекты: Не указывайте банальные проекты или те, которые когда-то были заданы вам в качестве домашнего задания. Указывайте только оригинальные проекты.
  7.  Проекты: Обязательно оставляйте ссылки на ваши проекты. Если вы участвовали в одном из соревнований на Kaggle, укажите место которое вы заняли. В разделе «Проекты» также хватит места для ваших отчетов, технической документации и многого другого. Это позволит менеджеру по найму составить о вас более детальное мнение.
    Хороший пример раздела «Проекты».

    Обратите внимание, что на изображении выше, в графе «Проекты», человек оставил ссылку на свой блог. Это тоже поможет составить о вас более подробное мнение.

  8.  Портфолио: Зарегистрируйтесь и заполните о себе информацию в одной из социальных сетей. Проще всего это сделать на LinkedIn. Получится что-то вроде расширенной версии обычного резюме. Профили на GitHub и Kaggle, в свою очередь, выполняют функции портфолио. Заполните их, и не забудьте оставить ссылки на другие ваши профили. Далее заполните описания ваших GitHub репозиториев. Опять же, не забываем прикреплять ссылки на свои профили/блог (Medium, Quora) для обмена знаниями или для сотрудничества. Data Science специализируется на обмене знаниями и на донесении мысли о том, что эта наука предназначена для облегчения жизни людей. Вам не нужно регистрироваться на всех этих сайтах, но я советую вам выбрать хотя бы парочку (но об этом позже).
  9. Опыт работы: Адаптируйте свой опыт к той работе, на которую хотите устроиться. Опыт — это основа вашего резюме, но если опыта нет, то что делать? Просто сосредоточьте все внимание менеджера по найму на ваших независимых проектах, таких как дипломная работа, курсовые работы, соревнования на Kaggle или же просто ваши оригинальные проекты. Все это поможет вам заменить недостающий опыт. И старайтесь не добавлять в резюме придуманный опыт работы.

Если вы хотите узнать как Data Science-менеджеры отбирают резюме и портфолио, то вот вам ссылка на видео и правильно составленные резюме с Kaggle CareerCon 2018.

В следующей части нашего цикла мы поговорим о социальных сетях: как с их помощью возможно устроиться на работу и какие соц. сети для этого использовать!

 

Перевод статьи Michael GalarnykHow to Build a Data Science Portfolio