С каждым годом все больше промышленных предприятий, государственных и коммерческих организаций внедряют технологии Data Science. Работодатели буквально «охотятся» за талантливыми специалистами. В Интернете появляются новые образовательные программы, призванные помочь начинающим data scientist’ам.
Но как молодому специалисту попасть в эту область и суметь завоевать авторитет? Этот вопрос мы адресовали трем «титанам» Data Science – Д. Дж. Патилу (DJ Patil), соавтору термина «data scientist»; Микеланджело Д’Агостино (Michelangelo D’Agostino), специалисту по работе с данными в команде президента Обамы в период выборов 2012 года; Клэр Кортел (Clare Corthell), создательнице проекта The Open Source Data Science Masters.
Их ответы мы объединили в три ключевых тезиса, представленных ниже:
Играйте командно
По словам Патила, как работодатели, так и сами data scientists’ы допускают распространенную ошибку, забывая о том, что Data Science – это коллективный труд.
Д. Дж. Патил:
Data science – это командный вид спорта. Кто-то собирает данные, кто-то структурирует их, кто-то анализирует, кто-то предлагает идеи. Не существует одного data scientist’а, который все делает сам.
Таким образом, работодателю важно понимать, что ему нужны data scientist’ы, способные работать в команде, а не «одинокие волки». Начинающие специалисты должны стремиться к соответствующей корпоративной культуре, чтобы максимизировать возможности обучения и профессионального роста.
Д. Дж. Патил:
В научном мире первое, что вы делаете, – садитесь за стол и закрываете дверь. В Кремниевой Долине нет дверей – офисы представляют собой открытые пространства. Люди испытывают культурный шок, когда им говорят: «Нет, вместо того чтобы прятаться за столом и дверью, вы должны работать, сотрудничать, принимать участие, бороться, спорить.
Углубитесь в решение сложных задач
Опыт работы над сложными задачами и поиск методов их решения – наиболее ценные навыки, приобретенные Д’Агостино в процессе подготовки к соисканию степени PhD в области астрофизики в Калифорнийском университете Беркли.
Микеланджело Д’Агостино:
Посвящайте много времени работе над трудной задачей, ищите пути ее решения и не расстраивайтесь, если что-то не выходит. В случае неудачи продолжайте искать ответы и сохранять веру в то, что, в конце концов, вы заставите проект работать. Это позволит выявить ошибки в ваших рассуждениях и в итоге прийти к правильному решению.
Так, студенты должны всегда искать возможность применить теоритические знания на практике, испытать их на реальных наборах данных.
Микеланджело Д’Агостино:
Рекомендую начинающим data scientists’ам, не жалея времени, углубиться в работу с проблемными данными и повозиться со сложными техническими задачами. Трудности обогатят интеллект и расширят возможности, обеспечивая тем самым ваш профессиональный рост.
Заявите о себе
Не существует единого пути становления data scientist’а. Хотя степень PhD — большое преимущество для соискателя, ее наличие не так обязательно, как может показаться на первый взгляд.
Клэр Кортел работала дизайнером в небольшом стартапе, когда поняла, что многие дизайнерские решения могут быть улучшены благодаря данным о поведении пользователей. В итоге она покинула компанию и задумалась над тем, чему действительно хочет посвятить себя.
Клэр Кортел:
Во время длинной остановки в Барселоне я заказала эспрессо и написала список технических навыков, которые мне понадобятся, чтобы проанализировать базовые тенденции и понять данные, характеризующие пользователей. Чтобы проработать этот список, мне потребовалось 6 месяцев, после чего я действительно смогла добиться определенных результатов. Так появился проект Open Source Data Science Masters.
Она решила, что хотела бы приобрести навыки Data Science, чтобы понимать базовые тенденции в среде пользователей, и разработала для себя учебную программу, позволяющую реализовать этот замысел. Кортел смело приступила к шестимесячному курсу самообразования и превратила недостачу опыта работы в качестве data scientist’а в возможность продемонстрировать свое стремление стать одним из них. Она даже создала специальный проект The Open Source Data Science Masters (OSDSM), в рамках которого публиковала используемые ею ресурсы и курсы.
Создавая OSDSM, Кортел нашла большое количество различных общедоступных онлайн-курсов, учебных пособий и веб-сайтов. Используя эти ресурсы, она углубилась в изучение азов Data Science. Ее целеустремленность привлекла внимание многих, в том числе вызвала восхищение участников проекта Mattermark, стартапа, в котором Кортел работает сейчас.
Количество информации, свободно доступной в Интернете, ошеломительное.
Не унывайте, если вы не соответствуете типичному портрету data scientist’а. Используйте это как шанс продемонстрировать свою самостоятельность и самодисциплину. Посетите ресурс OSDSM и почерпните в нем вдохновение, чтобы определить свой собственный вектор роста.
Перевод Станислава Петренко
По материалам: Venture Beat