Настоящая ценность ученой степени для начинающих специалистов по данным
И как обойтись без него
«Нужна ли мне ученая степень, чтобы устроиться на работу в качестве специалиста по данным?»
Мне регулярно задают какую-то версию этого вопроса.
Это справедливое предположение, учитывая, как часто MSc. или Ph.D. Степени перечислены в требованиях к объявлениям о вакансиях.
Как доктор философии бросил, я хочу ответить категорически нет. У меня был далеко не идеальный опыт в качестве аспиранта. И это совсем не подготовило меня к рынку труда.
Но полный ответ немного сложнее.
Я не думаю, что диплом о высшем образовании поможет вам лучше подготовиться к рынку труда - по крайней мере, этого недостаточно, чтобы оправдать затраты как с точки зрения времени, так и денег. Да, ты многому научишься. Но столько же, если не больше, вы можете узнать на бесплатных онлайн-курсах (помогает и хороший наставник).
Однако наличие степени - чем выше, тем лучше - дает вам преимущество на рынке труда. И это потому, что образование ценно для работодателей как сигнал. Брайан Каплан приводит этот аргумент в Дело против образования:
Надбавка к заработку для выпускников колледжа взлетела до более чем 70%… Как такое прибыльное вложение может быть расточительным? Ответ - одно слово… сигнализация. Даже если то, чему ученик учился в школе, совершенно бесполезно, работодатели с радостью доплатят, если их учебные достижения предоставят информацию об их продуктивности.
Аргумент Каплана состоит в том, что высшее образование не дает лучших рабочих. Это просто выявляет уже существующие черты, которые ценят рынок труда, - интеллект, сознательность и подчинение.
Комбинация этих качеств ценна для работодателей. Очень сложно сигнализировать всем троим без ученой степени. Вы можете проверить интеллект кандидата, например, с помощью технического собеседования, но гораздо сложнее проверить его уровень добросовестности и соответствия. Еще раз от Брайана Каплана:
Невозможно с первого взгляда понять истинную трудовую этику человека. Вы, конечно, не можете спросить: «Насколько хороша ваша трудовая этика?» и ожидайте откровенности ... Сигнал не обязательно должен быть окончательным, просто лучше, чем ничего.
Итак, нужна ли вам степень магистра, чтобы устроиться на работу в области науки о данных?
Ну нет. Вам это не нужно. Но это помогает.
Это не обязательно сделает вас лучшим сотрудником, но это будет полезным сигналом, который поможет вам встать на ноги.
Что делать вместо диплома
Сигнал лучше, чем диплом - реальный опыт работы.
Если вы уже работали в другом месте на аналогичной должности, это убедительный показатель того, что вы знаете, что делаете. Подопечные SharpestMinds регулярно сообщают, что поиск работы значительно упрощается, когда они ищут свою вторую роль. Это первое препятствие.
Однако технология предлагает обходной путь. Для определенных типов навыков вы можете получить опыт, даже не будучи принятым на работу. Я привел этот аргумент в сообщении блога для Towards Data Science:
Для многих профессий вам нужно найти работу, чтобы начать накапливать [опыт работы]. Но когда дело доходит до науки о данных и машинного обучения, есть замечательная разница - вы можете получить много опыта, прежде чем вас наймут. Как? Строя вещи.
Доказательство работы через портфолио проектов может помочь продемонстрировать вашу компетентность как специалиста по данным. Но помните, вы также хотите показать соответствие и добросовестность. Вы хотите показать, что можете следовать правилам и условностям. И что у вас есть желание делать все хорошо - с осторожностью и усердием. Так что не стоит просто выкладывать кучу блокнотов Jupyter и завершающих проектов из MOOC и буткемпов на GitHub и прекращать работу. С осторожностью относитесь к тому, что вы строите.
Вы можете продемонстрировать добросовестность, обратив внимание на детали своих проектов. Блокноты хороши для исследования и создания прототипов, но не для повторения и совместной работы. Сделайте все возможное и напишите чистый модульный код. Организуйте свои файлы в разумную структуру папок.
Хорошего README для ваших проектов - включите инструкции по запуску кода и внесению вклада в базу кода. Вы получите от меня большие бонусы, если я смогу клонировать ваше репо и запустить его на моей машине без особой головной боли.
Обращайте внимание на жестко запрограммированные пути и ключи. Сделайте окружающую среду легко воспроизводимой. Наличие файла requirements.txt достаточно для большинства хобби-проектов, но все же сигнализирует о том, что вы задумывались о воспроизводимости среды.
Многое из вышеперечисленного также может свидетельствовать о соответствии. Вы должны показать, что применяете передовой опыт и понимаете, как использовать общие инструменты и фреймворки. Посмотрите на некоторые популярные библиотеки с открытым исходным кодом и имитируйте их структуру проекта и документацию. Сделайте свой код совместимым с руководством по стилю PEP8. Пишите хорошие коммит-сообщения.
Полученная степень полезна как сигнал, потому что на ее получение уходит несколько лет. Это показывает потенциальным работодателям, что вы можете начать долгосрочный проект и довести его до конца. Вот почему портфолио с одним хорошо поддерживаемым проектом намного ценнее, чем портфолио с десятками заброшенных проектов и прототипов.
Создавайте что-то от начала до конца и вкладывайте в это непрерывную работу. Относитесь к нему как к продукту. Вы хотите дать понять работодателям, что можете поставить перед собой задачу - такую, которая имитирует реальную бизнес-проблему - и решить ее в течение длительного периода времени. Создайте красивый интерфейс. Поделитесь им со всем миром. Делайте регулярные взносы, чтобы показать, что вы не отказались от этого.
Выйдите за рамки «начальной фиксации».
