“非常规”数据科学求职指南 作者 | Frederik Bussler 译者 | 杨志昂 策划 | 陈思 本文介绍了面对分外激烈的数据科学领域的工作竞争时，如何使用蓝海战略在求职战中脱颖而出。 如果想要获得一份数据科学领域的工作，只需要去学习 Python 和 Jupyter 相关的技术技能，参加 Kaggle 平台的竞赛，获得一些技术证书，然后在求职网站上提交简历，就这么简单，是吧？ 很遗憾， 并非如此 。 最近，Kaggle 的注册用户数已经超过了 500 万。再看看其他社区，使用用 Medium 平台的 Towards Data Science 每月有 2000 万 的浏览量。而著名人工智能研究学者吴恩达（Andrew Ng）在他的 Coursera 课程上已经有超过 400 万 名学员。 与此同时，全世界范围里只有 17100 名 机器学习工程师。在写这篇文章的时候，LinkedIn 上显示，全世界当前有 2100 个 机器学习工程师的职位空缺。其中，大约有 80 个职位来自于 FAANG（Facebook，Amazon, Apple, Netflix, Google）五巨头公司。 由 Apteo “数据科学职业趋势”数据表 生成的“数据科学领域空缺岗位按角色分类”。 公平起见，如果我们把通常意义下数据科学和人工智能研究人员等所有职位都包括在内，该领域中全球共有 86000 个 空缺职位。尽管如此，用“竞争激烈”这一说法还远不足以形容今年数据科学领域中惨烈厮杀的求职战场。 数据科学社区参与者与数据科学工作机会在数量上的比较。该数据由本文作者提供。 红海战略和蓝海战略 在商业上，一个充满竞争的领域被称为“红海”，无数凶残的鲨鱼在这个拥挤的空间里进行血战。相比之下，“蓝海”则指的是未开发的、没有竞争者的市场空间。 该图来源于 flaticon.com 网站由 Freepik 设计的图标，本文作者对此进行了编辑。 作为一名未来的数据科学家，你的目标当然是在蓝海中进行竞争。以下会介绍四种关于蓝海战略的方法。 作者总结的红海战略 vs 蓝海战略。 1. 使用合适的平台和社区 我个人是 LinkedIn（领英）的超级粉丝。事实上，在参加了 100 多个 LinkedIn 学习课程后，我终于得到了 LinkedIn 的点名推荐，我 发布的帖子 有超过 1 万条评论，我个人有 超过 2 万名联系人。以上这些数据说明，如果只是单纯依赖 LinkedIn 来求职，这其实是一个红海战略（??）。 由 LinkedIn 发布的关于本文作者的点名推荐帖。 LinkedIn 最引以自豪的是它拥有大约 6.6 亿庞大的用户群。这意味着，如果你只在 LinkedIn 上建立你的人际关系网络，只通过 LinkedIn 来申请工作机会，你就会和数量庞大的竞争者一起挤独木舟。 而对于那些用 LinkedIn 来进行招聘的人而言，自己贴出来的优质职位招聘信息也会迅速被海量的申请者淹没，以至于你甚至都很难做到遍历所有的申请，更不用说给每个人一一进行回复了。 这就是为什么， 除了 LinkedIn，我建议你也使用一些小众平台，比如 Shapr，Y Combinator 的 Work At A Startup（在创业公司工作） 网络， Lunchclub.AI（注意：这里给出的是作者自己的邀请链接，但作者并不会因此得到任何报酬），还可以加入一些诸如 Wizards 的 Slack 社区，以及 Meetup 或 Eventbrite 等离线社区。 以上提及的所有这些网站和社群都是免费的。 例如， “Lunchclub（午餐俱乐部）”是一个人工智能超级连接器，根据你的技能和背景为你安排合适的 1:1 的视频会议，以促进你的职业发展。 紧密联系的社区更容易让你的才能脱颖而出。例如，上面提及的 Shapr 和 Lunchclub 就是完全专注于建立一对一联系的专业社交网络。 2. 拓展社交网络但要避免“黑洞效应” 我曾经遇到过一个会议参与者，他开玩笑说：“如今拓展社交网络就是‘不干活’的新借口。” 与这个说法相映成趣的是，我还真在这个会议上认识了一位新客户。 拓展社交网络和上面提到的第一点很类似，但这里我特指的是在找工作时拓展的人际关系。 你可能听说过这样的故事：有些人提交了几百份工作申请，却始终杳无音信。或许，你自己就深受其害。 虽然有些人确实通过这种海投的方式找到了工作，但现在越来越多的情况是，在求职网站上提交简历，却永远得不到回复。正如我上面所提到的，招聘经理们已经被海量的求职信息所淹没了。 这就好比把你的简历扔进了黑洞，当然会石沉大海。 所以，请问问你自己：如果你是招聘者，必须在两个人之间做出选择，一个是完全陌生的人，另一个是别人介绍你认识的人，你会选择雇佣谁？ 因此，招聘经理和主管们几乎总是会选择和他们有一些社交联系的应聘者，即使只是由共同认识的人引荐过来的应聘者。 你建立的社交关系网越大，你和潜在雇主之间的相互社交联系就越多，也就更容易得到别人的推荐。 作者在 LinkedIn 上的“共同联系人” 这里有一个超级简单的模板，你可以用这个模板来请求一位“共同联系人”的推荐： 首先，关注他们最新发布的帖子，然后发信息给他们。 你好 [联系人名字]， 我希望你最近诸事顺利。因为我们在同一个行业，并且和在 [@公司名] 的 [@姓名] 都有联系，所以我希望你能在 LinkedIn 上向他们推荐我。我最近申请了他们公司的 [职位名]。 我已经打好了一份草稿消息如下，你可以直接复制 / 粘贴并发给他们一份关于我的简单介绍： 你好 [@姓名] ， 我看到你们在招聘一个 [职位名]。 我想向你介绍一位潜在的候选人 [@ 自己姓名]，他（她）在这个领域已经取得了 [成就 1] 和 [成就 2] 。[自己姓名] 个人非常有兴趣和你谈谈这个职位。你希望我快速地介绍一下你们认识吗？谢谢你， [ 联系人名字 ] 3. 术有专攻 由作者创建的数据科学文氏图。 其实数据科学是一个多学科的交叉领域，而该专业技能里有很大一部分是来自于特定领域的专业知识。 例如，沃尔玛使用 预测模型 来预测特定时段的客户需求。如果一个招聘经理为了一个数据科学家的职位，必须在一名“Python 专家”和一名“零售业预测建模专家”之间做出选择，在其他条件相同的情形下，显然在该特定领域有更多专业知识的候选人会胜出。 又比如，亚马逊的 推荐引擎 为亚马逊贡献了 高达 35% 的收入，而且亚马逊公司还在不断地雇佣数据科学人才来让这只金鹅变得越来越肥。如果你曾经从事过推荐引擎的工作——即使只是一个副业——这将使你比一个拥有众多通用型技能的申请人有更大的优势。 因此，请注重一些专业技能的磨砺——当然具体是哪项专长完全取决于你的个人兴趣——这有可能成为你竞争上岗的制胜法宝。 4. 实际项目经验胜于证书 在 2020，各式证书依然热度不减。如果你使用 LinkedIn，你肯定看到过那些令人生厌的五花八门的“证书帖子”。 如今用户可以通过 Coursera、EdX、各种在线学习门户网站、LinkedIn Learning 以及其他成千上万种渠道来炫耀他们的证书。我也不能免俗地炫耀过不少证书，并在此心怀内疚——正如我前面所提及的，我参加过 100 多个 LinkedIn 学习课程，并获得了 几乎所有常春藤盟校的证书。 我这里想要说的是，依靠证书来证明自身能力这也是一个红海战略（??）。当数百万人和你拥有同样的证书时，你就需要能让自己鹤立鸡群的东西。 作者用图示来比较数据科学工作岗位和吴恩达在 Coursera 上的学生。 而在实际项目中，你对自己真正感兴趣的数据所从事的分析，这些会给你带来巨大的优势。 具体选择哪方面数据，要想获得一些灵感，你可以查看上面提到的 “数据科学职业趋势”数据表，以及 Apteo 上的 其他 公共工作空间 中的信息 。 结 论 数据科学是一个竞争日益激烈的领域，但是你可以通过使用合适的小众平台，发展你的专业社交网络，专攻你感兴趣的领域，向世界分享你独特的项目经验，来保证你在工作竞争中脱颖而出。 作者介绍： Frederik Bussler，致力于推动数据科学大众化。Apteo 公司顾问。安全令牌联盟 和 世界数据科学论坛 编辑，同时也是 Medium 网站人工智能领域 的顶级作家之一。 英文原文： https://towardsdatascience.com/the-uncommon-data-science-job-guide-3e215ba552bf 你也「在看」吗？?? 阅读原文