📊 Как начинающий Data Scientist может заработать на фрилансе?

Хотите начать карьерный путь в Data Science в качестве фрилансера? Мы подготовили для вас 8 простых шагов: от регистрации на платформе до обустройства рабочего места.

С чего начать?

Выберите платформу

Они предлагают массу возможностей, а также предоставляют необходимые для успешной реализации проекта средства: публичный профиль, чат в режиме реального времени с клиентами, функции безопасности, расписание, аналитику и, самое главное, инструменты для управления заработной платой и налогами. Регистрация на сайтах может занять много времени, а в ряде случаев вам придется пройти собеседование. Также вас могут попросить заплатить небольшой взнос, чтобы зарегистрироваться или подать заявку на получение офферов.

Это один из наиболее трудозатратных этапов, поэтому уделите достаточное количество времени созданию хорошего профиля с подробным описанием вашего образования и опыта, а также с информацией о предыдущих проектах. Включите в него ссылки на примеры работы: личный веб-сайт, GitHub, интерактивное портфолио, студенческие проекты или соревнования Kaggle.

Исследуйте рынок труда

Большинство высокооплачиваемых специалистов в области Data Science имеют высшее образование в сфере компьютерных наук (как минимум они знают основы математики и статистики), владеют одним или более языками программирования, имеют навыки визуализации и презентации данных с помощью различных инструментов.

Чем больше у вас опыта и чем лучше ваше образование (включая самообучение с помощью онлайн-ресурсов), тем выше ставка, которую вы можете установить. Не хватает практики? Ознакомьтесь с материалом «Обучение на Data Scientist: как получить работу, если без опыта никуда не берут?».

Продайте себя

Не забывайте выходить в сеть. Участвуйте в чатах и личных встречах, спрашивайте о доступной работе и о клиентах, которые ищут фрилансеров. Даже если проектов для вас нет, это не значит, что они не появятся.

Оцените свои навыки

Определите свой арсенал навыков. Например, знание языка Scala, навыки использования инструментов с открытым исходным кодом, облачных решений или Python могут повысить вашу ставку.

Не бойтесь вести переговоры! Если вы готовы освоить дополнительные навыки в ходе работы над проектом, не спешите отказываться от офферов, которые их требуют. Работа в Data Science – это постоянное самообучение. Если же вы не уверены, что сможете выполнить заказ качественно и в срок, стоит задуматься, стоит ли вознаграждение риска потерять репутацию. Лучше всего – проанализировать свои возможности и не цепляться за каждый оффер.

Определите свою ставку

Определив желаемую ставку, никогда не опускайте руки от отчаяния при поиске офферов. Спрос на специалистов по данным очень высок, а заказчики готовы платить за качественные и креативные проекты.

Проанализируйте среднюю ставку на платформе для специалистов вашего уровня и в зависимости от целей установите свой почасовой тариф. Главное, не занижайте плату за работу, даже если у вас нет опыта: слишком низкий оклад может отпугнуть клиентов.

Как продолжить?

Подготовьте рабочее место

Если вы решили работать из дома, выделите для этого специальное место. Только отделив личную жизнь от рабочей, вы сможете быть максимально продуктивным.

Прежде чем приступить к фрилансу, убедитесь в надежности и высокой пропускной способности интернет-соединения. Ваша продуктивность напрямую зависит от возможности быть в онлайне. Приобретите удобное кресло, клавиатуру и по возможности дополнительный экран. Рабочее место должно хорошо проветриваться, задумайтесь над покупкой увлажнителя воздуха.

Планирование времени

Основная проблема фрилансера – организация работы и планирование времени. Если каждый день вы перерабатываете, то стоит задуматься о более эффективной организации времени. Вашей цель – работать как можно меньше, а получать как можно больше, наслаждаясь процессом. Оставшееся время нужно использовать для поисков новых клиентов, изучения профессии и нетворкинг. Не стоит забывать и о концепции work-life balance: профессиональное выгорание – проблема многих начинающих фрилансеров, которые спешат наработать опыт и забывают отдыхать.

Присоединись к сообществу и начните строить сеть контактов

Еще один хороших способ найти заказчиков – посещение конференций и митапов, где вы сможете не только получить знания, но и познакомитесь с готовыми поделиться опытом (и даже вакансиями) людьми. Не просто знакомьтесь с ними: важно быть заметным и показать свой интерес, а также ценность для отрасли. Расскажите, что вы ищете и с кем хотели бы связаться. О вас обязательно вспомнят, когда услышат о новой вакансии. Сделав это, вы получите больше ресурсов для поиска работы и расширения социальной сети контактов.

После завершения проекта для клиента попросите его о рекомендации и отзыве. Отправьте заказчику электронное письмо с краткой анкетой о процессе, а также попросите имена и контактные данные людей с похожими проблемами.

Заключение

Идеальный сценарий работы фрилансером выглядит так: вы выбираете интересные проекты, вы независимы, не привязаны к одному месту или компании, сами определяется рабочую нагрузку и заработную плату. Минусы тоже есть: поиски офферов могут быть оказаться довольно трудозатратными, необходимо всегда выделятся на фоне других специалистов, на наработку репутации и клиентской базы может понадобиться время, а самое главное – необходимо умение организовывать рабочий процесс.

Хочу подтянуть знания по математике, но не знаю, с чего начать. Что делать?

Если базовые концепции языка программирования можно достаточно быстро освоить самостоятельно, то с математикой могут возникнуть сложности. Чтобы помочь освоить математический инструментарий, «Библиотека программиста» совместно с преподавателями ВМК МГУ разработала курс по математике для Data Science, на котором вы:

• подготовитесь к сдаче вступительных экзаменов в Школу анализа данных Яндекса;
• углубитесь в математический анализ, линейную алгебру, комбинаторику, теорию вероятностей и математическую статистику;
• узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
• освоите специальную терминологию и сможете читать статьи по Data Science без постоянных обращений к поисковику.

Курс подойдет как начинающим специалистам, так и действующим программистам и аналитикам, которые хотят повысить свой уровень или перейти в новую область.