📊 Обучение на Data Scientist: как составить резюме, пройти собеседование и найти работу?

Независимо от того, являетесь ли вы опытным специалистом по Data Science или новичком, вы можете столкнуться с трудностями при поиске работы. В небольшом обзоре мы разберемся, какие стратегии, ресурсы и инструменты помогут продать себя на рынке труда, и как получить лучшие офферы.

Составляем резюме

Контент

Не забудьте включить в резюме ссылки на GitHub, Twitter, Linkedin и другие ресурсы, позволяющие продемонстрировать ваш опыт. Опубликуйте проекты, над которыми вы работали во время учебы и стажировок. Таким образом работодатель сможет заметить вас и оценить ваши навыки, отточенные на реальных задачах. Если вы являетесь новичком в науке данных и хотите найти первую работу, но у вас еще нет опыта, создайте собственные проекты! Для поиска первого оффера достаточно двух-трех примеров:

• Опубликуйте результаты соревнований Kaggle и код;
• Создайте проект, который покажет ваши личные интересы или примите участие в хакатоне;
• Включите проекты и код, созданные во время прохождения курсов Data Science.
  

Организуйте свои проекты так, чтобы сделать ваш вклад и достижения очевидными. Для этого попробуйте ответить на следующие вопросы:

• Почему вы это сделали? Какую проблему вы хотели решить? Покажите, какова была конечная цель проекта.
• Что вы сделали? Объясните, как вы подошли к проблеме. Если вы можете показать код, статью, сообщение в блоге или презентацию на конференции – сделайте это!
• Как вы это сделали? Представьте инструменты и ресурсы, которые вы использовали.
• Чего вы добились? Отразите количественные результаты вашей работы в технических и бизнес-показателях.

Сбалансируйте ваше резюме: наряду с техническими навыками важно показать применение навыков визуализации и презентации данных, story telling, soft skills и умение работать в команде.

Стиль

Выберите подходящий шаблон резюме, рекомендуется использовать шаблоны с двумя столбцами – это сделает резюме лаконичным и легко читаемым. Дизайн и визуальная репрезентация опыта кандидата играет важную роль для первого впечатления, поэтому уделите внимание деталям:

• Постарайтесь разместить всю информацию на одной странице. Если у вас большой опыт, много проектов или публикаций – упомяните несколько из них в резюме и предоставьте ссылку на Github или личный веб-сайт.
• Выделите ссылки, используя Bold или Underline. Это позволит сотрудникам HR быстрее их обнаружить.
  
• Соблюдайте единый стиль ссылок, дат, названий компаний и университетов, знаков пунктуации и т.д. Эти маленькие детали играют большую роль в общей визуальной картине вашего резюме.
  
• Сделать хорошую профессиональную фотографию для резюме – сложная задача. Это необязательно, и никто на самом деле не ожидает, что у вас будет фотография. Многие компании предпочитают лаконичные резюме без фото, таким образом отбор кандидатов проходит более объективно.
  
• Проверьте орфографию и пунктуацию. Ошибки и опечатки в резюме раздражают и указывают на недостаточное внимание к деталям. Перечитайте свои тексты с Text.ru, Advego (на русском) или Grammarly, ReversoSpeller (на английском) прежде чем отправлять их. Попросите друзей проверить ваше резюме: они могут заметить ошибки, которые вы упустили.
  

Обзор ресурсов

Примеры:

• Минималистское CV
• Корпоративное резюме
  
• Простое резюме
  

Примеры:

• Резюме с двумя столбцами
• Простое резюме
• Минималистское CV

Поиск вакансий

Стратегии поиска

Выберите свою нишу или специальность в области науки о данных. Например, если ли у вас есть опыт в обработке естественного языка, в области фармацевтики, финансов, компьютерного зрения, розничной торговли или облачных технологий, обозначьте это в начале резюме или профайла.

Не бойтесь вести переговоры! Если вы готовы освоить дополнительные навыки в ходе работы, 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.

Попробуйте найти кого-нибудь, кто работает в компании, и кто может направить вас и предоставить рекомендацию. Это увеличит ваши шансы на прохождение первого этапа отбора. Обычно, если кандидата нанимают на работу, порекомендовавший его человек получает денежный бонус. Это беспроигрышная ситуация.

Обзор ресурсов

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.

Собеседование

Подготовка к собеседованиям на вакансии в Data Science – трудоемкое занятие. Время подготовки может быть значительно сокращено, если у вас есть предыдущий опыт работы в этой области и/или есть список подходящих ресурсов для каждой темы, которые потенциально возникнут во время интервью.

Если у вас ограниченное время для подготовки к собеседованиям, важно определить приоритеты и на каких темах следует сосредоточиться. Набор тем, которые будут обсуждаться, во многом зависит от описания должности.

Самые распространенные типы интервью:

• Интервью по кодированию (Python, R и т.д.);
• Статистическое/Математическое интервью (проверка знаний концепций и навыков решения задач);
  
• A/B проверка знаний.
  

Помимо подготовки к задачам для разных типов интервью есть и другие важные позиции, которые стоит подтянуть:

• Коммуникативные навыки: всем специалистам Data Science необходимо умения общаться, строить коммуникации и презентовать проекты;
• Знакомство с облачными платформам и хранилищами данных является плюсом, поскольку большинство компаний их использует;
• Владение инструментами визуализации данных, например, Looker, Tableau и Microsoft Power BI.
  

Заключение

Освоить профессию Data Scientist можно даже в самые краткие сроки. Разработанная в США методика Bootcamp предполагает интенсивное очное обучение с полным погружением в процесс. В России этот формат практикует образовательный проект Elbrus Bootcamp: студенты обучаются в московском кампусе, посвящая науке о данных все будние дни с 9 до 18 часов. Заниматься в онлайне без отрыва от производства не получится, формат буткампа обеспечивает высочайшую вовлеченность всех участников в учебный процесс. В течение 12 недель под руководством практикующего Data Scientist студенты осваивают сбор и анализ данных, нейронные сети, машинное обучение и другие hard и soft skills: количество практических занятий при этом сравнимо со стажировкой в крупной ИТ-компании. Успешно завершив курс, вы получите не только ценные знания, но и возможность их применить, а также добавите несколько проектов портфолио. Удачи!