"Рабочие часы"

Стоит ли вам посещать больше онлайн-курсов или магистерских программ, чтобы улучшить свое резюме для работы в области науки о данных?

3 сценария и рекомендации

Когда я разговариваю с начинающими специалистами по данным, меня часто спрашивают: «Стоит ли мне посещать больше онлайн-курсов, чтобы улучшить свое резюме?» В этой статье резюмируются мои личные рекомендации и как определить, когда человек «готов» после самообучения или получения дополнительного образования.

Эта статья может помочь вам, если…

На протяжении всего наставничества начинающих специалистов по обработке данных, а также общения с существующими практиками в области науки о данных (в промышленности и академических кругах) часто возникает вопрос, как лучше всего самостоятельно изучить машинное обучение на онлайн-платформах, таких как Coursera, Udacity или edX, чтобы назвать немного.

В качестве дополнительного уровня те, кто использует эти платформы для самообучения, после прохождения одного или двух онлайн-курсов сталкиваются с точкой принятия решения: «Следует ли мне пройти больше курсов или этого достаточно?» Аналогичный и частый вопрос: «Должен ли я получить степень магистра в области науки о данных / CS / статистики?»

Еще одна общая черта заключается в том, что даже после прохождения онлайн-курсов и самообучения многое из этого, кажется, забывается так же быстро, как промежуточный экзамен в университете. Я тоже сталкивался с этим: «Разве я только что не прошел курс Coursera на CNN? Эта [концепция] звонит в колокол, но почему я уже забыл детали? » Это ужасное осознание в целом, но представьте, если бы вы были на собеседовании!

Если какая-либо из вышеперечисленных ситуаций находит отклик у вас, надеюсь, эта статья вам поможет. Основываясь на многолетнем личном опыте, я делюсь тем, что может помочь вам определить, когда вы можете отказаться от онлайн-курсов и узнать, что вы «готовы».

Практическое правило: убывающая предельная доходность

Это правило распространяется на самообразование с помощью онлайн-курсов или дополнительное формальное образование, такое как получение степени магистра.

Уменьшение маржинальной прибыли - это концепция из экономики: представьте себе новый ресторан, готовящийся к открытию бизнеса. Они просто потратили деньги на новую кухню. Когда у них нет поваров, у них нет продукции, а значит, нет клиентов или возвратов, какой бы прекрасной у них ни была кухня. Когда они нанимают первого повара, производительность и возврат значительно возрастают, поскольку они переходят от обслуживания нулевых клиентов к возможности обслуживать своих клиентов.

Затем ресторан становится более популярным, и один повар уже не может обрабатывать больше заказов. Нанят второй повар. Это увеличивает выпуск и прибыль. Однако по прошествии определенного времени, возможно, когда у них будет 3 повара, наем большего количества поваров не приведет к дальнейшему увеличению прибыли. На кухне может стать слишком тесно, и производительность каждого повара снизится! На этом этапе ресторан не должен нанимать больше поваров, а должен расширяться другими способами, например, увеличивая кухню.

Эта аналогия применима к онлайн-курсам и дополнительному образованию. Если у вас его ноль, прохождение одного или двух онлайн-курсов принесет невероятно высокую маржинальную выгоду. По прошествии определенного момента вам нужно подумать о расширении своих навыков другими способами, такими как выполнение побочного проекта - сродни расширению кухни в примере ресторана, вместо того, чтобы нанимать больше поваров.

Зачем вы вообще ходите на онлайн-курсы?

Теперь, когда я ознакомился с общим практическим правилом, я хочу помочь вам применить эту логику к вашей собственной уникальной ситуации. Поскольку существует множество типов людей, которые стремятся улучшить свои навыки и авторитет в области науки о данных, я хочу дать вам инструменты для принятия решения на основе вашего собственного образования и опыта работы. Ниже я перечисляю несколько общих демографических характеристик, с которых вы можете начать.

Наиболее частые причины и демографические данные, которые обращаются к онлайн-курсам или дополнительному образованию, которые я видел, - это начинающие исследователи данных. Прохождение онлайн-курсов и получение сертификатов об окончании - это то, что нужно добавить в резюме, чтобы пройти собеседование, которое, если кандидат сможет пройти, предоставит кандидату работу в отрасли науки о данных или машинного обучения.

Я разделю эту демографическую группу на два типа: Type 1 это те, у кого еще нет опыта работы, они только что закончили школу или буткемп. Type 2 - это профессионалы, у которых есть опыт работы в других областях (включая академические круги). Они хотят перейти или резко заняться наукой о данных.

Следующая демографическая группа, Type 3, - это существующие специалисты по данным, стремящиеся расширить свои знания или перейти в новую специализацию (например, от НЛП до обучения с подкреплением).

Последний тип - это те, кто просто любит учиться для развлечения, без какой-либо определенной причины. Они не рассматривают онлайн-курсы как способ получить что-то еще, а просто как развлечение или духовное удовлетворение. Если это вы, то вам следует оставаться верным себе и продолжать посещать онлайн-курсы, пока вам весело!

У всех типов 1, 2, 3 есть что-то общее: у них есть место, в котором они находятся в настоящем, и цель (работа в области науки о данных / машинного обучения или продвижение по службе), к которой они хотят перейти в будущем. Они надеются, что онлайн-курсы помогут восполнить пробелы и провести их из пункта А в пункт Б.

3 типа людей, которым могут быть полезны онлайн-курсы или дополнительное образование

Мы установили, что независимо от того, к какому типу вы относитесь, вы стремитесь использовать онлайн-курсы или дополнительное образование, чтобы достичь точки B, которая является вашей целью.

Я рассмотрю следующие 3 примера, но я хочу, чтобы вы затем применили логику к своей личной ситуации:

  • [Type 1] 'Я только что закончил университет, но слышал, что мне нужна степень магистра, чтобы попасть в науку о данных. Должен ли я брать онлайн-магистратуру или получать сертификаты? »
  • [Type 2] 'Я хочу пройти этот курс Coursera, потому что в моем резюме почти или совсем нет опыта, связанного с машинным обучением. Мне действительно нужно хоть что-то, чтобы привлечь внимание рекрутера, чтобы он мог мне перезвонить и поговорить по телефону ».
  • [Type 3] «Я заинтересован в том, чтобы в моей нынешней команде по обработке и анализу данных продвинуться вверх или по горизонтали к проекту, в котором используется обучение с подкреплением (RL). Как мне показать своему руководителю и коллегам, что я достаточно опытен в RL? '

Пошаговый анализ 3-х видов

Тип 1

«Я только что закончил университет, но слышал, что мне нужна степень магистра, чтобы заниматься наукой о данных. Что мне делать: онлайн-магистратуру или сертификаты? »

В этом сценарии цель здесь - «получить работу в области науки о данных». Естественно, если им удастся найти работу в области науки о данных, им не нужно проходить дополнительные онлайн-курсы / сертификаты или даже степень магистра. Если вы доберетесь до точки B с помощью того, что у вас есть прямо сейчас, нет необходимости идти в объезд, объездным путем являются онлайн-курсы.

Когда мне задают этот вопрос во время кофейного чата, я обычно предлагаю следующее:

Верно, что имеет значение, какая это степень бакалавра. Однако вне зависимости от официального названия степени важнее то, как вы продемонстрируете свои навыки по 2 столпам: статистика и программирование. Для вашего самого первого шага я бы посоветовал провести самооценку на основе информации в связанной статье и использовать онлайн-курсы или дополнительное образование, чтобы довести эти 2 столпа до базового уровня.

Попробуйте устроиться на работу (начальный уровень). Относитесь к этому так, как будто степени бакалавра достаточно, если у вас есть достаточные навыки в 2 столпах: статистика и программирование. Вы должны повторить резюме и отзывы об собеседовании - если вы не получили обратных звонков, обновите свое резюме или проверьте, как вы ответили на вопросы собеседования.

Не делайте того же, что не работает, ожидая другого результата. Если через несколько месяцев эти усилия все еще не приведут вас к работе в области науки о данных, подумайте о получении степени магистра. Если на получение работы уходит от 6 до 10 месяцев сразу после получения степени бакалавра, это экономит время по сравнению с 2-летней степенью магистра, чтобы добиться того же.

Главный риск здесь, конечно, заключается в том, «что, если я потрачу 10 месяцев, пытаясь получить работу в области науки о данных, потерплю неудачу, а затем решу продолжить обучение - это сделает меня на 10 месяцев позади моих сверстников по магистерской программе / онлайн. программа сертификации / учебный курс! »

  • Ключевым моментом здесь является то, что за эти 10 месяцев вы сможете работать над побочными проектами или другими онлайн-курсами для самостоятельного изучения (хех), которые могли бы создать вам портфолио, которое поможет вам в поиске работы, в любом случае. Создание портфеля побочных проектов - это то, чем вы все равно будете заниматься во время и после магистерской / буткемпа / сертификации, так почему бы просто не сделать это во время поиска работы?
  • Если следовать вышеизложенному, в худшем случае, когда вы не найдете работу через 10 месяцев со степенью бакалавра, вы получите все следующее, чего могут не иметь коллеги вашего магистра: опыт собеседования, потрясающее портфолио и многое другое. самообучение под вашим поясом. Я утверждаю, что это ставит вас на равных по отношению к своим сверстникам, а не отстает.

Личный анекдот: Какое-то время я думал о том, чтобы получить степень магистра OMSCS online CS. В то время я уже работал специалистом по анализу данных и успешно поставлял продукты для обработки данных миллионам клиентов. Этой цели я достиг уже со степенью магистра экономики. Вывод: отложите степень магистра в CS, если этого не потребует какой-то будущий карьерный рост (более похожий на сценарий Type 3).

Тип 2

«Я хочу пройти этот курс Coursera, потому что в моем резюме почти или совсем нет опыта, связанного с машинным обучением. Мне действительно нужно хоть что-нибудь, чтобы привлечь внимание рекрутера, чтобы он мог мне перезвонить и поговорить по телефону ».

Для этого сценария имейте в виду, что этот человек (может быть, это вы?) Уже имеет некоторый опыт работы. Может быть, они занимались управлением проектами в течение 3 лет, или проектированием в течение 1 года, или преподавали / исследовали в академических кругах в течение 5 лет.

Стойка ворот в этом сценарии - «получить хотя бы интервью». Итак, самое простое, что вы могли бы сделать здесь, - это просто начать устраиваться на работу! Неважно, если вы «не уверены, что готовы». Не откладывайте, пока не пройдете волшебное количество онлайн-курсов.

Выполните прямое действие, соответствующее вашей цели, и если вы не получите ответа через две или три недели, это может означать, что у вас действительно недостаточно позиций для возобновления. Но вы не узнаете этого , пока не подадите заявку на работу. Не позволяйте собственной неуверенности говорить за рекрутеров и менеджеров по найму. Вы не они. Что касается того, что вы можете сделать, если вы не получите ответа от каких-либо заявлений о приеме на работу, я приведу более подробные сведения ниже, поскольку даже в Type 2 существует множество вариантов.

Здесь я обычно предлагаю следующее относительно прохождения дополнительных онлайн-курсов или дополнительного образования:

Если у вас действительно ноль (0) позиций резюме в области машинного обучения / анализа данных, определенно дерзайте! Пройдите эти курсы Coursera, выполняйте задания и с гордостью перечисляйте их в своем резюме. Однако, поскольку у вас есть несколько курсов за плечами, и вы уверены, что обладаете базовыми знаниями о 2 столпах: статистика и программирование (в связанной статье показано, как самостоятельно оценить свою готовность), я решительно Предлагаю сделать побочный проект. Используйте эмпирическое правило убывающей маржинальной выгоды.

Причина проста в том, что, когда я просматриваю резюме для приема на работу в области науки о данных, побочные проекты привлекают мое внимание гораздо больше, чем сертификаты. (В этот совет не входят онлайн-курсы магистров, которые я рассмотрел в анализе Type 1 как отдельный вопрос). Я не могу говорить от имени всех рекрутеров / менеджеров по найму / коллег по работе с данными, но я пролью здесь немного света, почему я считаю, что эти побочные проекты ›онлайн-курсы, предполагая, что вы уже усвоили базовые знания о двух столпах: статистика и программирование .

Для чего нанимают вакансии в области науки о данных? Они нанимают людей, которые решают реальную проблему с помощью методов науки о данных; люди, которые могут выполнять проекты, на которые нет ответов из учебников, и специфичны для каждой уникальной компании. Что демонстрирует, что кандидат на работу может это делать?

  • Самостоятельный побочный проект (а не просто онлайн-курс, который сделали тысячи людей) демонстрирует те черты, за которые нанимают на работу в области науки о данных. Онлайн-курсы показывают интерес и некоторые знания, но не могут ответить на вопрос, обладает ли кандидат этими ключевыми способностями. На работу не нанимают человека, который проводит больше всего онлайн-курсов.

Тип 3

«Я заинтересован в продвижении вверх или в горизонтальном направлении в моей нынешней команде по анализу данных к проекту, в котором используется обучение с подкреплением (RL). Как мне показать своему руководителю и коллегам, что я достаточно опытен в RL? »

Отлично! Вы работаете в этой области и ищете возможности для роста. Вероятно, ваши статистические данные и навыки программирования находятся на хорошем уровне (возможно, вы сильнее в одном, чем в другом), поэтому вам не нужно тратить столько времени на их обучение, как у тех, кто сразу после школы или переходил из другого поле.

Я бы определенно посоветовал пройти несколько онлайн-курсов, чтобы получить базовые знания по новым темам, я имею в виду, берите онлайн-курсы конкретно по обучению с подкреплением, а не по общему машинному обучению. Кроме того, если вы чувствуете, что один из ваших столпов не так силен, как другой, например, если вы намного лучше разбираетесь в общей разработке программного обеспечения по сравнению с математическими выводами алгоритмов машинного обучения, подумайте о том, чтобы освежить свои знания алгоритмов машинного обучения.

Одна вещь, которая, кажется, ускользает от людей (включая меня), - это то, что наиболее прямой способ достижения цели - это спросить вашего менеджера или коллег, можете ли вы перейти в этот новый проект или команду! Не ждите, пока вы пройдете несколько онлайн-курсов, чтобы спросить; проясните свой интерес сейчас, чтобы они подумали о вас, если в проекте будет открыта вакансия или другая подобная возможность.

Если вышеперечисленных усилий достаточно, чтобы вы перешли на другую работу в области науки о данных или на специализированный проект на работе, тогда отлично! Ваша новая цель достигнута. Если это не так просто, то следующим большим шагом будет создание быстрого побочного проекта по этой теме, используя знания, полученные вами из онлайн-курса. Если демонстрация вашего реального опыта в теме не может убедить вашего менеджера / коллег в том, что вы хороший кандидат для работы над интересующим вас проектом, тогда… онлайн-курсы здесь не вопрос.

Общие критерии принятия решения

Вкратце, вот общие критерии принятия решения, которые я предлагаю:

Если у вас нет позиций резюме, связанных с машинным обучением / наукой о данных:

  • Да, пройдите онлайн-курсы и задания и поместите это в свое резюме!

Если у вас есть несколько онлайн-курсов и вы не уверены, стоит ли их проходить еще:

  • Рассмотрение вопроса о выполнении побочного проекта, который является еще лучшей строкой резюме и дает вам лучшую рентабельность инвестиций в ваше время
  • Самостоятельно оцените, достигли ли ваши навыки программирования и статистики достаточного базового уровня. Ссылка: Как найти свой базовый уровень

Если вы изучили статистику и программирование на хорошем базовом уровне и имеете некоторый анализ данных, возобновите позиции:

  • Сделайте паузу и проверьте, есть ли у вас хорошее портфолио побочных проектов. Если нет, сделайте это как можно скорее! Ссылка: Как выбрать сторонний проект в области науки о данных
  • Начните подавать заявки на вакансии (или направлять действия в направлении своей цели) вместо того, чтобы застревать в цикле самообучения. Часто собеседования - отличный способ узнать, что вы можете улучшить, даже если вы не получите работу.

Заключение - как определить, стоит ли проходить дополнительные онлайн-курсы

Теперь мы рассмотрели рекомендации для нескольких типов сценариев и детальную логику, лежащую в основе этих рекомендаций. Конечно, у каждого человека разное образование, опыт работы и другие обстоятельства, но я надеюсь, что с предоставленной логикой вы сможете применить ее к своей конкретной ситуации!

Если вы сомневаетесь, помните: маржинальная польза от онлайн-курсов уменьшается. Первые несколько принесут большую пользу, и чем больше вы будете делать, тем меньше пользы принесет вам каждый последующий. Та же логика применима и к получению дополнительного образования.

Легко застрять в цикле пассивного обучения, поэтому общая идея состоит в том, чтобы взять паузу, если вы уже можете достичь своей цели с текущим объемом знаний, которые у вас есть. Побочные проекты или просто начало процесса подачи заявления о приеме на работу дадут вам гораздо лучшую окупаемость вашего времени. Надеюсь, это поможет!

Первоначально опубликовано на https://www.susanshu.com 12 июля 2020 г.