Я повторил запрос о переключении на профиль науки о данных. Люди, имеющие более 10 лет опыта работы в области продаж, маркетинга, электроники, механики и других областей, даже спрашивали о переходе в область науки о данных.
Многие первокурсники, изучающие механику, электротехнику, ECE, также спрашивают о том, «Как мне сделать карьеру в области ИИ/науки о данных/аналитики».
Я напишу две статьи, ориентированные на 2 категории аудитории
- Новичок — первокурсники, которые хотят сменить профессию.
- Опытный — опытный профессионал из сферы ИТ/не ИТ.
Мы все знаем, что ИИ будет использоваться во всех секторах, и это главная технологическая тенденция, где бы вы ни читали об этом.
Сейчас мы переживаем революцию Industry 4.O.
Индустрия 4.0 меняет способы производства, улучшения и распространения своей продукции компаниями. Производители интегрируют новые технологии, в том числе Интернет вещей (IoT), облачные вычисления и аналитику, а также искусственный интеллект и машинное обучение, в свои производственные мощности и во все операции.
Так что люди без ума от карьеры в этой сфере.
Мы нанимаем более свежих и опытных кандидатов по профилям науки о данных. Основываясь на своем опыте найма, я постараюсь показать, что нам нужно в потенциальных кандидатах.
Имея степень в области CS/IT, вы наверняка отдадите предпочтение найму. Потому что у этого кандидата будет 3–4 года дополнительных знаний в области программирования. Но в настоящее время многие кандидаты участвуют в онлайн-соревнованиях по программированию и совершенствуют свои навыки программирования, поэтому, даже если вы не из сферы ИТ, вы действительно можете это сделать.
Итак, здесь я перечислил советы и моменты, которые наверняка помогут вам найти работу своей мечты в области ИИ.
1. Вы должны иметь навыки программирования. Python является наиболее предпочтительным. Я считаю, что 85–90 % организаций используют Python, а 10–15 % организаций могут использовать R или другие языки.
Если вы разместите ссылки на свой онлайн-профиль соревновательного программирования от codechef, topcoders, hackerrank и т. д., это, безусловно, окажет положительное влияние.
Некоторые курсы, которые могут помочь вам получить необходимые знания в Python
- https://www.coursera.org/learn/python
- https://www.udemy.com/course/python-core-and-advanced/
- https://www.udemy.com/course/100-days-of-code/
- https://www.udemy.com/course/complete-python-bootcamp/
- https://www.udemy.com/course/python-for-machine-learning-data-science-masterclass/
Примечание. Нет необходимости уделять большое внимание веб-разработке на Python. Но знание Python API необходимо для интеграции модели Python с приложениями.
2. Получите практическую практику и хорошие знания об алгоритмах, статистическом анализе и логическом программировании. Перечисленные выше курсы охватывают некоторую часть этого, но вам может потребоваться пройти дополнительные курсы, чтобы расширить свои знания и опыт.
3. Получите базовые знания в Data Science. Вы должны знать основы машинного обучения, глубокого обучения, компьютерного зрения, обработки естественного языка и количественного анализа. Читайте об этих темах в Google, Quora и Linkedin.
Не всем организациям нужны знания обо всем этом. Но куда бы вы ни обратились, они будут спрашивать вас, связанные с вышеуказанными темами. Они взаимосвязаны. Так что иметь базовые знания обо всех из них будет полезно для вас. Вот несколько полезных курсов
- https://www.coursera.org/learn/machine-learning
- https://www.udemy.com/course/the-data-science-course-complete-data-science-bootcamp/
- https://www.udemy.com/course/intro-to-data-science/
- https://www.udemy.com/course/datascience/
- https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/
Кроме того, вы можете найти специальные курсы по ML, DL, NLP, CV на udemy и Coursera, чтобы получить опыт в определенных областях.
4. (Необязательно) Пройдите курсы специализации по машинному обучению, глубокому обучению, НЛП
- https://www.deeplearning.ai/program/deep-learning-specialization/
- https://www.deeplearning.ai/program/practical-data-science-specialization/
- https://www.deeplearning.ai/program/natural-language-processing-specialization/
Вышеуказанные пункты помогут вам получить необходимые знания. Получив необходимые навыки и знания, вы можете приступить к созданию своего профиля.
5. Добавьте в свое резюме как минимум 4 связанных проекта
В зависимости от того, в какую организацию вы подаете заявление и каковы их требования, вы можете включить в свое резюме конкретные проекты. например Вы подаете заявку на работу в области компьютерного зрения, в этом случае вы можете включить в свое резюме проекты, связанные с обработкой изображений, обработкой видео и обнаружением объектов.
Включите название проекта, краткое описание, ссылку на код GitHub, инструменты и технологии, используемые в каждом проекте. Добавьте свои навыки, а также
6. Создайте достойное резюме и обновите свой профиль на Github, Kaggle и Linkedin.
Вы должны уметь продавать себя. Используйте веб-сайт для составления резюме, чтобы создать резюме в хорошем формате.
Добавьте любые задания курса или проекты, которые вы сделали на свой GitHub. Это повысит ваш профиль. Вы можете разместить свою работу на Linkedin, это лучшее место для ее демонстрации. Опыт участия в Kaggle Challenge также даст вам хороший рейтинг.
Не волнуйтесь, если вы не сможете пройти все курсы. Если у вас есть базовые знания, хорошие проекты и профиль, обретите уверенность.
Теперь вы готовы подать заявку в качестве стажера по искусственному интеллекту, инженера по машинному обучению, стажера по науке о данных и других подобных должностей.
###############
В настоящее время я глубоко погружаюсь в Huge Data.
Посетите мой профиль, чтобы узнать больше об искусственном интеллекте, науке о данных, ML, DL, NLP.
https://www.linkedin.com/in/karimkhanp/recent-activity/posts/
