
弗雷德里克·巴斯勒,APTEO增长营销。
获得一份数据科学工作就像学习Python和Jupyter之类的技能一样容易,参加Kaggle比赛,获得认证,并在求职门户网站上提交简历,对吗?
错误。
最近,Kaggle的用户达到了500万。看看其他社区,走向数据科学每月有2000万的浏览量。人工智能研究员吴恩达在他的Coursera课程中有400万学习者。
与此同时,全世界只有17100毫升的工程师。在撰写本文时,全球LinkedIn上有2100个开放的机器学习工程师角色。其中,大约80人在Faangs。
公平地说,如果我们把普通数据科学和人工智能研究员的角色包括在内,全球总共有86000个空缺职位。尽管如此,称数据科学为“竞争”将是今年的轻描淡写。
在商业上,竞争激烈的领域被称为“红海”,鲨鱼在拥挤的空间里争分夺秒。相比之下,“蓝海”指的是未开发的、没有竞争对手的市场空间。
作为一个未来的数据科学家,你的目标是在蓝海中竞争。这里有四种方法可以做到这一点。
我是LinkedIn超级粉丝。事实上,我参加了100多个LinkedIn学习课程后,已经成为LinkedIn的特色,我发了超过10,000条评论的帖子,我有超过20,000个连接。也就是说,仅仅依靠LinkedIn是一种红海战略(⚠·️)。
LinkedIn拥有亿万用户中的三分之二。这意味着,如果你只在LinkedIn上建立网络,并通过LinkedIn申请工作,你将与大量难以置信的人竞争。
作为一个使用LinkedIn招聘人员的人,好的招聘信息可能会被如此多的申请者淹没,如此之快,以至于连浏览所有的申请都很难,更不用说给每个人反馈了。
这就是为什么除了和LinkedIn之外,我还建议您使用利基平台,如Shapr、Y Combinator在初创公司的工作、LunchClub.ai(注意:这是我的邀请链接,但我没有报酬)、Wizards等松散社区,以及Meetup或Eventbrite上的离线社区。
所有这些都是免费的。
紧密结合的社区让脱颖而出变得容易得多。例如,Shapr和RunchClub都是专业网络,完全专注于建立一对一的联系。
我曾经遇到一个参加会议的人,他开玩笑说“网络是说不工作的新方式。”有趣的是,我还在那次会议上遇到了一个新客户。
网络与第一点类似,但这里我明确地指的是什么时候该申请工作了。
您可能听说过这样的故事:人们提交了数百份工作申请,却没有得到任何回复。也许你自己也是这种现象的受害者。
虽然有些人通过这种方式找到工作,但越来越有可能的是,在某个求职网站上提交简历意味着你永远不会得到回复。正如我所提到的,招聘经理已经被应聘者淹没了。
就像把你的简历扔进黑洞一样。
问问你自己:如果你必须决定雇佣谁,在一个完全陌生的人和一个介绍给你的人之间,你会选择谁?
因此,招聘经理和高管几乎总是和他们有一些联系的求职者一起去,即使只是由一个共同的熟人介绍。
你的关系网越多,你与潜在雇主的相互联系就越多,就越容易得到介绍。
下面是一个超级简单的模板,您可以使用该模板向相互连接询问介绍:
首先,参与他们的最新帖子,然后信息。
嘿Connector_name,
我希望你过得很好。因为我们在同一个行业,并且和[@name]在[@company]有共同的联系,我希望你能通过LinkedIn介绍我。我最近申请了他们的[招聘职位]。
我写了一条草稿消息,您可以复制/粘贴到他们那里进行简单介绍:
你好[@name],
我注意到您正在招聘一个[招聘职位]。
我想把[@Frederik Bussler]介绍给你,他是一个潜在的候选人,在这个空间里有[earchement_1]和[earchement_2]。弗雷德里克有兴趣和你谈谈这个职位。您想简单介绍一下吗?
谢谢,
connector_name
数据科学是一个多学科领域,一个很大的组成部分是领域专门知识。
例如,Walmartuses预测模型可以预测特定时间的需求。如果一个数据科学家职位的招聘经理必须在“Python专家”和“零售预测建模专家”之间做出选择,显然更专业的候选人会赢,其他条件都一样。
亚马逊的推荐工程师贡献了亚马逊高达35%的收入,他们不断雇佣数据科学人才来培养这只金鹅。如果你在推荐引擎上工作过--即使只是作为一个附带项目--这会让你比一个更通才的申请人更有优势。
学习SpecializedSkills--哪个专业取决于你的个人兴趣--是一个游戏规则的改变者。
证书在2020年风靡一时。如果你使用领英,你肯定会注意到臭名昭著的“认证贴”。
用户展示他们从Coursera、EdX、在线学习门户、LinkedIn Learning和数百万其他来源获得的证书。我也对此感到内疚--正如我提到的,我参加了100多门LinkedIn学习课程,并获得了几乎所有常春藤盟校的证书。
也就是说,依靠证书是一种红海战略(⚠·️)。当数百万人拥有与你相同的证书时,那么你就需要区分器。
实际的项目,在那里你分析你感兴趣的数据,会给你一个巨大的优势。
为了获得灵感,您可以查看上面提到的数据科学职业趋势SDashboard和其他公共工作区。
数据科学是一个竞争日益激烈的领域,但你可以通过使用利基平台、发展你的专业网络、专注于你感兴趣的领域,并与世界分享独特的项目来脱颖而出。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26