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
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14