Все мы хотим построить успешную карьеру.

Как найти ключ к долгосрочному успеху в Data Science?

Для этого понадобятся не только технические ноу-хау, но и правильные «мягкие навыки». Лишь объединив оба этих компонента, можно стать востребованным специалистом.Узнайте, как получить первую работу в Data Science и превратиться в ценного сотрудника высокого уровня! Четкие и простые инструкции научат вас составлять потрясающие резюме и легко проходить самые сложные интервью. Data Science стремительно меняется, поэтому поддерживать стабильную работу проектов, адаптировать их к потребностям компании и работать со сложными стейкхолдерами не так уж и легко. Опытные дата-сайентисты делятся идеями, которые помогут реализовать ваши ожидания, справиться с неудачами и спланировать карьерный путь.

«Как мне устроиться на такую же работу, как у вас?»

Нам как опытным дата-сайентистам постоянно задают этот вопрос. Порой он звучит прямо, а в других случаях нас спрашивают о том, какие решения мы принимали в течение карьерного пути, чтобы оказаться на этом месте. На самом деле люди, задающие подобные вопросы, постоянно испытывают трудности, так как ресурсов, объясняющих, как встать на путь Data Science или расти профессио­ нально в этом направлении, очень мало.

Многие дата-сайентисты ищут помощь по вопросам карьеры, но зачастую не находят внятных ответов. Хотя в блогах мы постили тактические советы о том, что делать в определенные моменты работы в Data Science (DS), мы также решили разобраться с отсутствием адекватного текста, описывающего весь карьерный путь в этой области от начала до конца. Эта книга призвана помочь тысячам людей, которые слышат о Data Science и о машинном обучении, но не знают, с чего начать, а также тем, кто уже занят в этой области и хочет понять, как продвинуться по карьерной лестнице. Мы были рады возможности поучаствовать в создании этой книги. Нам обеим казалось, что наш опыт и точки зрения дополняли друг друга и помогли в напи сании лучшей книги для вас.

Мы — это: Жаклин Нолис (Jacqueline Nolis).

Я получила степень бакалавра и магистра математических наук, а также кандидатскую степень в области исследования операций. Когда я начинала работать, такого понятия, как Data Science (DS), еще не было, и мне пришлось выстраивать свой карьерный путь одновремен но с попытками определения этой области. Теперь я работаю консультантом и помогаю компаниям растить команды, занимающиеся DS. Эмили Робинсон (Emily Robinson). Я получила степень бакалавра в области теории принятия решений и степень магистра менеджмента. Окончив трех месячный курс по Data Science в 2016 году, я начала работать в этой сфере, специализируясь на A/B-тестировании. Сейчас я работаю старшим дата- сайтентистом в компании Warby Parker и занимаюсь некоторыми проектами компании.

На своем карьерном пути мы создавали портфолио проектов и испытывали стресс от адаптации на новой работе. Когда нас не брали на желаемую долж ность, нам было обидно. Когда наш анализ положительно влиял на бизнес, мы торжествовали. Мы сталкивались с проблемами, работая со сложными деловыми партнерами, и нам помогали наставники, оказывающие поддержку. Хотя этот опыт многому нас научил, истинная ценность заключается в том, чтобы делиться этим опытом с другими.

Цель этой книги — стать руководством по вопросам карьеры в области Data Science. Она описывает путь, который человек пройдет, работая в этом направле нии. Мы начнем с азов: расскажем, как получить базовые навыки и понять, что на самом деле представляют собой направления работы в DS. Затем мы объясним, как эту работу получить и освоиться на новом месте. Расскажем, как вырасти в должности и в конечном итоге стать руководителем или уйти в другую ком панию. Мы намерены сделать эту книгу ресурсом, к которому дата-сайентисты будут возвращаться на новых этапах своей карьеры.

Поскольку основное внимание в этой книге уделено карьере, мы решили не заострять внимание на технических аспектах Data Science. Мы не будем обсуж дать выбор гиперпараметров модели или нюансы пакетов Python. Здесь не будет ни одного уравнения или строчки кода — мы знаем, что об этом уже написано множество замечательных книг. Мы же, напротив, хотели обсудить часто упускаемые из виду, но не менее важные нетехнические знания, которые нужны для достижения успеха.

Мы включили в эту книгу много подробностей из личного опыта уважаемых дата-сайентистов. В конце каждой главы вы найдете интервью с реальными спе циалистами. Они расскажут, как справлялись с трудностями, рассматриваемыми в главе. Мы были очень рады получить удивительные, подробные и откровенные ответы этих людей и считаем, что их примеры из жизни могут научить гораздо большему, чем любое заявление, которое мы могли бы написать. При написании этой книги мы намеренно решили сосредоточиться на уроках, которые извлекли, будучи профессионалами в области Data Science, а также об щаясь с другими членами сообщества. Иногда мы заявляем о чем-нибудь, с чем не все могут согласиться, например предлагаем всегда писать сопроводительное письмо при поиске работы.

Мы решили, что поделиться мнениями, которые, на наш взгляд, будут полезными для дата-сайентистов, важнее, чем пытаться на писать что-либо содержащее только объективные истины. Мы надеемся, что эта книга станет для вас полезным руководством в постро ении карьеры в области Data Science. Когда мы сами были начинающими специа­ листами, нам не хватало такой книги. Зато теперь она есть у вас.

Структура книги

Эта книга разбита на четыре части, посвященные этапам, которые проходит на чинающий дата-сайентист. В первой части книги, «Data Science. С чего начать», рассказывается о том, что такое DS и какие навыки нужны для работы в этой сфере:

В главе 1 вы узнаете о функциях дата-сайентиста, а также о различных долж ностях с аналогичным названием.

В главе 2 представлено пять примеров компаний, в которых трудятся дата- сайентисты, и показано, как культура и тип каждой из них влияют на работу.

Глава 3 описывает различные пути, которые можно выбрать для получения важных для дата-сайентиста навыков.

Из главы 4 вы узнаете, как создавать проекты и делиться ими для создания портфолио. Во второй части книги, «Как попасть в Data Science», объясняется весь процесс поиска вакансий:

В главе 5 рассказывается о поиске вакансий и о том, как понять, ради каких из них стоит стараться.

В главе 6 мы расскажем, как написать сопроводительное письмо и составить резюме, а затем скорректировать их под каждую конкретную вакансию.

В главе 7 подробно описывается, как проходит интервью и чего от него следует ожидать.

Из главы 8 вы узнаете, что делать после того, как получен оффер, и как об суждать его детали. В третьей части, «Осваиваемся в Data Science», рассматриваются основные мо менты первых месяцев работы:

В главе 9 рассказывается о том, чего следует ожидать в первые несколько меся цев работы в Data Science, а также о том, как провести это время максимально продуктивно.

В главе 10 рассматривается процесс проведения анализа, являющегося клю чевым компонентом большинства должностей в Data Science.

Глава 11 фокусируется на внедрении моделей машинного обучения, что явля ется необходимым для специалистов, занимающих инженерные должности.

В главе 12 объясняется, как общаться со стейкхолдерами, — дата-сайентисты занимаются этим чаще, чем большинство других технических специалистов. В четвертой части, «Как подняться по карьерной лестнице в Data Science», рас сматриваются темы для более опытных специалистов, которые ищут способ профессионально вырасти:

Из главы 13 вы узнаете, что делать с неудавшимися проектами Data Science.

В главе 14 показано, как стать частью более широкого сообщества дата-сайен тистов с помощью участия в конференциях и разработки открытого исходного кода.

Глава 15 представляет собой руководство по принятию сложного решения об уходе с должности специалиста Data Science.

Глава 16 — заключительная; в ней рассказывается о должностях, которые мо гут получить дата-сайентисты по мере продвижения по карьерной лестнице.

Наконец, в приложении мы собрали для вас более 30 вопросов, которые можно услышать во время интервью, а также предложили примеры хороших ответов. Мы пояснили, какие навыки оцениваются при каждом вопросе и как на них лучше отвечать.

Если вы новичок в области Data Science, то начинайте читать с самого начала, а если вы уже работаете в этой сфере, то переходите сразу к той главе, которая предлагает решение вашей текущей задачи. Несмотря на то что последователь ность глав соответствует развитию карьеры в этой сфере, их можно читать в про извольном порядке в соответствии с вашими потребностями. В конце каждой главы — интервью со специалистами, занятыми в разных индустриях. Они рассказывают, как рассмотренные вопросы коснулись их в ра боте. Мы выбрали тех специалистов, которые внесли весомый вклад в развитие Data Science и которым пришлось пройти интересный путь прежде, чем стать профессионалами.