原文：
www.kdnuggets.com/2022/01/unable-land-data-science-job.html
我有心理学学位。我想从事数据科学，所以我报名参加了一个训练营。我已经试图找到数据科学工作好几个月了，但毫无结果。我要么没有回应，要么公司告诉我我没有他们所寻找的经验。
人们常常向我寻求数据科学建议，这是我收到的最常见的信息之一。来自不同背景的个人试图进入数据科学领域，但无法在行业中找到工作。
他们问我关于硕士学位是否会增加他们在行业中找到工作的机会，或者是否有任何特定的课程可以做，以在简历上看起来更好。
在这篇文章中，我将提供我的见解，解释为什么这些人可能会在找到数据科学工作方面遇到困难。数据行业存在很多误解，我希望在这篇文章中澄清一些。
不久前，有人向我提出了类似的消息。这个人参加了训练营，并申请了几个数据科学职位几个月了。他们的申请要么被拒绝，要么被忽视，未能进入面试阶段。
我查看了他们的简历，立刻意识到了问题所在。
他们唯一相关的数据科学教育只是他们的训练营证书。他们确实在简历上列出了多个数据科学项目，但一眼就能看出这些项目都是在训练营期间完成的。
阅读他们的简历后，我给了这个人以下建议：
-
你需要理解，你正在和硕士学位毕业生竞争同样的入门级职位。一个训练营或在线课程的证书不足以做到这一点。
-
你的简历中的技能部分没有列出作为数据科学家所需的许多技能。你主要列出了机器学习的 Python 包和可视化工具，看起来这些东西也都是在训练营中教授的。
-
你的简历中的项目部分仅包括在训练营期间完成的项目。招聘人员会知道这一点，特别是如果所有来自同一训练营的毕业生都有类似的项目。
从纸面上看，这个人做得一切都很正确。他们报名参加了一个训练营，学习了编程，并将所学应用于构建项目。
然而，这还不够。
即使是硕士学位毕业生也会有知识上的空白。
为什么人们会认为一个训练营或在线课程足以成为数据科学家？
人们常常低估了成为数据科学家所需的努力。
我从未见过一个领域像数据科学那样充满炒作。
问题在于那些承诺在接下来的几个月内将你培养成数据科学家的培训营和在线课程。问题在于那些不断编造自己如何轻松找到数据科学工作的博主和 YouTuber，并让人觉得你也可以轻松做到。
要在六个月或一年内找到数据科学的工作是 可能的。人们之前已经做到过。但这绝对不容易。如果你想在没有任何正式培训的情况下做到这一点，那就准备付出至少三倍的努力。
以下是关于找到数据科学工作的两种最流行的说法：
-
第一种说法来自那些认为你需要有扎实的学术基础或至少拥有博士学位才能成为数据科学家的门槛把控者。
-
第二种说法是教育工作者坚信，只要上一个在线课程或培训营，任何人都可以成为数据科学家。
这些说法都不正确。答案在中间某个位置。
拥有硕士学位或某种形式的数据科学培训当然很好，但不是每个人都有这样的特权或时间。如果是这样的话，可以自学数据科学。但这不是通过单一的培训营或在线课程能实现的。
数据科学不是一个有预定义路径的领域。没有固定的学习主题，因为这个领域在不断变化。数据科学家的工作范围涉及不同的责任。因此，没有固定的课程或培训营可以让你成为数据科学家。你需要不断自学，学习永无止境。
你需要主动自学许多这些技能。创建你认为能帮助解决公司问题的项目。学习多种编程语言、一些模型部署、数据收集、云计算和机器学习，然后你就能迈向成为数据科学家的道路。
当然，通用数据科学家和专门化数据科学家之间是有区别的，但如今大多数数据科学职位要求你对我上面列出的所有内容都有一定了解。
即使你还没有掌握所有这些技能，你也需要至少向潜在雇主展示你有在工作中学习这些技能的能力和技术深度。
我给那个联系我的人的最终建议是将注意力从数据科学转移开。
这个人有限的时间内需要尽快找到工作，这不幸是大多数人面临的情况。
我注意到这个人的简历上列出了他们的市场营销背景。
我建议他们申请市场分析师、数据分析师或顾问的职位。
他们有一些从培训班中学到的技术背景，并且在营销领域工作过一段时间。他们具备的领域专业知识和技术知识的结合对他们有利。
我遇到的大多数数据分析师在处理数据方面非常出色，但由于缺乏市场营销专业知识，在挖掘商业价值方面有所不足。
我建议这个人，如果他们很快需要找工作，可以从分析师开始。他们将通过每日的数据工作学到很多东西，并可以继续在业余时间学习数据科学。
我知道很多人从分析师或数据工程师开始，随着时间的推移成功转型为数据科学家。
我以前写过文章，关于不需要硕士学位也能找到数据科学工作的情况，以及如何在没有正式资格的情况下进入这个行业。
虽然我仍然坚持这一点，但我相信这些文章可能也在一定程度上淡化了成为数据科学家所需的努力。我可能让它听起来过于简单。
在任何领域达到一定水平都需要时间和努力。数据科学也不例外。没有任何特定的课程或培训班能完全为你准备好数据科学的工作。
再次强调，数据科学课程非常有帮助，但它们只能帮助打下基础。重任需要由你来完成。
在过去的一年里，我花时间学习了统计学、机器学习、数据收集、网页开发、编程、数据库操作、模型部署和商业分析的基础知识。我目前正朝着成为 Google Cloud 数据工程师认证的方向努力，尽管我们在工作场所并不使用 GCP。
这是一项艰巨的工作，我学到了比任何培训班所能提供的更多的知识。
如果你是数据行业的初学者，这篇文章不是为了吓唬或打击你。数据科学有太多误解，而且这个行业如今已经高度商业化。
在线课程和培训班对于入门非常有用，但学习并不会就此结束。
Natassha Selvaraj 是一位自学成才的数据科学家，对写作充满热情。你可以在 LinkedIn 上与她联系。
原文。经许可转载。