Bilde av forfatter
 

Å være på jobbjakt er tøft, det er ikke to måter å gjøre det på. Å sende ut CV, skrive om følgebrev, den uendelige ventetiden mellom å søke og vente på å høre tilbake (eller bare bli spøkt) – det er ikke gøy.

Den gode nyheten er at det er mye enklere enn det pleide å være. Du trenger ikke å poste eller levere brev fysisk lenger; du kan gjøre mange applikasjoner med noen få knappeklikk. Det er mange spesialiserte jobbtavler, verktøy for forberedelse av intervjuer og ekstra ressurser for å gjøre det mer sannsynlig å finne, søke og faktisk få drømmejobben din innen datavitenskap.

La oss snakke om de beste gratis ressursene for hånden for å få den datavitenskapsjobben.

Det spiller ingen rolle hvor skinnende CV-en din er hvis du ikke har ferdighetene til å sikkerhetskopiere legitimasjonen din. En av de beste måtene å få ferdigheter i datavitenskap er å gjøre dine egne prosjekter.

Noen ganger er det vanskelig å få ideer til datavitenskapelige prosjekter, og det er der kaggle kommer inn. Kaggle er vert for en enorm logg med datasett, maskinlæringskonkurranser, og inkluderer svar og ulike tilnærminger for hvordan man kan takle ulike prosjekter.
 

kilde: https://www.kaggle.com/datasets
 

Det er en utmerket ressurs fordi den lar deg bruke dine datavitenskapelige ferdigheter i praktiske scenarier, motta tilbakemeldinger og lære av andres løsninger. Ikke bare det, men hvis du faktisk vinner en Kaggle-konkurranse, kan det fungere som litt av en fleksibilitet for alle arbeidsgivere. De fleste dataforskere kjenner til Kaggle og vil være passende imponert over at du kan takle disse problemene.

Kort sagt, den mest verdifulle ressursen Kaggle gir er data fra den virkelige verden og problemer i den virkelige verden. Det gir verdifull eksponering for problemer på industrinivå – og muligheten til å bli lagt merke til av toppbedrifter.

Jeg kan være litt partisk her som grunnleggeren av StrataScratch, men jeg grunnla selskapet fordi jeg la merke til et reelt problem: det er vanskelig å forberede seg til datavitenskapelige intervjuer. Så jeg begynte å samle intervjuspørsmål fra så mange forskjellige selskaper jeg kunne og kategorisere dem etter vanskelighetsgrad, type spørsmål og selskap. Resultatet er en database med over tusen intervjuspørsmål fra det virkelige liv – både kodende og ikke-kodende – pluss løsningene hvis du er virkelig stusselig.

Etter min erfaring med å intervjue for datavitenskapsjobber, handler det ikke bare om å ha ferdighetene, det handler også om å kunne holde seg rolig og tenke gjennom hva de måtte kaste deg over. Som du kanskje forestiller deg, er det mye lettere å gjøre det hvis du har sett intervjuspørsmålet – eller en variant av det – før.

Det er også en god idé å øve på intervjuspørsmål på alle trinn i jobbjakten din innen datavitenskap, ikke bare når du har et intervju i kø. Å trene på IRL-intervjuspørsmål gir deg en følelse av hvilke problemer datavitenskapsselskaper er interessert i å løse, samt ferdighetene du bør fokusere på å lære eller finpusse.

Morsomt faktum: mens EDX og Coursera har svært dyre datavitenskap-kurs, kan du få all den samme kunnskapen helt gratis ved å revidere kursene. Nå betyr dette at du ikke får et sertifikat på prestasjonene dine, noe som definitivt kan være verdifullt, men du får leksjoner, opplæringsprogrammer og guider i verdensklasse gratis.

kilde: https://www.edx.org/verified-certificate
 

Bare finn kurset med informasjonen du er interessert i, og meld deg på under revisjonsmodus. Du kan bruke dette til å støtte opp svake punkter på CV-en din, lære ferdigheter for å gjøre prosjekter for porteføljen din, eller bare utforske et emne du brenner for.

Du leser dette videre KDNuggets, så du bør allerede vite at det er en nyttig ressurs for å få en datavitenskapsjobb. KDNuggets tilbyr imidlertid ikke bare blogginnlegg. Det er datasett (igjen, nyttig for prosjekter), live og virtuell hendelser (flott for nettverk), programmering jukselapper, og kuratert verktøyanbefalinger.

Jeg kaster inn Mot datavitenskapogså, siden det er en annen blogg fullpakket med opplæringsprogrammer, guider, fremgangsmåter, personlige historier og erfaringer og mer. Mens noen historier har betalingsmur, står mange gratis. Du kan enkelt bla gjennom TDS-hjemmesiden og se etter gratis historier som ikke har en liten stjerne ved siden av forfatterens navn.

Kort sagt, en av de beste måtene å få en datavitenskapsjobb på er å lære av andre dataforskere. Mange av dem er snille nok til å legge ut innhold gratis på nettet slik at du kan lese og nyte det.

Er du usikker på hvor du skal starte jobbsøket innen datavitenskap? Klassiske utfordrere som LinkedIn og Indeed vinner definitivt når det gjelder volum, men jeg elsker Velfunnet for å finne datavitenskapsjobber for det kuraterte aspektet.

Wellfound har noen fordeler i forhold til andre jobbtavler. En, filtreringsalternativene er kraftige. Du kan enkelt finne jobber basert på investeringsrunde, lønn, egenkapital, markeder, bedriftsstørrelse og mer.

For det andre er det først og fremst startups. Hvis du har prøvd og ikke klart å få en FAANG-jobb, kan det være på tide å vende blikket til en annen scene. Startups er sultne på datavitenskapstalenter, og hvis du kan utvide horisonten for å vurdere en litt mindre konvensjonell arbeidsgiver, kan det hende du har bedre hell.

Tre, det er bare litt nyere og ferskere, så jeg synes det er en bedre jobbjaktopplevelse. Funksjoner inkluderer å fortelle deg hvem som investerte i selskapet, hvor nylig rekruttereren gjennomgikk søkere, og hente inn statistikk fra Glassdoor om lederskap og balanse mellom liv og arbeid.

kilde: https://wellfound.com/

Jobbjakt er aldri gøy, og det føles som om dette året har vært verre når det gjelder selskaper som spøker mer, noe som gjør at du sitter gjennom flere intervjurunder bare for å si at stillingen faktisk ble besatt internt, eller rett og slett. legge ut ikke-eksisterende jobber å få seg til å se bedre ut foran potensielle investorer. Kanskje du til og med har vært borti en svindel stillingsannonse.

Forhåpentligvis gjør denne listen over gratis ressurser livet ditt litt enklere. Med disse fem gratisverktøyene vil du være bedre rustet til å finne og få din ideelle datavitenskapsjobb.
 
 

Nate Rosidi er dataviter og innen produktstrategi. Han er også adjungert professor som underviser i analyse, og er grunnleggeren av StrataScratch, en plattform som hjelper dataforskere med å forberede seg til intervjuene sine med ekte intervjuspørsmål fra toppbedrifter. Nate skriver om de siste trendene i karrieremarkedet, gir intervjuråd, deler datavitenskapelige prosjekter og dekker alt av SQL.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://www.kdnuggets.com/5-free-resources-to-master-your-data-science-job-search?utm_source=rss&utm_medium=rss&utm_campaign=5-free-resources-to-master-your-data-science-job-search