Tôi chỉ muốn mở đầu bằng cách nói rằng bài viết này phản ánh nhiều hơn những gì tôi đã làm để đạt được vị trí của ngày hôm nay. Tôi không gợi ý rằng bạn sẽ đạt được điều tương tự bằng cách làm theo các bước tương tự, nhưng tôi nhận thấy rằng điều này có thể cung cấp cho bạn một góc nhìn độc đáo mà bạn có thể chưa nghĩ đến trước đây.

Với điều đó đã nói, chúng ta hãy đi sâu vào nó!

Có ba điều chính mà tôi đã làm để tăng gấp đôi thu nhập của mình:

1. Nâng cao kỹ năng (trong khoa học dữ liệu và học máy)
2. Viết blog (về khoa học dữ liệu và học máy)
3. Làm việc tự do (các dự án khoa học dữ liệu và máy học)

1) Nâng cao kỹ năng

Ngày nay, nhiều người có xu hướng hướng tới các khoản đầu tư rủi ro cao, có phần thưởng cao như Bitcoin với nỗ lực “làm giàu nhanh chóng”, nhưng như Warren Buffett đã nói, khoản đầu tư tốt nhất bạn có thể thực hiện là vào bản thân. Điều này đặc biệt đúng đối với những người không có tiền để đầu tư nhưng muốn cải thiện tài chính của mình.

Chỉ bằng cách nâng cao kỹ năng của bản thân và học khoa học dữ liệu và máy học, tôi đã tăng 40% lương của mình trong một năm.

Có ba lĩnh vực chính mà tôi tập trung vào trong năm qua:

Thao tác dữ liệu (SQL / Pandas)

Theo tôi, thao tác dữ liệu với SQL và Pandas là lĩnh vực quan trọng nhất mang lại cho tôi nhiều lợi ích nhất. Theo kinh nghiệm của tôi, phần lớn thời gian được dành để truy vấn dữ liệu, khám phá dữ liệu và quấn dữ liệu, tất cả đều yêu cầu SQL và Pandas. Trong tất cả các công việc liên quan đến dữ liệu của tôi (nhà phân tích tiếp thị tăng trưởng, nhà phân tích dữ liệu, nhà khoa học dữ liệu), SQL là mẫu số chung và được cho là kỹ năng quan trọng nhất đối với một chuyên gia dữ liệu.

Đây là những tài nguyên mà tôi đã sử dụng để tự học SQL và Pandas:

• Hướng dẫn SQL của Chế độ: Tôi luôn giới thiệu đây là một nguồn tài liệu vì nó đóng vai trò như một kim chỉ nam tuyệt vời để học các khái niệm nào, ngay cả khi bạn không sử dụng nó để thực sự học các khái niệm. Nó cũng tuyệt vời vì họ chia nhỏ các khái niệm thành các mức độ khó khác nhau.
• Các nghiên cứu điển hình về SQL của Mode: Những nghiên cứu điển hình này rất tuyệt vì chúng sẽ cho phép bạn áp dụng những gì bạn đã học và suy nghĩ chín chắn về cách bạn sẽ tiếp cận các tình huống trong thế giới thực.
• Câu hỏi về cơ sở dữ liệu LeetCode: Tôi luôn sử dụng điều này như một nguồn tài nguyên, đặc biệt là khi tìm kiếm công việc mới. Đó là một cách tuyệt vời để bắt chước các cuộc phỏng vấn viết mã liên quan đến SQL.
• Vấn đề thực hành gấu trúc: Cú pháp của Pandas không trực quan lắm (ít nhất là không giống SQL), và nó chưa bao giờ thực sự gây ấn tượng trong đầu tôi cho đến khi tôi bắt gặp kho vấn đề thực hành dành cho Pandas này!

Viết kịch bản (Python)

Tôi bắt đầu với Python vì đi học và có lẽ tôi sẽ gắn bó với Python trong suốt phần đời còn lại của mình. Nó đã vượt xa về mặt đóng góp nguồn mở và rất dễ tìm hiểu.

Có hai tài nguyên chính mà tôi thực sự khuyên dùng để phát triển các kỹ năng của bạn bằng Python (ngoài việc thực hiện các dự án phụ):

• Các vấn đề về thuật toán LeetCode: Tương tự với SQL, tôi đã sử dụng LeetCode để học cách viết (phần nào) các tập lệnh Python hiệu quả cho các vấn đề khác nhau.
• Công nghệ với Tim: Tech with Tim là một kênh YouTube, có nghĩa là nó miễn phí, nhưng nó tốt hơn hầu hết các khóa học trả phí và chương trình đào tạo hiện có. Tôi thực sự khuyên bạn nên xem qua các video của anh ấy và theo dõi anh ấy.

Machine Learning

Nhưng tất nhiên, thú vị là gì khi trở thành một nhà khoa học dữ liệu mà không cần học máy học! Dưới đây là hai tài nguyên quan trọng nhất mà tôi đã sử dụng khi bắt đầu sự nghiệp của mình.

• Giới thiệu về Máy học của Kaggle: Nếu bạn giống tôi và không thực sự hiểu chính xác cách hoạt động của máy học hoặc bạn không thực sự biết cách nó được triển khai trong mã, thì tôi thực sự khuyên bạn nên xem qua phần này.
• Thống kêQuest: StatQuest thật tuyệt vời vì sự hiểu biết làm thế nào mô hình học máy hoạt động. Một khi bạn hiểu lý thuyết, việc triển khai nó trong mã sẽ trở nên đơn giản.

Nếu bạn muốn có ý tưởng về các thuật toán học máy khác nhau, hãy xem bài báo của tôi ở đây.

Tôi thực sự đã viết một chương trình giảng dạy kéo dài 52 tuần bao gồm SQL, Pandas, Python và học máy, bạn có thể hãy kiểm tra tại đây.

Bây giờ tôi đã bao gồm gì Tôi đã nâng cao kỹ năng cho bản thân, bạn có thể tự hỏi làm thế nào Tôi đã tiếp cận vấn đề này, đó là điều tôi sắp nói tiếp theo.

2) Viết blog về khoa học dữ liệu và máy học

Một số bạn có thể biết rằng tôi đã bắt đầu một sáng kiến ​​cá nhân có tên là “52 tuần khoa học dữ liệu và máy học”, nơi tôi học, viết mã và viết về một thứ gì đó liên quan đến khoa học dữ liệu và máy học mỗi tuần trong suốt một năm. Điều này chủ yếu là để tôi có thể giữ cho mình trách nhiệm học hỏi điều gì đó mới một cách nhất quán.

Sau khi viết hơn 100 bài báo và xây dựng cơ sở người theo dõi hơn 20,000 độc giả, giờ đây viết lách chiếm khoảng 25% tổng thu nhập của tôi.

Dưới đây là ba mẹo đã mang lại cho tôi rất nhiều thành công:

Mẹo #1: Tìm ra điểm giao nhau giữa những gì bạn giỏi viết, những gì bạn thích viết và những gì mọi người thích đọc.

Hình ảnh được tạo bởi Tác giả.

Đây là mẹo đầu tiên mà tôi luôn dành cho những nhà văn có tham vọng. Tốt nhất, bạn muốn tìm một ngách thỏa mãn cả ba điều trên.

Nếu bạn tìm thấy điều gì đó mà bạn giỏi viết và bạn cũng thích viết về nó, nhưng mọi người không thích đọc về nó, thì bạn sẽ không xây dựng cơ sở người theo dõi (giả sử bạn quan tâm đến điều này).

Nếu bạn tìm thấy một chủ đề mà bạn giỏi viết và mọi người thích đọc về chủ đề đó, nhưng bạn không thích viết về nó, thì bạn sẽ không tồn tại được lâu vì bạn sẽ mất hứng thú.

Cuối cùng, nếu bạn tìm thấy một chủ đề mà bạn thích viết về và mọi người thích đọc về nó, nhưng bạn không giỏi viết về nó (ví dụ: vì bạn không có đủ chuyên môn), thì bạn có thể không nhận được lực kéo.

Và vì vậy, hãy dành phần đầu của cuộc hành trình để tìm ra thị trường ngách của bạn. Tôi sẽ nói rõ hơn về vấn đề này trong Mẹo số 3.

Mẹo #2: Hiểu cơ chế của nền tảng bạn đang viết.

Cho dù bạn đang sử dụng Medium, Substack, Patreon hay một nền tảng khác để viết blog, hãy đảm bảo rằng bạn dành thời gian để hiểu cách thức hoạt động của nền tảng này.

Tôi không thể nói quá chi tiết về vấn đề này, nhưng hiểu những thứ như thu nhập được tính toán, cách nền tảng có thể giúp bạn tự quảng cáo và những điều tương tự là những điều quan trọng cần suy nghĩ.

Bằng cách hiểu cơ chế của Phương tiện và cách hoạt động của nó, tôi đã có thể tối đa hóa khả năng tiếp cận của mình và cuối cùng là phát triển cơ sở người theo dõi của mình nhanh hơn nhiều.

Mẹo tiếp theo sẽ giúp bạn đạt được Mẹo # 1 và # 2:

Mẹo #3: Hãy xem xét khái niệm "Khai thác so với Khám phá" khi tạo nội dung.

Để tìm ra điểm giao nhau của ba điều trong Mẹo số 1 và để hiểu cơ chế của nền tảng bạn đang viết, hãy xem xét khái niệm khai thác so với thăm dò.

Ý tưởng này xuất phát từ một bài toán thống kê có tên là “vấn đề tên cướp nhiều nhánh. ” Tôi sẽ không đi vào quá nhiều chi tiết, nhưng ý tưởng chính đằng sau "thăm dò và khai thác" là quyết định xem có nên khám phá và tìm những ý tưởng tiềm năng mới hoặc để khai thác những ý tưởng mà bạn đã biết có hiệu quả.

Khi bắt đầu sự nghiệp viết blog / viết blog, bạn nên khám phá và thử nhiều ý tưởng nhất có thể để xem điều gì phù hợp nhất với bạn. Điều này có nghĩa là viết về các chủ đề khác nhau, xuất bản trên các ấn phẩm khác nhau và có khả năng thử các phong cách viết mới.

Khi bạn trở nên phát triển hơn về phong cách viết và sở thích của mình, bạn có thể tình cờ tìm ra “công thức” mang lại cho bạn thành công nhất quán trong việc viết của mình. Đây là lúc bạn có thể bắt đầu khai thác bước đột phá đó và nhân đôi công thức bí mật của mình.

Tóm lại, hãy khám phá càng sớm càng tốt trong hành trình của bạn, và khi bạn bắt đầu xác định bản thân và tìm kiếm thành công, hãy bắt đầu khai thác những hiểu biết sâu sắc và ý tưởng giúp bạn thành công.

3) Các dự án tự do

Phần thu nhập còn lại của tôi đến từ các dự án làm việc tự do liên quan đến khoa học dữ liệu và máy học. Các dự án mà tôi đảm nhận bao gồm viết các tài liệu kỹ thuật, viết nội dung tiếp thị và xây dựng mô hình.

Khi tôi mới bắt đầu, tôi chỉ kiếm được khoảng lương tối thiểu từ các dự án làm việc tự do. Điều này có ý nghĩa vì tôi không có nhiều kinh nghiệm, và tôi cũng không biết mình đáng giá bao nhiêu. Tuy nhiên, đến cuối năm, tôi đã có thể tính phí lên tới 50 đô la một giờ.

Phần lớn thu nhập của tôi đến từ những khách hàng quen thuộc trong ngành công nghệ. Tôi thực sự cũng không phải tiếp cận với bất kỳ ai khác - tôi đã có thể thu hút sự chú ý của khách hàng thông qua blog khoa học dữ liệu và học máy của mình và tôi nghĩ đó là điểm mấu chốt của bài viết này.

Blog khoa học dữ liệu và máy học của tôi không chỉ giúp tôi học một cách nhất quán mà còn giúp tôi xây dựng cơ sở người theo dõi của riêng mình và giúp tôi có được một số khách hàng làm việc tự do.

Liên quan:

• Hướng dẫn về cách trở thành nhà khoa học dữ liệu (Phương pháp tiếp cận từng bước)
• 6 bên hối hả cho một nhà khoa học dữ liệu đầy tham vọng
• Sự nghiệp dữ liệu KHÔNG phải là một kích thước phù hợp với tất cả! Mẹo để khám phá vai trò lý tưởng của bạn trong không gian dữ liệu