Текст книги "Data Science для карьериста"

Джесси Мостипак (Jesse Mostipak) работала в области молекулярной биологии и была учителем в государственной школе, прежде чем влюбилась в некоммерческое направление Data Science. На момент этого интервью она занимала должность управляющего директора Data Science в Teaching Trust. Вы можете найти ее статьи о некоммерческом DS, советы по изучению R и другие темы на ее веб-сайте https://www.jessemaegan.com.

С чего лучше начать поиск работы?

Подумайте о том, насколько вам важно название должности. Если вы отбросите предрассудки и сосредоточитесь непосредственно на обязанностях, перед вами откроется гораздо больше перспектив. Некоторые ключевые слова, которые не указаны в названии вакансии «дата-сайентист», – это анализ, аналитика и данные. С большим числом фильтров можно найти заголовок вакансии вроде «исследование и оценка», где по функционалу вы подходите на должность, которую никогда бы не нашли, будь у вас в поиске только стандартное название.

Сосредоточьтесь на том, чем именно хотите заниматься как специалист по данным. Мне, например, неинтересно рассчитывать рентабельность инвестиций по количеству кликов на веб-сайтах. Я спросила себя: «Чего я хочу? Какие организации соответствуют моим интересам?» Мне было интересно поработать с девочками-скаутами (Girl Scouts): оказалось, что они искали аналитика, и взяли меня. То же самое произошло с Teaching Trust, когда я захотела больше заниматься образованием.

Как создать свою сеть контактов?

Пытаясь попасть в сферу Data Science, я делала много бесполезных вещей. Я репостила в Twitter каждую прочитанную мной статью о DS, размещая 20 бессмысленных постов в день. Решите, с кем вы хотели бы встретиться, почему и что ценного вы приносите в эти взаимоотношения. Подумайте о личном бренде, убедитесь, что ваш образ в интернете и в социальных сетях соответствует действительности. Что касается меня, я поняла, что не могу быть идеальным специалистом и что нет смысла ждать, пока я все выучу, прежде чем вести соцсети, ведь этого никогда не произойдет. Вместо этого я решила рассказывать о том, что я изучаю, и быть открытой. Именно так я и построила свою сеть.

Что делать, если вы не уверены, что стоит откликаться на вакансию?

Если вы развиваете навыки, умеете проводить анализ на Python или R и владеете базовыми знаниями, вам следует сосредоточиться на том, как научиться рисковать и терпеть неудачи. Как дата-сайентист вы должны к этому привыкнуть. Если вы боитесь рискнуть, откликнувшись на вакансию, то что же будет, когда вы рискнете в отношении модели, а она не сработает? Смиритесь с идеей неопределенности и итераций. Вы должны откликнуться и попробовать; если вам откажут, ничего страшного! Мне регулярно отказывают в работе; это часть опыта, и не более того.

Что бы вы сказали человеку, который думает: «Я не отвечаю всем требованиям вакансии?

Как показывает ряд исследований, определенные группы людей считают, что им необходимо иметь 100 %-ную квалификацию, тогда как другие говорят: «Я отвечаю 25 % требований? Отлично, откликаюсь!» Докажите, что вы не хуже, и дерзайте. Но вы также можете неправильно понять описание. Допустим, в списке перечислены отдельные навыки, например 10 лет работы с базами данных SQL. Вы можете подумать: «У меня нет такого опыта; я семь лет работаю с Microsoft Access». Но я бы сказала, что это навыки широкого применения. Вы как кандидат должны сказать себе: «Возможно, у меня нет именно этого навыка, но зато есть очень похожий на него. Мне нужно посмотреть на SQL, понять, насколько я могу использовать свои навыки, и рассказать этой компании, какие удивительные вещи я делал с Microsoft Access и что они должны меня нанять, потому что я знаю, что могу сделать то же самое с SQL, и не только».

Ваш последний совет начинающим дата-сайентистам?

Вам необходимо развивать коммуникативные навыки и гибкость. Вы должны уметь общаться на всех уровнях своей организации так, чтобы уважать профессионализм людей, с которыми контактируете, а также показывать, что вы здесь для того, чтобы сделать их жизнь проще.

Под гибкостью я имею в виду способность сказать что-то вроде: «Я вижу решение этой проблемы или проекта иначе, но я понимаю, что вы имеете в виду. Давайте попробуем вот так, и, возможно, я смогу решить ее вот так». Вы должны быть гибкими, потому что люди еще не до конца разбираются в Data Science. Организации хотят, чтобы у них работали такие специалисты, но когда они их нанимают, то не знают, что с ними делать. Вы радость и отрада организации; если ее потребности изменились, вам необходимо развиваться и адаптироваться, чтобы удовлетворить их наилучшим образом.

Наконец, знайте, что ваши обязанности могут измениться. Вы должны быть в состоянии сказать: «Я не думал, что буду этим заниматься, но как мне к этому приспособиться?» Нельзя говорить: «Я разбираюсь в нейронных сетях лучше всех, но я этим не занимаюсь, поэтому очевидно, что эта работа – дрянь». Вы должны знать, что любая ваша должность будет меняться и развиваться в соответствии с потребностями компании.

• Ищите на портале по трудоустройству общие термины, такие как «данные», и уделяйте внимание описанию вакансии, а не ее названию.

• Не волнуйтесь, если понимаете, что не соответствуете требованиям, указанным в описании, на все 100 %.

• Помните, что процесс поиска работы – как улица с двусторонним движением. Обратите внимание на тревожные сигналы и подумайте, каким направлением Data Science хотите заниматься.

6. Отклик на вакансию: резюме и сопроводительное письмо

В этой главе

• Как составить убедительное резюме и написать сопроводительное письмо.

• Как адаптировать отклик под каждую вакансию.

Итак, перед вами список интересных открытых вакансий; пришло время заявить работодателям о своем существовании! Практически каждая вакансия потребует от вас отправки резюме с указанием списка ваших выдающихся навыков и опыта. Для большинства также требуется сопроводительное письмо на одну страницу, в котором вы рассказываете, почему считаете себя подходящим кандидатом. Конечно, легче всего быстро перечислить предыдущие места работы и написать шаблонное письмо, в котором вы выражаете интерес к работе в компании. Однако усилия, которые вы приложите в этом случае, могут стать решающим фактором для приглашения вас на интервью.

В этой главе мы для начала убедимся, что ваше базовое резюме и сопроводительное письмо составлены максимально грамотно, а также поделимся опытом и расскажем о типичных ошибках, которых лучше избегать. Затем мы научим вас «подгонять» основное резюме и сопроводительное письмо под каждую вакансию. Наконец, мы покажем, как сделать так, чтобы ваше тщательно подготовленное резюме попало в руки рекрутера, а не в переполненную стопку с резюме других кандидатов.

В этой главе мы объясним, как важно быстро убедить человека в том, что вы подходите на эту должность. Рекрутеры часто получают сотни резюме на каждую вакансию в Data Science. Кроме того, поскольку в сфере есть много направлений и должностей, кандидаты, которые откликаются на вакансии, обладают огромным диапазоном навыков. Это еще одно подтверждение тому, что в вашем резюме должно быть сказано что-то вроде: «Эй, хватит просматривать эту огромную кучу с остальными кандидатами, вы уже читаете мое резюме. Вы нашли то, что искали». Но показать, что вы квалифицированный специалист, – задача не из легких.

Хотя нетворкинг и персонализация откликов требуют времени, они дают гораздо лучшие результаты, чем если вы потратите всего час на написание шаблонного сопроводительного письма и резюме, а затем ответите на десятки вакансий одним кликом. У вас будет больше шансов попасть на интервью, так как вы отредактировали свой отклик в соответствии с требованиями компании. А когда вас все же пригласят (тема главы 7), то вы сможете блестяще ответить на распространенный вопрос: «Почему вас заинтересовала эта вакансия?»

Цель вашего резюме не в том, чтобы получить работу, а чтобы попасть на интервью. Рекрутеры, которые нанимают кандидатов, явно не соответствующих требованиям, получают нагоняй от своих руководителей, и наоборот: их хвалят, если подобранные ими сотрудники справляются хорошо. Ваше резюме должно показать, что вы проходите по требованиям, чтобы рекрутер мог спокойно продвигать вас дальше.

Цель резюме заключается вовсе не в перечислении вашего предыдущего опыта, но, к сожалению, многие неопытные соискатели делают именно это. Несмотря на ваше желание избежать пропусков и включить места работы, с которых вы недавно уволились, можете смело удалять опыт, не связанный с Data Science. И даже c солидным опытом за плечами все равно лучше сосредоточиться на выделении наиболее актуальных мест работы. Большинство рекрутеров не станет читать резюме на несколько страниц из-за недостатка времени; а еще они не смогут сказать вашему потенциальному начальнику, на какие его части следует обратить внимание. Никто не скажет вам: «Ну, мы бы вас взяли, но вы не указали, что в старшей школе вы работали спасателем, поэтому мы вам отказываем».

Позже на интервью у вас будет достаточно времени, чтобы подробно рассказать о своих прежних местах работы, образовании и проектах в Data Science. А пока сосредоточьтесь лучше на требованиях, указанных в вакансии. У вас еще будет возможность рассказать о своих выдающихся качествах, которые помогут вам выделиться на фоне других кандидатов, но на первом этапе постарайтесь соответствовать ожиданиям рекрутера.

Исходя из этих соображений, мы рассмотрим основную структуру резюме, расскажем о многочисленных правилах его составления, а также о том, чем его лучше наполнить. Бˆольшая часть этой информации применима к любой технической должности в отрасли, но мы максимально сосредоточимся на том, что свойственно и уникально именно для резюме в области Data Science. Мы также составили резюме, которое вы можете использовать в качестве примера (рис. 6.1).

Рис. 6.1. Пример резюме начинающего дата-сайентиста

В этой части мы рассмотрим каждый раздел резюме, останавливаясь подробнее на том, что там следует написать.

ПРИМЕЧАНИЕ Единственная цель резюме – убедить человека, просматривающего его по диагонали, что вас стоит пригласить на интервью.

Раздел: контактная информация

Не забудьте включить в резюме контактную информацию, чтобы рекрутер мог с вами связаться! Вы должны указать как минимум имя и фамилию, номер телефона и адрес электронной почты. Кроме того, можете дать ссылки на источники, где о вас можно больше узнать, включая ссылки на профили в социальных сетях, например LinkedIn, онлайн-базы кода, такие как GitHub, а также указать личные веб-сайты и блоги. Чтобы понять, что еще можно добавить, спросите себя: «Если кто-то это увидит, пойдет ли это мне в плюс?» Например, ссылка на портфолио вашего проекта – это восхитительно. А ссылка на профиль GitHub с копией учебного проекта – нет. Если вы выкладывали какую-нибудь из своих работ в открытый доступ, попробуйте найти способ отразить это в резюме.

Как правило, следует также указать город и штат проживания, чтобы рекрутер знал, как вы будете добираться до работы и придется ли вам переезжать ради нее. Некоторые компании не оплачивают переезд новых сотрудников, поэтому если вы живете далеко и не хотите рисковать, то можете не указывать свое местоположение.

Если ваша официально зарегистрированная фамилия и полное имя не совпадают с обычным именем, можете использовать последнее. В дальнейшем вам нужно будет сообщить работодателю свое официальное имя: это требуется для проверки данных, но вы не обязаны использовать официальное имя при отклике.

Наконец, откажитесь от адреса электронной почты, который может быть оскорбительным (например, [email protected]) или адрес с истекшим сроком действия (например, ваш старый школьный имейл).

В этом разделе вы показываете, что обладаете достаточной квалификацией благодаря предыдущему опыту, стажировкам или курсам, которые прошли. Если ваша предыдущая работа связана с Data Science, например вы занимались разработкой ПО, это прекрасно: выделите под нее значительную часть резюме. Если работа никак не связана с этой сферой, например вы были профессором истории искусств, укажите это, но не переусердствуйте. Сопроводите каждое место работы названием компании, месяцем и годом начала и окончания работы, названием должности и описанием своих обязанностей (минимум один пункт для обычных должностей и два или три для наиболее значимых). Если вы новичок или выпускник, можете указать стажировку и исследовательскую работу.

Раздел: опыт

ИЮНЬ 2019 – ПО НАСТОЯЩЕЕ ВРЕМЯ, САН-ФРАНЦИСКО

СТУДЕНТ ПРОГРАММЫ DATA SCIENCE, ПОТРЯСАЮЩИЙ БУТКЕМП

• создала веб-приложение на Python, которое рекомендует вам лучший район Нью-Йорка для проживания в зависимости от бюджета, образа жизни и работы;

• проанализировала 2200 статей на тему бизнеса из газеты New York Times, используя для этого обработку естественного языка, и визуализировала изменение тем с течением времени.

Этот раздел должен быть самым большим и потенциально может занимать половину резюме. Он также является самым важным, так как первое, на что рекрутеры будут обращать внимание, – это наличие у вас опыта работы с данными, который похож на требуемый в вакансии. Крайне важно оформить этот раздел правильно, поэтому мы подробно рассмотрим, как это сделать, в части 6.1.2.

Раздел: образование

ОБРАЗОВАНИЕ

ИЮНЬ 2017, НОВЫЙ ОРЛЕАН

БАКАЛАВР ЭКОНОМИКИ, ВТОРОСТЕПЕННАЯ СПЕЦИАЛЬНОСТЬ – СТАТИСТИКА, КРУТОЙ УНИВЕРСИТЕТ

Cредний балл успеваемости 3,65/4.

Курсовые работы по теме: линейная алгебра, введение в регрессию и статистические вычисления, экспериментальный дизайн, эконометрика, основы алгоритмов и вычислений.

В этом разделе вы рассказываете о своем образовании. В идеале вы должны показать, что обладаете набором навыков, которые будут полезны для работы в Data Science. Если вы обучались где-либо после старшей школы, укажите эти заведения, даже если у вас нет диплома, а также даты обучения (в том же формате, что и даты работы) и тематику обучения. Если вы ищете свою первую работу и у вас высокий (выше 3,3) средний балл, можете это указать. Если вы недавно закончили обучение и изучали статистику, математику, информатику или любые другие предметы, в которых все это применялось (например, методы исследования социальных наук или инженерное дело), укажите их.

Рекрутерам будет очень интересно узнать, есть ли у вас специализация, имеющая отношение к сфере, например есть ли у вас степень в области Data Science, статистики, информатики или математики. Их также интересует уровень образования. Поскольку многие темы в этой области не рассматриваются до магистратуры, наличие диплома магистра засчитают вам в плюс. Рекрутерам обычно все равно, где вы учились, если только это не очень известный или престижный университет. Тем не менее если вы выпустились давно, то место вашего обучения не столь важно. При этом рекрутеры отмечают любые буткемпы, сертификаты или онлайн-программы, потому что они показывают, что вы прокачали свои навыки.

Хотя из раздела об образовании в резюме рекрутер может почерпнуть ценную информацию, вы никак не сможете улучшить этот раздел, если только не получите дополнительное образование или сертификат, о которых мы говорили в главе 3.

Раздел: навыки

НАВЫКИ

• Python

• SQL

• Машинное обучение

• Git

• Pandas

• Seaborn

• Scikit-learn

• NymPy

В этом разделе вы можете перечислить все свои навыки в Data Science. В идеале рекрутер посмотрит сюда и скажет: «Отлично, подходит», – потому что эта информация соответствует вакансии. В этом разделе резюме перечисляются два типа навыков:

• Программирование/работа с базами данных. Это могут быть языки программирования, например Python и SQL, фреймворки и среды, например. NET или JVM, инструменты Tableau и Excel или экосистемы, например Azure и Amazon Web Services (AWS).

• Методы анализа данных. Второй тип – это методы анализа данных, такие как регрессии и нейронные сети. Возможно, вы владеете несколькими методами и все же постарайтесь сосредоточиться на ключевых, которые покажут, что у вас есть база плюс пара-тройка особенных навыков. Указав список вроде «регрессия, методы кластеризации, нейронные сети, анализ опросов», вы продемонстрируете, что знаете основы и более продвинутые темы.

Старайтесь не указывать более семи-восьми навыков, чтобы не перегружать людей. Также не стоит перечислять то, что не имеет никакого отношения к вакансии (например, малоизвестный язык программирования времен вашего обучения в магистратуре).

Перечислите только то, с чем вам будет удобно работать. Не указывайте язык, с которым не имели дела пять лет и который не хотите заново осваивать. Вас могут спросить обо всех пунктах из резюме. Если в вакансии требуются определенные навыки, а они у вас есть, обязательно укажите их! Ведь это именно то, чего ищут рекрутеры.

Мы не советуем использовать рейтинги, баллы или другие аналогичные способы, чтобы показать, насколько круто у вас развит каждый навык. Во-первых, рейтинги не значат ничего: любой может оценить себя на 5 из 5. Если вы поставите себе максимальные оценки, менеджер по персоналу может подумать, что вы врете или недостаточно самокритичны; если вы оцените себя ниже, в ваших способностях могут усомниться. Кроме того, непонятно, по каким критериям вы оцениваете каждый уровень. Что означает 5 из 5? Что вы считаете себя одним из лучших специалистов в мире, умеете решать сложные задачи или превосходите коллег в определенных навыках? Если HR действительно хочет, чтобы вы самостоятельно оценили свой уровень, он попросит вас об этом во время интервью.

Не перечисляйте «мягкие» навыки (soft skills), такие как критическое мышление и межличностную коммуникацию. Хоть они и играют важную роль в успешной работе, нет никакого смысла включать их в резюме, потому что они есть у всех. Если вы действительно хотите акцентировать на этом внимание, расскажите о том, как применили эти навыки в конкретных ситуациях. Кроме того, не нужно перечислять основные навыки, которые подразумеваются по умолчанию для этой вакансии, например не следует упоминать, что вы умеете работать с Microsoft Office Suite.

Раздел: DS-проекты (дополнительно)

Если вы делали проекты с данными вне основной работы, можно выделить их в отдельный раздел. Он отлично подходит для тех кандидатов с небольшим опытом, которые занимались сторонними проектами в университете или буткемпе. По сути, вы говорите рекрутеру следующее: «Возможно, у меня не так много опыта работы, но это не важно, ведь я справился со всеми этапами процессов Data Science».

У каждого проекта должно быть название. Кроме того, вы должны описать, что и как делали, и рассказать о результатах. Проекты должны быть структурированными и содержательными, поэтому все, что описано в разделе 6.1.2 о создании контента, применимо и к ним. В идеале у вас должна быть ссылка на статью в блоге или хотя бы на репозиторий GitHub с информативным файлом README. Data Science – техническая область, где так легко показать проделанную работу, для чего и подходит этот раздел. Его можно пропустить при солидном опыте работы, но стоит все же рассказать о проектах в интервью.

Раздел: публикации (дополнительно)

Если вы публиковали статьи, связанные с Data Science, во время учебы в магистратуре или аспирантуре, перечислите их в резюме. Статьи в других областях, даже если это физика или вычислительная биология, тоже можно упомянуть, только кратко: так как они не связаны с Data Science напрямую, читающий вряд ли оценит что-то, кроме ваших стараний ради публикации. Вы можете описать проделанную во время исследования работу в разделе «Опыт работы», например указать, что был «создан алгоритм для анализа миллионов последовательностей РНК в минуту». Но сама по себе публикация, пусть даже в престижном журнале, о котором HR впервые слышит, вряд ли далеко вас продвинет.

Другие разделы

Можно добавить и другие разделы, например «Награды», если вы выиграли соревнования Kaggle или получили стипендию или грант, но это не обязательно. Предоставлять рекомендации не нужно; позже такая возможность появится, если вы дойдете до этого этапа. Не стоит подробно расписывать свои объективные цели: это избыточная информация, учитывая все, что вы уже перечислили в резюме. Фраза «специалист по работе с данными, имеющий опыт работы с Python, ищет работу для развития навыков A/B-тестирования и моделирования» вряд ли приведет рекрутера в восторг!

Соединяем все вместе

Как правило, контактная информация размещается в начале, после чего следует наиболее важный раздел резюме. Если вы еще учитесь или недавно выпустились, поместите туда информацию об образовании; если у вас нет соответствующей работы или диплома, это место должен занять список DS-проектов; в противном случае поделитесь своим опытом работы. В разделах «Работа» и «Образование» укажите все места в обратном хронологическом порядке, начиная с последнего.

Мы видели множество эффективных форматов резюме. В случае с Data Science у вас есть немного свободы выбора в плане дизайна; какие-либо стандарты здесь в принципе отсутствуют. Несмотря на это, вы всегда должны стремиться к тому, чтобы ваше резюме можно было легко и быстро просмотреть по диагонали. Рекрутеры изучают резюме очень кратко: вы ведь не хотите, чтобы все это время было потрачено на поиск вашего последнего места работы? Не позволяйте дизайну отвлекать от содержания; подумайте, как он будет восприниматься читающим. Вот несколько полезных советов:

• Используйте понятные заголовки разделов, чтобы между ними можно было легко переключаться.

• Сделайте расстояние между абзацами больше, чтобы текст воспринимался легче.

• Выделяйте важные слова жирным шрифтом. Например, можно выделить должности, которые вы занимали в каждой компании.

Если эти идеи вам не подходят, возьмите шаблон из интернета или проконсультируйтесь со специалистом.

Как правило, лучше ограничиться одной страницей. Это делается по двум причинам: рекрутер крайне быстро просматривает ваше резюме, и за это короткое время он должен узнать о вас ровно то, что вы считаете наиболее важным. Кроме того, так вы показываете, что умеете емко доносить информацию и понимаете, какой опыт самый значимый. Если же человек отправляет резюме на 17 страницах (а мы видели и такое!), значит, он не имеет ни малейшего представления о том, почему подходит на должность; более того, он считает себя вправе отнимать столько времени у других людей.

ВЫЧИТКА Очень важно проверить свое резюме! Несколько опечаток или грамматических ошибок могут отправить ваши старания в (метафорическое) мусорное ведро. Почему так жестко? Просматривая сотни резюме, рекрутеры выделяют два типа: замечательные (редко) и те, которые можно легко выкинуть. Второй тип требует некоторых правил отбора, и в дополнение к резюме кандидатов, которые явно не соответствуют требованиям, резюме с опечатками также легко станет причиной для отсеивания. Работа в Data Science требует внимания к деталям и проверки своих трудов; если вы не можете с этим справиться, когда выдаете все свои козыри в резюме, то что уж говорить о работе? Кроме проверки орфографии в текстовом редакторе попросите хотя бы еще одного человека внимательно прочитать ваше резюме.

Наконец, убедитесь, что резюме написано в одном стиле. Если вы сокращаете названия месяцев в разделе об образовании, сократите их и в разделе о работе. Хотя допускается использовать разные шрифты и кегль для заголовков и основного текста, все пункты должны быть одинакового формата. Пишите о предыдущем опыте в прошедшем времени, а для описания текущего места работы используйте настоящее. Так вы показываете, что обращаете внимание на мелкие детали и (опять же) помогаете рекрутеру быстро обрабатывать контент, так как ему не придется отвлекаться на разный шрифт или стиль. Одно несоответствие вряд ли будет стоить вам интервью, но иногда такие мелочи играют решающую роль: помните, что дьявол кроется в деталях.