注册一亩三分地论坛,查看更多干货!
您需要 登录 才可以下载或查看附件。没有帐号?注册账号
x
看到地里有不少同学问转行做DA/DS的帖子,决定把自己这两年的经验和学习过程中用的一些资料写一下。本文并没有面经或刷题技巧可参考,我比较注重的是长期积累和在职业规划中不断微调自己的侧重方向。当时做了两手准备,一是希望在公司内部完成转职,二是出去投简历。从自学写第一行代码开始,到在公司内部升到DS的职位,没有去Boot Camp,花了两年多时间,不能说很快,但考虑自己一直在全职工作,旅游社交健身都没落下,也还算比较满意了。如果我的经验对大家有那么一点帮助的话,求加米:). From 1point 3acres bbs
.1point3acres
先介绍下背景。楼主专业是和编程统计没啥关联的冷门理科。前几年的时候,经历了家庭变故,处于人生最低谷,在长年的gap后,开始了一份在南加销售相关的工作。虽然工资很低,但比起之前的动荡好了太多,以至于在这个小公司安逸地待了一年多,也没有太思进取。
转机发生在一个好友搬到湾区工作,开始对我洗脑应该也搬去湾区,工作机会多(实际上她的动机是需要找信任的朋友一起合租:))。我那时其实挺有惰性,拖了挺久才下定决心试试。因为觉得自己对Excel,数字和分析都还比较在行,觉得Analyst应该是个自己会喜欢,也比较实际的目标——这是2016年初,那时的我根本还没有对DS这个职位有什么了解或梦想。. From 1point 3acres bbs
几个月后我顺利拿到湾区一份Analyst的offer。回想一下从销售转到Analyst这一步没有很难,个人觉得有以下几个原因:虽然之前工作性质是销售,但我们有用Salesforce,于是在简历中强调如何用salesforce的reporting功能来分析sales trend,做销售报表。另外有身份,有美国研究生文凭和美国工作经验,所以比较容易就实现了第一次转行。
到了湾区之后的变化是潜移默化的。湾区整体的科技氛围不知不觉让我对职业规划开始有了一些模糊的考虑。这一次的契机发生在工作中。一次老板对我提到另一个部门的Analyst设计了一个可以通过邮件自动发送周报告的程序。我好奇地去了解了一下,这位同事告诉我他是用Python写了一个小程序。我对编程一窍不通,于是同事给我推荐了一些Python的入门资料,就是那种最最基础的互动性网站,一步一步带你从print hello world到基本的list, dictionary等。因为很简单,所以很快就顺利完成了。因为这个时候对湾区整体的工作情况已经有一些了解了,也知道Python是一项非常热门的技能,就开始想,也许我应该朝这个方向开始学习。自己开始查阅相关资料,学Python的职业前景,编程和数据科学——这是2016年下半年,我第一次正式开始了解数据科学。我很快就决定,这是非常适合我的职业目标,因为它既是我现有工作的进阶延伸,也和我个人兴趣吻合,又没有那么高的编程要求。
有了目标后我开始系统学习Python。第一本教材是Python for Informatics。网上有免费下载:http://www.pythonlearn.com/book_007.pdf 个人觉得非常适合初学者,简单全面。这本书也是Coursera的Python for Everyone公开课的教材:https://www.coursera.org/specializations/python 我都是下班之后业余时间学习,大概两个月就可以完成整个specialization和书了,这时已经可以对Python的基本语法有不错的初步了解了。
这之后我开始学Applied Data Science with Python Specialization:https://www.coursera.org/specializations/data-science-python 这个Specialization开始介绍scikit-learn,各种ML algorithm,基础matplotlib绘图。非常实用,也不会很难。
在我学课的同时,我也开始学着在网上查找相关的资料,比如Python Salesforce API的使用方法。因为同事并不肯直接分享他写的程序代码,我只能根据从谈话中了解到的思路来想办法自己写出这个automation的code。经过几个月的实验我终于写出了自己的版本。同事非常震惊我的学习速度:)
. From 1point 3acres bbs
这时时间已经到了2017下半年,我选择了跳槽到另一家规模更大的公司做BA。回想一下这也是关键的一个契机。新公司有庞大的消费者数据,组里传统方法一般是SQL+Excel来分析。如果是时间上不太紧急的任务,我会尽量尝试用Python尤其是Pandas来做绝大部分的数据分析,如果有好的code snippet就存下来重复使用,慢慢地熟能生巧。有时候有一些不太常规的business问题,可以试着上网加Python的关键字搜搜,能打开很多思路,有时候也会找到很多相关的代码,customize一下就可以拿来用到自己的business问题上。比如这篇cohort analysis的文章,非常简单实用:http://www.gregreda.com/2015/08/23/cohort-analysis-with-python/ 我拿这个基础代码改出了很多适用于自己的工作的版本,让老板非常满意。网上诸如此类的文章还有很多,强烈建议正在做BA的朋友多利用这些资源提高自己的工作效率,也提高自己的Python coding技能。
再说一些这段期间的课程学习吧。学完了Andrew Ng的经典ML课程。因为之前学的偏Applied DS,这门课补了一下基础理论,觉得还是很有收获的。接下来学了Data Mining Specialization:https://www.coursera.org/specializations/data-mining 属于intermediate level,最后的Capstone project是一个比较全面的Yelp hands on project,做完之后觉得锻炼了不少Data Mining的实用技巧。个人觉得是一个可以写到简历上的side project。Machine Learning with TensorFlow on GCP Specialization: https://www.coursera.org/special ... ing-tensorflow-gcp? 因为我们公司后来用了Azure,所以我并没有机会实际使用这里面的很多东西,不过里面的hands on lab提供很多熟悉GCP平台的机会。
另外还有一个学习平台是Kaggle。我喜欢去看一些跟自己工作比较相关的竞赛,比如消费者相关的。很多关于分析销售数据的技巧能直接拿到工作中,像EDA的优秀代码更是有很多。
我还有一点幸运的是,我的老板也对数据科学很感兴趣,所以非常支持我的学习和尝试。感谢他的信任和行动力,我做的两个ML models也很快就进入production了。
这时已经到了2019年初,经过这两年多的学习和工作,我感觉自己已经有了比较合适的技能和相关经验,开始考虑投DS的工作了,但是同时我也想确定在公司内部我有没有被提升的机会。因为我们公司是传统老牌公司,还没有正式的DS组。老板一直表达了愿意为我争取的意向。4月时,老板告知我,今年应该是不会有这样的机会了。我是预想到组内直接被破格提升的难度的,失望是有的,但我知道自己还有跳槽的选择。我告诉老板成为DS对我来说很重要,因为以前年少的时候不懂事,浪费很多大好时光,所以现在我比常人要加倍努力,弥补曾被我浪费的时间。我通常不太和老板谈论过于私人的问题,所以他很惊讶。一周后老板跟我说,公司另一个部门在成立一个新的DS组,你是否愿意申请?我说愿意。
. .и
好啦以上就分享这么多吧,希望所有想转行的朋友们都能最终完成心愿! |