数据科学是一门包罗万象的学科，它不断地在发展--这使得它的掌握更加耗时。通常情况下，为了获得认证并找到一份初级工作，你首先想到的可能是攻读大学学位。但并不是所有的专业数据科学家都有相关的学术证书，也不是所有的招聘人员都会寻找这些证书，只要候选人有一些成熟的经验就可以了。这个领域的发展性质意味着你不一定要循规蹈矩，而是要自己开辟道路。

 

在这篇文章中，我将概述一些在没有大学学位的情况下找到数据科学工作的替代途径，如何让你的简历脱颖而出，以及你需要哪些技能和认证来证明你在面试中的价值。

 

目录

• 如果你没有数据科学学位，你能找到一份数据科学工作吗？

• 你能用非技术性的学位过渡到数据科学吗？

• 没有数据科学学位如何学习数据科学？

• 没有数据科学学位如何获得数据科学工作经验？

• 在没有数据科学学位的情况下寻找数据科学工作：接下来的步骤

 

如果你没有数据科学学位，你能找到一份数据科学工作吗？

 

根据Glassdoor的数据，数据科学家是2022年美国第三大最好的工作。随着越来越多的企业利用其基于数据驱动的结果获得成功，需求量大也就不足为奇了。

 

但是，你需要一个数据科学的学位来获得一份工作吗？简单的答案是否定的，你不需要接受这个领域的正规教育来开始你的职业生涯。但是，你仍然必须完成一定程度的高等教育，才能成功获得数据科学职位。我们2021年对1001名数据科学家的研究表明，在我们的样本中，55%的人拥有硕士学位，而19.8%的人-拥有学士学位。

 

你能用一个非技术学位过渡到数据科学吗？

 

即使你不是主修计算机科学、软件开发或工程，仍然有很多机会让你以非技术学位进入数据科学。

 

也许你完成了一个非技术领域的学位，如统计学、金融学、经济学、医学或物理学，然后发现了数据科学的新职业道路。现在你想知道--有可能进行转换吗？答案是肯定的--只要问问我们的一个成功的学生，Serhan Tanriverdi，他没有STEM学位就成为了一个数据分析员

 

许多人进入了一个行业，然后意识到他们的激情在其他地方。但是，随着职业的转变，人们会产生很多疑问。诸如 "如果我没有相关的教育或经验，我会成功吗？"这样的问题悄然出现。请允许我打消你的顾虑--即使你来自不同的学术背景，你也可以成功地转入数据科学。

 

没有数据科学学位如何学习数据科学？

 

大学学位是指导性课程，教学人员预先确定你的教育旅程。在自学时，缺乏课程可能是一个缺点。然而，如果你采取积极主动的态度，你一定会创造一个适合你的路线图。但你从哪里开始呢？与其他每一个学习曲线一样，你应该在你已经知道的基础上进行学习。

 

学习数据科学的基础知识

 

就像任何传统的项目一样，你需要从基础知识开始，然后慢慢积累。数据科学的基础是我们在生活中都不止一次接触过的熟悉的概念，即使我们并不擅长这些。

• 数学和线性代数

• 统计学

• 概率论

 

它们是任何数据科学工作流程的构建模块。如果你知道如何处理微积分方程、正态分布或线性回归，那么你就走上了正轨。

 

在这之后，你可以转向更复杂的主题，如机器学习和深度学习。阅读关于卷积神经网络、计算机视觉和人工智能算法。你还不需要成为这些领域的专家（除非你的最终目标是成为一名机器学习工程师），然而，你仍然需要了解它们的意义和对未来商业的影响。

 

为数据科学练习编程

 

与流行的看法相反，编程并不只是为软件开发人员服务。即使是数据专业人员也会使用代码来建立有效的模型和提取有价值的见解。出于这个原因，强烈建议你至少要熟练掌握一种编程语言，以便从事数据科学方面的工作。这现在听起来可能很吓人，但相信我--你不需要在内心成为一个计算机科学家来学习如何编码。

 

但是，在如今铺天盖地的编程语言中，你应该选择哪一种？根据Anaconda的2021年数据科学状况报告，Python在数据科学专业人士、教育工作者和学生中使用最频繁。作为一种开源的编码语言，由于其对初学者友好的句法，它明显更容易掌握，并为数据分析提供了广泛的功能，并由大量的库进一步补充。

 

另一个流行的选择，我们绝对建议你熟悉SQL。它是结构化查询语言的简称，是数据提取和关系型数据库管理的完美选择。

 

没有数据科学学位如何获得数据科学工作经验？

 

雇主寻找有相关工作经验的数据科学家，这已经不是什么秘密。为了给公司带来价值，你需要证明你了解公司的需求，并能利用你的技能为他们提供服务。要做到这一点，你还需要一些业务知识。

 

但是，当你没有工作经验，又不能获得数据科学学位时，你该怎么办呢？毕业生可能会因为他们在该领域的经验丰富而占上风，然而，在学术范围之外，你也有办法提高你的数据科学简介。

 

用数据科学项目建立你的作品集

你已经找到了适合你需求的完美的学习平台，并且已经在通往数据科学流利性的道路上走得很好。你将如何向潜在的雇主证明你了解自己的知识？当然是通过在数据科学项目中工作来积累技能。他们一开始不会是完美的，但这不应该使你气馁。尽可能多地练习，建立一个坚实的作品集。

 

我们可以给你的一个初学者提示是，从现成的项目开始（我们推荐初学者使用Python）。遵循代码，看看你是否能自己重新创造出结果。你不仅在实践中学习，而且你甚至可能发现一些你之前的数据科学家或数据分析师没有考虑过的新东西。

 

你选择的项目类型也将发挥重要作用。如果你对某一特定行业或工作机会充满热情，你可以选择数据集，甚至为该特定领域收集自己的数据。这种努力表明你愿意超越自己，而这是每个人都希望在他们的团队中拥有的数据科学家类型。

 

参加数据科学竞赛

数据科学竞赛和hackathons是将你新发现的技能付诸实践的一个好方法。像Kaggle和DrivenData这样的网站经常举办一些活动，在这些活动中，你可以帮助大机构解决他们的数据难题。你有什么好处？嗯，最后通常会有奖品。然而，更重要的是，这是一个打出你的知名度的机会。有不少数据科学家在datathons中表现出色，被人注意到后找到了工作。

 

担任数据科学任务的志愿者

增强你的作品集的另一个好方法是向他人提供你的数据科学服务。许多公司刚刚或尚未在其业务中采用数据方法 - 确定那些可能从你的专业知识中受益的公司。你也可以联系那些在你想工作的公司工作的招聘经理，提出为他们做一些免费分析。或者更好的是，对他们的公司、行业、产品或竞争对手进行一些分析，并将其发送给他们。有可能他们会给你找到一个角色，或者把你介绍给其他公司，从而拓展你人脉资源。

 

此外，你可以加入一些项目，努力用数据解决社会挑战。例如，总部位于美国的DataKind是一个提供志愿者机会的组织，以发展你在数据科学、编程、项目管理等方面的技能。

 

创建一份数据科学简历

你已经做了一些项目，并参加了一些面向数据的活动。下一步是什么？是时候创建一份引人注目的简历，清楚地展示你所拥有的技术技能，你是如何获得这些技能的，以及你所做的一切。付出额外努力，花足够的时间挑选合适的模板，用你的个人信息编辑它。确保它看起来干净和专业。

 

建立你的数据科学档案对曝光很重要。在社交媒体和LinkedIn上传播消息。在GitHub和Discord等网站上分享你的项目。这样做可以让你保持你的信息更新，让招聘者知道你能为他们提供什么。

 

寻找数据科学的实习机会和入门级的职位

如前所述，公司都在寻找有一定经验的数据科学家。为了在候选人中脱颖而出，你需要在你的简历中至少有1到2个相关部分。在这种情况下，作为一个数据科学的初学者，你能做什么？

 

查看公司网站或社交媒体简介，检查他们是否提供任何数据科学实习机会。也可以考虑向你欣赏的公司进行咨询。

 

这种方法也有缺点，比如作为无薪实习生工作，或者甚至没有收到你所申请的公司的回复。然而，这种工作经验在你的简历上仍然是有价值的--它向雇主表明你是真正投入到职业生涯中的。

 

在数据科学界建立社交网络

俗话说，知己知彼，百战不殆。数据科学是一个不断发展的领域，但仍然是一个紧密的社区。没有学位会让你退步，因为毕业生会被介绍给这个领域的人际网络，这些人有可能成为导师或有意义的联系。

 

当你还在学习的时候，加入在线论坛，如GitHub的或Python的，并在其他数据爱好者中交流。有可能你会遇到许多与你志同道合的人。就像在大学的数据科学小组中一样，你将能够在这一过程中相互支持。

 

在更专业的层面上，你可以接近你想工作的行业或公司的数据科学家。当你开始谈话时，要尊重和有礼貌--没有人真正喜欢被纠缠。询问他们的角色和经验。告诉他们你的情况和你自己的项目。最后，如果你能给他们留下一个长久的印象，他们可能会成为你在伟大的求职过程中的真正财富。