Zdecydowanie się na wymagającą karierę data scientist nie jest proste. Dodatkowo na drodze do wymarzonej pracy staje nasz mózg, który generuje liczne wątpliwości – spróbujmy rozwiać trzy z nich, które wydają się całkiem popularne.

Zmiana zawodowej ścieżki, zwłaszcza po 30 roku życia, jest dużym wyzwaniem. Trzeba wygospodarować czas na poznawanie nauki o danych wieczorami lub w weekendy. Potem stwierdzisz, że było to całkiem przyjemne i będziesz zapewne zadowolony, że dokonałeś zmiany w swoim zawodowym życiu. Podczas tej podróży są jednak momenty, w których sam będziesz kwestionował swoją decyzję o nauce nowego zawodu. Nie powinieneś ich ignorować. Zamiast tego, musisz spróbować rozwiać swoje wątpliwości za pomocą rozsądnych argumentów. Zdecydowanie dobrze jest mieć różne obawy (w końcu nie boją się tylko wariaci) ale staraj się nie dopuścić do tego, aby złamały one Twoją motywację.

Czy nie zabieram się za to za późno?

Wiele osób właśnie po trzydziestce robi swój pierwszy krok w kierunku data science. Towarzyszy temu świadomość, że nawet gdyby udało się znaleźć pracę, zaczynałoby się jako junior.

Nie ma się czego obawiać. Data science nie było do tej pory popularną dziedziną, kiedy byliśmy na studiach, prawda? Kiedy ktoś miał się tego nauczyć w sposób usystematyzowany, „po uniwersytecku”? Nawet zresztą gdyby była to popularna ścieżka kariery, a my ją jakoś do tej pory zignorowaliśmy, nie powinno to mieć znaczenia. Uczymy się czegoś, co naprawdę nam się podoba! Jeśli kiedykolwiek poczujesz się tak samo, pomyśl o radości z robienia czegoś, co lubisz w swojej pracy.

Czy to zbyt wiele do nauczenia się?

Data science to interdyscyplinarna dziedzina, która składa się z trzech głównych komponentów. Te komponenty to statystyka, programowanie i matematyka. Każdy z tych komponentów ma kilka koncepcji i tematów, które są związane z nauką o danych.

Gdy już poczynisz pewne postępy, poczujesz się przytłoczony ilością materiału do ogarnięcia. Dosłownie niemożliwym będzie się wydawało aby mieć wystarczająco dużo czasu i energii do nauczenia się tego wszystkiego. Czy to nie jest zbyt wiele do nauczenia się? Tak, absolutnie tak właśnie jest. Jednak nie musisz poznać wszystkiego na raz. Nikt tego nie robi.

Cały zakres wiedzy do pojęcia w ramach nauki o danych jest po prostu ekstremalny. Chociaż podstawy są takie same, stosowane techniki różnią się w zależności od dziedziny. Na przykład nauka o danych wykorzystywana w finansach jest znacznie inna niż techniki przetwarzania języka naturalnego (NLP).

Jeśli spróbujesz dowiedzieć się czegoś o każdym temacie, będziesz musiał albo skończyć rezygnując albo tracić czas na niepotrzebną Ci wiedzę. Skup się na podstawowych pojęciach i spróbuj je opanować. To znacznie zwiększy Twoje szanse na znalezienie pierwszej pracy.

Co jeśli nie mogę znaleźć pracy?

Najtrudniejszą częścią zmiany zawodu jest właśnie znalezienie pierwszej pracy. Pracodawcy najbardziej cenią sobie wcześniejsze doświadczenie zawodowe, którego Ty przecież jeszcze nie posiadasz. Co jeśli po pierwszych 6 miesiącach spędzonych na nauce zaczniesz się zamartwiać „a co jeśli nie znajdę pracy, a mój wysiłek pójdzie na marne”?

Generalnie taki stres w rozsądnym wymiarze motywuje i będziesz dzięki niemu poświęcał więcej czasu na naukę. Nie możesz jednak pozwolić, aby ta obawa działała paraliżująco i powstrzymała Cię przed kontynuowaniem nauki. Jak wyłączyć tego demotywatora?

Problemem może być nieotrzymanie szansy na zademonstrowanie swoich umiejętności lub wiedzy z zakresu data science, a nie to, że się nie uczyłeś. Ponieważ nie masz wcześniejszego doświadczenia zawodowego, trudno jest Ci dotrzeć do potencjalnych pracodawców. Skup się więc bardziej na sposobach zaprezentowania swojej wiedzy.