Reddit网友参加数据科学家训练营被骗经历


我不知道这是否是一个合适的地方,但我希望也许我可以拯救一些人,使其不至于犯我同样的错误。

我有一个小小的背景,我有一个美术学位,大约7年前开始在企业界工作,是一名设计师。我的部门正在裁员,为了避免被解雇,我最终在2020年搬到了公司内部的一个死胡同。我目前的职位没有任何上升空间,我获得的有用工作经验也是零。我可以训练一只黑猩猩来做我的工作。

去年,我开始寻求改变,并对数据科学产生了兴趣。我发现在我所在地区的一所主要大学有一个为期6个月的训练营,于是就被吸引了过去。我在报名时问他们:"鉴于我在这个领域的经验为零,我是否适合这个项目?"他们向我保证,他们的大多数毕业生在6个月内都能在这个领域找到工作,无论其背景如何。他们在一开始就承诺了很多,比如 "从我们项目出来的大多数人都能找到10万美元以上的工作","这是目前最需要的工作,工作机会比申请者多"。

我被卖了,从一个家庭成员那里借了钱,先付了款。我完成了课程,真的很喜欢所涉及的内容。这几乎是一年前的事了,我现在很茫然。他们提供的 "职业服务 "不过是 "这里有一份简历指南和一些我们在Indeed上找到的招聘信息"。我已经申请了70多个工作,但没有得到一个回电。我觉得我被骗走了12000美元,而我却无能为力。我觉得自己太失败了,因为我认为自己可以做到这一点。

总结:训练营是个骗局,不要像我一样认为进入这个领域有一个简单的方法,如果你想做这个,就去拿个学位。
 
其他网友讨论:
有相关工作经验和研究生学位的人都在竞争数据科学的工作,一个完全没有学术或工作背景,没有相关工作经验的人不可能在六个月的训练营后有竞争力。
我认为这些训练营对于那些一直在数据领域工作,但从未接触过Python,或机器学习,或数据科学的其他技术方面的人来说是有帮助的,但对于一个没有任何背景或经验的人来说,它们几乎是无用的。
但是,你不一定要放弃。我想你已经知道,你应该寻找 "数据分析师 "的工作,而不是 "数据科学家 "的工作。在这一点上,你肯定不会得到一份数据科学家的工作。但有许多类型的数据工作你可以做,这将开始建立你的数据工作简历。
寻找实习机会。自己做几个项目,展示你的技能。确保这些是 "真正的 "数据科学项目,而不是对Kaggle的泰坦尼克号数据集的蹩脚的重新想象。把这些项目放在Github或者你可以向人们公开的地方。试着找到在线或现场的社区来建立联系。
我认为我从提供这些课程的高价学院看到的一些废话几乎是犯罪。
编辑:就其价值而言,你得到了相当便宜的机会。我当地的一所大学也提供类似的训练营,价格为2.4万美元。
 
我将于 5 月从数据科学硕士项目毕业。我们的大多数学生 (>70%) 已经获得了工作机会,并且工作机会的中位薪水 > 10 万美元。距离毕业还有 2 个月的时间,从历史上看,我们在毕业前的就业率接近 100%。我在整个过程中的经验(再次,仅从我所见,可能不是真的)是入门级数据科学职位大部分(> 90%)由来自以下招聘流的候选人担任:

  1. 公司内部变动(例如,对 ML/DS 感兴趣并参加 MOOC 或获得工作经验以通过内部面试流程的 SWE)
  2. 具有高声望/成功记录的训练营(Insight 数据科学是一种浮现在脑海中的但特定于博士的训练营)
  3. 拥有极好的校友网络和与雇主(Georgia Tech、NCSU、CMU、UC Berkeley)的牢固关系的 MS 课程。公司来找我们,我们大多数人都不必去找工作。你把你的名字放在名单上,如果一家公司喜欢你的简历,他们就会面试你。

我认为在这 3 条路线之外进入数据科学领域是一场艰苦的战斗,而且随着时间的推移,招聘管道中的招聘关系通常会变得更加牢固,而且只会变得越来越难。
 
残酷的现实是,这是一个竞争非常激烈的工作岗位,需要很多技能。因为它的需求量很大,所以很多人都做了你所做的事情。
在我的公司,我们收到的简历中只有不到 5% 能够通过面试,而 80% 的申请者在 5 分钟后被拒绝,因为他们显然对这个主题只有肤浅的了解(例如,上过一些 Coursera 课程)。我什至目睹了几个申请人在谷歌上搜索问题,同时提出诸如“什么是 p 值?”之类的基本问题。或者“你可以为回归模型使用什么样的损失?” (有一半的时间我得到了最后一个问题的“准确性”......)。
 
我现在正在招聘DS和ML方面的职位,我可以告诉你,我们被做数据科学硕士甚至博士的人淹没了,所以我们几乎不看那些最深的DS经验是训练营的简历。
在某种程度上,数据科学硕士正在成为新的训练营,而训练营是新的 "泰坦尼克号笔记本个人项目"。由于需求量很大,许多大学都加入了DS课程,而且由于过去十年的炒作,它们成为了金钱的摇钱树。
我对那些想进入数据领域的人的建议是,做好编码工作,申请初级/实习软件工程师的职位,因为这些职位的需求量更大。一旦你有了这些经验,就开始参与数据项目。如果不是在数据科学领域,也要获得工作经验。做一些诸如部署模型和建立管道的事情。了解云架构。然后你就有了一些数据经验,否则简历就会被招聘人员扔进垃圾桶。
人们应该意识到,在大多数公司,数据科学部门是一项奢侈的开支。而相对于需求而言,工作的供应量正在快速萎缩,因为具有资质的人的供应量正在爆炸性增长。