知識星球作者： Alexander Engelhardt；翻譯： 車前子；校對： 李潔
本文約2000字，建議閱讀10分鐘。
我們將告訴您最快、最可靠的方法，讓您在資料科學領域，或在某個新的程式語言或新技術方面從零開始到找到工作。
在您想進入一個新的領域工作時，會想到一個“先有雞還是先有蛋”般的問題——沒有工作經驗是找不到工作的，然而沒有工作是不會有工作經驗的。我最近也遇到了這個問題，當時我正由R轉用Python，並準備應聘一份需要Python的工作。現在我想分享一下我是怎樣解決這個問題的。
我一共經歷了五個階段，推薦大家也使用這種方法：
1. 學好基礎
首先你需要打好基礎，這是一項必須靠自己完成的工作。自己找到或讓別人推薦一個好的課程，跟隨課程學習，遇到難題時可以到（https://stackoverflow.com）詢問。剛開始你可能會碰到不禮貌的回覆，但是別洩氣，因為你必須學會如何在那裡問問題。
這會教會你向那些“不是你肚子裡蛔蟲”的人清楚地表達你的想法和問題，提出好的問題是你今後職業生涯中必不可少的技能。
在這個階段你可以將獲得一項證書作為既定的標的。例如，當我開始學習大資料技術時，我報名參加了Cloudera的Spark和Hadoop開發人員考試。一些專業人士不喜歡這類證書，認為它們無益於實際工作，但我認為它們非常有用。尤其是在剛開始時，它們可以作為一個標的，一個關於學習什麼內容和何時將這第一階段標記為“完成”的方向。
2. 找到一個充滿激情的專案
很多人可能會在被困在第一階段——這是一個危險的陷阱。相反，應該試著儘快放下課程，建立一些你感興趣的專案。課程可以教你基礎知識，但它們通常無法有效激勵你。但是如果你能專註於對你來說很重要的事情中，你會更快地解決問題並因此而學得更快。
如果你想不出一個好的專案，那就四處看看現有的專案、閱讀部落格，擴充套件你已有的知識。這可能需要一段時間，但努力是值得的。當然，你也應該將所使用的技術定位在你想要的工作型別上。
不要害怕你的前一兩個專案做的很糟糕。這種情況有可能會發生，我確定我就是這樣，而那些“大牛”可能也是這樣的。讓第三個專案真正成功的唯一方法就是做出前兩個專案。做前兩個專案是你最能學到東西的時候。
3. 展示你的專案，吸引別人的註意
-
在當地會議上發言（參考https://meetup.com上簡單的內容完成你第一個發言）
-
在Hacker News釋出你的專案(https://news.ycombinator.com/showhn.html)
-
找到在你所在的地區的會議，並申請成為演講者。對你的資歷胡說八道（但不要說謊）是可以的，只要演講本身有實質性內容並且值得讓聽眾聽到。
4. 貢獻開源專案
在兩個或三個個人專案之後，考慮為現有的大型開源專案做出貢獻。向這些專案貢獻程式碼是唯一從相當聰明的人那裡獲得反饋的方法，這些人很少做一對一的輔導。這是保持學習的最佳方式，但要達到這一水平需要一段時間。
5. 更新你的簡歷
將你參與的專案和演講加入你的LinkedIn和/或Github簡歷中，並說明為什麼你的專案是有意義的。你必須知道誰將閱讀你的簡歷。對於招聘人員，你只需要把這個專案當作一個“正常”的工作來介紹。對於領域專家來說，只需說明這是一個沒有報酬的專案，但要連結到你的Github儲存庫，也許還要提到它獲得了多少收藏。
透過這種方法，你向你的潛在僱主發出了訊號表明你有能力開始和完成一個專案，並且能夠在一個團隊中很好地協作。這就解決了開頭提到的“先有雞還是先有蛋”的問題。
祝你旅途愉快。有時你會感到沮喪，但終會有回報。
作者簡介：Alexander Engelhardt ，在慕尼黑的LMU獲得統計學理學碩士和博士學位，其後成為專門從事R語言機器學習的自由資料科學家。
Alexander Engelhardt：
http://www.alpha-epsilon.de/
相關資源：
On-line and web-based: Analytics, Data Mining, Data Science, Machine Learning education
https://www.kdnuggets.com/education/online.html
Software for Analytics, Data Science, Data Mining, and Machine Learning
https://www.kdnuggets.com/software/index.html
原本標題：
How to go from Zero to Employment in Data Science
原文連結：
https://www.kdnuggets.com/2019/01/from-zero-to-employment-data-science.html
譯者簡介：車前子，北大醫學部，流行病與衛生統計專業博二在讀。從臨床醫學半路出家到資料挖掘，感到了資料分析的艱深和魅力。即使不做醫生，也希望用資料為醫療健康做一點點貢獻。
