【TechOrange 編輯部導讀】
你是否懷抱在國際知名企業工作的夢？現在許多公司在招募人才時，早已放寬學歷門檻，更加重視應徵者是否擁有必要的專業技巧、深度領域知識，以及充裕的實作經驗。因此，如果想要成為資料科學家，在這些大企業工作，其實也可以靠自學達成。
「FAANG」 是五間國際知名科技企業的名稱縮寫：Facebook、Apple、Amazon、Netflix、Google， 「FAANG」同時也是許多科技迷、技術人才求職時的夢幻企業。
無論專精哪一項科技領域，想要進入 FAANG，對於數據架構與電腦演算法的深刻理解與掌握不可或缺，另外也得反覆進行面試演練，網路上流傳不少 FAANG 的面試題目，除了技術專業之外，更考驗面試者的臨場反應、創意思考、問題解決能力，單有資料科學學位，並無法為你取得優勢入場券。
♦ TO 延伸閱讀：iKala CEO 程世嘉：這 3 種能力，比你專業領域的知識更重要
比起教育背景，FAANG 更重視這些條件特質
不難想像擁有一份在 FAANG 的工作經歷，將能為個人履歷增添耀眼光環，而這是就算沒有正規的電腦科學教育背景，靠自學也能參與的一場挑戰。
國際科技業界在招募人才時，早已放寬學歷門檻，更加重視應徵者是否擁有必要的專業技巧、深度領域知識，以及在選定領域中具備充裕的實作經驗，這些都不必然得透過大學學位累積。
不過對於非數理背景的跨領域人才來說，自學資料科學的路程還是會比較艱辛，卻也絕非不可能──其實程式語言會用到的數學與統計學程度，大多數人在國高中時就有所接觸，回頭複習一下，就能幫助自己重新打好思維基礎。
♦ TO 延伸閱讀：想轉職軟體工程師，但還不會 Python？初心者必看的學習資源一次掌握！
初學者可以從何處著手？
初學者友善的程式語言包含 Python、R，它們雖然都是高階語言，基本語法（syntax）卻簡單明瞭，只要多加練習，就算是非理工背景的學習者也能輕鬆入門。
其他還有資料科學工具如 matplotlib、Tableau、TensorFlow，能幫助資料處理與數據視覺化；網路上也能找到文字或影音形式的線上學習資源。
♦ TO 延伸閱讀：80% 線上課程報名者都半途而廢！養成 4 個學習習慣，在跳槽之路脫潁而出
7 個方法為知識技能充電
專業訓練、教育課程、在職培訓，以及老套卻有效的邊做邊學，這些面向組合起來，都能幫助你在職涯上的躍遷，透過自學前進 FAANG 科技殿堂：
- 爭取在職培訓，鼓勵現任雇主投資「你」，換取更亮眼的工作表現，也為將來轉職預作鋪墊。
- 把握下班時間積極充電、追求個人成長，隨時跟上科技業趨勢話題；書籍、有聲書、產業雜誌、播客節目都是很棒的自學資源。
- 報名相關線上課程，Coursera 或 Udemy 平台都有豐富的資料科學課程；盡量選擇內容安排精簡的學程，短影片、隨堂小考、簡潔明快的教學，這些會更有助於知識的積累與內化。
- 善用非正式的學習管道如 YouTube，現在有很多教育者或業界講師，樂於在 YouTube 頻道上分享知識含量高且有趣的內容。
- 為學習加入「社交」元素，像是讀書會；找到志同道合的學習夥伴，為自學旅程找到更多動力與樂趣。
- 直接向業界前輩或專家學習，可以透過影子工作（work shadowing）或與業界導師（mentor）合作，這能幫助你快速累積實務技能。
- 提醒自己常保終身學習的心態，永遠對新事物感到好奇，不斷精進自己的知識與技能；這點對日新月異的科技界人才來說尤其重要。
♦ TO 延伸閱讀：用「終身學習力」跳脫思維框架，為高薪職涯重新鋪路
實作經驗是錄取關鍵
自學資料科學的途徑千百種，最重要的還是得靠你先勇敢踏出第一步，並且不斷探問自己，目前所學是否切合長期的職涯目標，不要因為 FOMO 心態而輕易失焦，要記住沒有任何一位資料科學家，能夠做到每個領域都精通。
透過各種自學資源，紮穩理論基礎之後，下一個階段就是透過大量實作，累積豐富經驗，程式新手可以從 side project 做起，並且參與密集式課程（boot camp）、程式設計馬拉松（hackathon），就算沒有資料科學學位，也有機會靠一份充滿說服力的履歷，成功進入 FAANG！（責任編輯：游絨絨）
♦ TO 延伸閱讀：工作者「叛逆潮」震驚全球企業，如何將自己打造成炙手可熱高薪人才？
本圖/文由「Techorange科技報橘」授權刊登，非經同意不得任意轉載。
原文出處：【給非數理背景的跨領域人才】從初學者友善的程式語言 Python、R 開始，你也能成為資料科學家
Polygon recent comments