ในโพสต์นี้ ฉันแสดงรายการแนวคิดที่อาจช่วยให้คุณโดดเด่นในระหว่างการหางานในการวิเคราะห์ข้อมูล / BigData / ปัญญาประดิษฐ์ / การเรียนรู้ของเครื่องจักร / การประมวลผลภาษาธรรมชาติ / วิทยาศาสตร์ข้อมูล
คุณได้เรียนหลักสูตรต่างๆ เข้าใจคณิตศาสตร์เบื้องหลังแมชชีนเลิร์นนิง และได้ทำโปรเจ็กต์บางอย่างแล้ว อะไรต่อไป? ต่อไปนี้เป็นแนวคิดบางส่วนที่อาจช่วยให้คุณโดดเด่น/แสดงความหลงใหลและความเชี่ยวชาญในสาขานี้ และโดดเด่นในระหว่างการหางาน
- คุณสามารถทำงานวิจัยคนเดียว กับเพื่อนร่วมชั้น/เพื่อน หรือกับอาจารย์ได้ และสามารถเผยแพร่งานวิจัยของคุณเป็นบทความในการประชุมที่มีชื่อเสียง / วารสารที่เข้าถึงได้แบบเปิด
- คุณสามารถเขียนบทความเกี่ยวกับสื่อ/ LinkedIn ที่แสดงความรู้และผลงานของคุณ
- คุณสามารถมีส่วนร่วมในโครงการโอเพ่นซอร์สบน GitHub
- คุณสามารถบันทึกผลงานของคุณและเผยแพร่บน YouTube คุณยังสามารถเผยแพร่วิดีโอขนาดไบต์บน Tiktok และโซเชียลมีเดียแบบสั้นอื่นๆ ได้อีกด้วย
- เมื่อโมเดล ML/NLP ได้รับการฝึกฝนแล้ว ก็จะต้องปรับใช้และให้บริการ คุณสามารถทำความเข้าใจให้ลึกซึ้งยิ่งขึ้นเกี่ยวกับการปรับใช้โมเดล การให้บริการ ความท้าทาย และแนวทางปฏิบัติที่ดีที่สุด และแบ่งปันในบทความ วิดีโอ หรือในระหว่างการสัมภาษณ์ ความรู้และประสบการณ์ก่อนหน้านี้ในกระบวนการไอที, Agile, ITOps ฯลฯ ก็สามารถช่วยได้เช่นกัน
- เครือข่าย. คุณสามารถโต้ตอบกับผู้อื่นในภาคสนามได้โดยการตอบกลับโพสต์ของพวกเขาบน LinkedIn/ ทวีตบน Twitter
- ขอคำแนะนำ/ให้คำปรึกษา. คุณอาจขอคำแนะนำจากผู้ที่ทำงานในอุตสาหกรรมนี้อยู่แล้ว และในขณะทำเช่นนั้น คุณสามารถสื่อสารความหลงใหลของคุณและสร้างความสัมพันธ์ได้
- ในระหว่างการสร้างเครือข่าย/การให้คำปรึกษา หลีกเลี่ยงการของานหรือการแนะนำงาน สร้างการเชื่อมต่อที่แท้จริงและพัฒนาความสัมพันธ์ เมื่อคุณแสดงความหลงใหลและการทำงานหนักแล้ว คนอื่นก็มักจะแนะนำคุณสำหรับโอกาสนี้
- ขณะสมัครตำแหน่งในอุตสาหกรรม หากเป็นไปได้ ให้ขอคำแนะนำแล้วจึงสมัคร
- นอกจากบทบาทนักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ข้อมูล วิศวกรการเรียนรู้ของเครื่อง หรือนักวิจัยปัญญาประดิษฐ์แล้ว คุณยังสามารถมองหาบทบาทต่างๆ เช่น วิศวกรการเรียนรู้ของเครื่องหรือวิศวกรข้อมูลได้อีกด้วย
- หากคุณไม่พบบทบาทข้างต้น คุณสามารถดูบทบาทในการแสดงภาพข้อมูล ปริมาณ การให้คำปรึกษา การวิเคราะห์ธุรกิจ หรือบทบาทอื่นๆ ที่เหมาะสมหรือเกี่ยวข้องได้ คุณสามารถเริ่มต้นอาชีพในบทบาทเหล่านั้นและสามารถสร้างทักษะด้านวิทยาศาสตร์ข้อมูล / AI ของคุณไปพร้อมๆ กัน ท้ายที่สุด เมื่อโอกาสที่เหมาะสมเกิดขึ้น คุณสามารถใช้ทักษะเหล่านั้นในโครงการของคุณ และลองเปลี่ยนไปใช้การวิเคราะห์ข้อมูล / BigData/ AI/ ML/ NLP ภายในบริษัทหรือภายนอกได้
- นอกจากภาคอุตสาหกรรมแล้ว คุณยังสามารถดูห้องทดลองวิจัยในมหาวิทยาลัยได้อีกด้วย คุณสามารถขอหรือรับคำแนะนำจากอาจารย์ของคุณเพื่อเริ่มต้นกับห้องทดลองเหล่านั้นได้
เรียนรู้ต่อไป ก้าวต่อไป และอย่ายอมแพ้
