สรุป 3 ขั้นตอนสู่งาน Data Science

data science skills analyst engineer

เมื่อ 3 ปีที่แล้ว แอดอยู่ในจุดที่สนใจด้าน Data Science แต่ไม่รู้จะเริ่มต้นยังไงดี จนมาตอนนี้แอดได้ เริ่มงานในตำแหน่ง Data Scientist ที่ออสเตรเลีย และเห็นภาพงานต่าง ๆ ในโลก Data Science มากขึ้น วันนี้เลยขอเอามาแชร์ให้เพื่อน ๆ กันครับ

โพสนี้เป็นแบบรวดรัด เดี๋ยวอยากฟังเรื่องไหนแบบเจาะลึกรายละเอียดก็เม้นท์บอกแอดกันได้นะฮะ

สำหรับการเตรียมตัวเพื่อทำงานในสาย Data Science มี 3 ขั้นตอนหลัก ๆ ดังนี้ครับ

1) เรียนอย่างเป็นลำดับขั้นตอน

data science study plan
การเรียน Data Science ต้องมีแพลนการเรียนที่ชัดเจนครับ ไม่งั้นเราจะเรียนวกไปวนมา

การเรียน Data Science เหมือนกับการเรียนทุกอย่างครับ ที่ต้องเริ่มจากพื้นฐานก่อนจะเรียนเรื่องยาก ๆ ไม่อย่างนั้นจะเรียนไม่รู้เรื่อง

เช่น ถ้าจู่ ๆ เรามาเรียนวิธีสร้าง Random Forest Model เลยเราก็ไม่รู้เรื่อง ต้องเริ่มจากพื้นฐานสถิติ, พื้นฐานโปรแกรมมิ่ง Python หรือ R, รู้จัก Linear Regression กับ Decision Tree แล้วค่อยมาเรียน Random Forest

ข้อดีของการเรียนเป็นคอร์สที่เสียเงิน หรือปริญญา ก็คือ เค้าวางวิชามาดีแล้ว มาให้เราค่อย ๆ เรียนรู้จากพื้นฐานไปจนถึงเรื่องโมเดลโหด ๆ

ส่วนใครเป็นสายฟรีก็ไม่ต้องเสียใจไปครับ อันนี้เป็น Roadmap แบบคร่าว ๆ ที่แอดเรียนมา

  • เริ่มจากพื้นฐานที่ต้องรู้ เรื่อง Database, Python, R, พื้นฐานสถิติ และการสร้าง Model เบื้องต้น
  • ต่อยอดมาเรียนเรื่องที่เกี่ยวกับสาย Data โดยเฉพาะ ได้แก่ Data Visualization, Data Wrangling, Big Data เบื้องต้น พวก Hadoop
  • เจาะลึกด้านที่สนใจ ได้แก่ การทำ Model แบบซับซ้อนที่นำความรู้แคลคูลัสมาใช้, การ Forecast Time Series, Big Data สำหรับสาย Data Engineer พวก Spark, Scala

2) หาโปรเจคทำระหว่างเรียน

data visualization project elending
โปรเจค Data Visualisation ที่แอดทำในโปรเจคฝึกงานกับทางมหาวิทยาลัยครับ โปรเจคนี้ถูกนำไปใช้ใน Conference ทั่วโลก

ถ้าเราเรียนไปแล้วไม่ได้ใช้จริง ก็มีโอกาสที่เราจะลืมได้ง่าย ๆ ครับ เพราะฉะนั้นต้องลองหา Side Project ของเราเอง หรือไปเสนอตัวช่วยในโปรเจคคนอื่น ๆ

สำหรับคนที่เรียนมหาวิทยาลัยอยู่ อันนี้ไม่ยากเลยครับ ดูว่ามีโปรเจควิจัยอะไรในมหาวิทยาลัยบ้างที่เราสามารถเข้าไปมีส่วนร่วมเพื่อนำความรู้ Data Science ไปใช้ประโยชน์ได้บ้าง ตอนแอดเรียนก็มีโอกาสได้ไปร่วมใน 2 โปรเจคที่มหาวิทยาลัยครับ ซึ่งทำให้ได้ประสบการณ์และ Connection ที่ดีมาก

สำหรับคนที่ทำงานอยู่ ลองดูในองค์กรที่ตัวเองทำอยู่ว่ามีโปรเจคให้เรานำความรู้ด้านนี้ไปใช้ได้มั้ย และลองคุยกับคนที่ทำด้านนี้ว่าเราเข้าไปช่วยอะไรได้มั้ย จริงอยู่ว่าเราอาจจะต้องทำงานหนักขึ้น แต่ถ้ามันเพิ่มโอกาสให้เราเข้าไปทำงานสายที่ต้องการ แอดคิดว่าคุ้มครับ

สำหรับคนที่ยังไม่มีงานทำ หรือเรียนใกล้จะจบแล้ว ลองหาบริษัทที่เกี่ยวกับ Data Science ที่แอดทราบในไทยก็เห็นมี Sertis กับ Coraline (ถ้ามีที่อื่นแจ้งมาได้ครับ) แล้วลองติดต่อเค้าไปขอฝึกงานสัก 3 – 6 เดือนครับ 

นอกเรื่องนิด แอดเคยไปฟังศิษฐ์เก่ามหาลัยที่ตอนนี้ทำงานที่ Facebook ใน Silicon Valley เค้ากลับมาพูด สิ่งเดียวที่เค้าบอกแล้วแอดยังจำได้จนถึงตอนนี้ คือ เค้าบอกว่า “ถ้าเราอยากได้อะไร เราก็ต้องพยายามไขว่คว้าแบบเชิงรุก (Proactive)”

เช่น ตอนสมัครงาน ถ้าอีกฝ่ายเงียบไปเป็นอาทิตย์ คนที่ Proactive ก็จะทำการส่งอีเมลไปสอบถามว่าเป็นยังไงบ้างแล้ว ซึ่งเป็นการแสดงออกให้อีกฝ่ายเห็นว่าเราอยากได้งานนี้จริง ๆ

ตัวอย่างการทำตัวแบบ Proactive

ลองเอาเทคนิค Proactive ไปใช้ตอนที่เราอยากได้อะไรสักอย่างในชีวิตครับ ถ้าเรารู้สึกท้อถอย เราอาจจะไม่ได้ต้องการสิ่งนั้นจริง ๆ ก็ได้

3) สร้าง Portfolio ไปสมัครงานจริง

github profile data science portfolio
Github เป็นโปรไฟล์อันนึงที่ดีสำหรับยื่นตอนสมัครงานครับ เพื่อทำให้เค้าเห็นว่าเราโค้ดได้

หลังจากที่เราเรียน และได้ลองทำโปรเจค Data Science กันมาแล้ว ถ้ายังมั่นใจว่างานด้านนี้ใช่เราจริง ๆ ขั้นตอนสุดท้าย คือ ไปสมัครงาน ครับ

สิ่งสำคัญของการสมัครงานมีอยู่ข้อเดียวเลย คือ “ต้องทำให้เค้าเห็นว่าเราสามารถทำงานที่เค้าหาอยู่ได้”

ลองนึกถึงในมุมมองของบริษัทดูครับ เค้าต้องการคนที่ช่วยทำให้งานเสร็จ (หรือมีแนวโน้มว่าจะช่วยทำให้งานเสร็จในอนาคต หลังจากสอนงานเสร็จ) จะได้นำรายได้มาสู่บริษัทคุ้มค่าเงินเดือนที่เค้าจ่ายให้เรา

ทีนี้วิธีในการทำให้เค้าเห็นว่าเราทำได้ วิธีแรกก็คือ สร้าง Portfolio โปรเจคต่าง ๆ ที่เราทำออกมา ถ้าทำเว็บไซต์ไม่เป็นก็ไม่เป็นไร เดี๋ยวนี้ Jupyter Notebook สามารถเซฟออกมาเป็นหน้าเว็บได้แล้ว เราก็ทำเว็บง่าย ๆ ใส่ลิงค์ไป Jupyter Notebook ก็ช่วยเพิ่มโอกาสได้มากแล้วครับ

วิธีที่สอง คือ โชว์ Certificate ของคอร์สออนไลน์ต่าง ๆ ที่เราเรียนจบแล้ว หรือใช้วุฒิปริญญาด้าน Data จากมหาวิทยาลัยต่าง ๆ ในไทยก็มีส่วนช่วยให้บริษัทมั่นใจกับความสามารถของเราได้มากขึ้นครับ

หวังว่า 3 ข้อนี้จะมีประโยชน์สำหรับทุกท่านที่สนใจมาทำงานด้าน Data Science ไม่มากก็น้อยครับ :)

บทความอื่น ๆ ที่เกี่ยวข้อง

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • Always Active

Save