在过去的几年里，数据科学领域已经看到了大规模的增长。它一次又一次地被吹捧为21世纪最热门的工作。因此，自然有很多人被吸引到这个领域。然而，除了炒作之外，现实是，尽管预计对数据科学家的需求很大，但要找到一份工作仍然很困难。
像其他工作面试一样，招聘人员不一定会透露拒绝某位候选人的原因。不明确的原因会导致面试者的困惑、沮丧和失望。本文将探讨你可能没有得到招聘人员的回电的几个原因。
缺少具体技能
数据科学是一个负责解决一些最复杂任务的工作领域。这意味着从事这种项目的人必须拥有巨大的知识和技能。因此，数据科学家工作的理想候选人必须在这三大领域--数学/统计学、数据库/编程和商业头脑--分别拥有技能。
关于数据科学家必须具备哪些技能，有很多资源可以利用。这种铺天盖地的信息往往造成混乱。甚至没有基本分析技能和数字能力的人也称自己为数据科学家。重要的是要明白，一个工程学位并不足以让自己称为数据科学家。一个人必须拥有统计学、数学、经济学等方面的知识。
此外，建议你多走一步，在其他即将到来的技术上更新自己，包括云计算和深度学习。
仅有技术能力是不够的。公司想要的是能够帮助他们获得更多业务和更快赚钱的人。一个潜在的候选人必须能够将大局放在心上。即使是最复杂的技术方面的模型，也能与其他团队成员（即使是非技术背景）沟通，这是一个非常理想的技能。
脱颖而出
每年都有很多人进入数据科学领域。在纸面上，单单是技术和商业技能的诀窍并不足以在众多的申请者中脱颖而出。吸引招聘者兴趣的一个可靠方法是展示过去所做项目的样本。这对应届生来说尤其有用。
雇主们通常会查看候选人的GitHub资料库。因此，建议在GitHub上突出过去的工作，展示并强调你的最佳代码解决方案，让GitHub成为潜在雇主对你进行资格审查的一站式商店。首先，可以看看其他数据科学家的存储库，以获得想法来修饰你的GitHub存储库。
另一个展示自己技能的方法是参加不同的比赛、黑客马拉松和竞赛。人们可以尝试参加Kaggle数据科学挑战赛，在排行榜上排名相对靠前。招聘者可能会把参与和排名看作是有价值的东西。
简历和面试
通常情况下，最终要看你如何 "推销 "自己。首先，一份简历（CV）甚至在见面之前就已经透露了很多关于候选人的信息。因此，为某一公司的数据科学工作专门制定一份好的简历是很重要的。
几分钟的面试足以让招聘人员决定是否进一步提升候选人。严格的准备是至关重要的。人们必须对公司的历史、他们所申请的团队、该组织过去所做的项目等做足功课。其他杂七杂八的东西，如肢体语言、自信、着装等也是决定交易成败的关键。
其他杂项原因
我们已经讨论了招聘人员在候选人身上寻找的所有要点，缺乏这些要点可能导致候选人被拒绝或取消。也就是说，一个候选人可能已经准备好了上述所有的要点，但仍然可能没有收到回电。通常情况下，原因可能在于公司的政策或招聘程序。例如，由于申请人跟踪系统软件，候选人可能会被拦在门外，只因为他们来自哪个渠道。一个可能的解决方案是通过不太常用的渠道来。
招聘人员的看法
按照NetConnect Global首席执行官Sunil Best的说法，以下是一些需要注意的卫生参数，以提高你作为候选人获得面试机会的资格。
- 补充性技能知识 - 潜在的雇主将热衷于雇用那些在补充性计算技术方面有知识/有工作经验的人才，如云计算、虚拟化技术、面向服务的架构（SOA）、网格计算等。
- 案例研究/博客和白皮书--在行业论坛上以博客、案例研究和白皮书的形式发表你的知识，这样领导就能注意到你的技能、经验和专长。
- 网络、学习、贡献和参考（NLCR）--在数据分析的领先公司或你的目标潜在雇主中建立一个网络，并为他们的思想领导力作出贡献。这将有助于你学习并有可能为 "正确的工作 "赢得参考。
"虽然认证是必要的，但学习可扩展模型的部署和用于部署的平台是非常重要的。为此，应优先考虑参与现场项目和实习，以便在该领域获得深入的实际动手能力。此外，通过重新评估和建立相关的联系，与他们保持联系，分享知识、行业更新和经验，并提供与自己的职业概况有关的新鲜和全面的信息，有效地利用专业网络平台也会有帮助，"IET印度区负责人兼总监Shekhar Sanyal说。
"公司正在寻找问题解决者，如果你的简历只专注于所使用的工具和技术，那么它并没有真正给招聘者一个机会来评估你解决问题的能力。因此，在详细介绍你的简历时，谈谈你是如何使用特定的方法或工具来解决问题的；这将使你的候选资格对招聘者更有吸引力，并在面试时开启有趣的对话。"Epsilon印度公司数据科学高级总监Raghavan Kirthivasan说。
Think360的首席分析官Suryadip Ghoshal说："大多数候选人都需要R和/或Python知识，以及关键软件包的经验。除此之外，为了在简历库中脱颖而出，我们寻找的几个高峰是。
-
有趣的项目。由于有这么多公开的库和数据，新的项目（这不是主流在线课程的一部分）为候选人提供了脱颖而出的机会。候选人应该公开他们的项目，并分享他们的GitHub和Tableau简介的链接。这些项目也可以作为面试中的对话开场白。
-
竞争排名。黑客马拉松和Kaggle等竞赛论坛对候选人来说是很好的学习经历。在这些比赛中的良好表现（进入前10%），证明了良好的编程和解决问题的能力，以及候选人理解问题陈述细节的毅力和能力。
"建立一份好的简历同样重要，因为许多公司使用机器人筛选，过滤器会寻找关键词并给你的简历打分。确保它是可读的，包含职位列表中的关键词，并且是个性化的，"ProtonAutoML的创始人兼首席执行官Harsh Gupta说。
遵循并将这些方面和习惯纳入你的申请过程，以增加你获得渴望的数据科学工作的机会。
The postWhy You may not be getting a call back for that Data Science Jobappeared first onAnalytics India Magazine.
