Actualmente estoy buscando una carrera fuera de la academia (STEM) y cada carrera de "nivel de entrada" en mi campo parece exigir familiaridad con docenas de tecnologías.
Por ejemplo, aquí hay un trabajo de ciencia de datos de una gran empresa de tecnología:
Como alguien que hizo un título en matemáticas aplicadas orientado a la teoría de la optimización y el aprendizaje, estoy muy familiarizado con el funcionamiento de AI/ML, pero no estoy muy familiarizado con todos estos softwares. Además, no conozco a nadie que actualmente esté haciendo una investigación similar que juegue con estos servicios en la nube de Amazon regularmente. Simplemente parece que no hay necesidad de publicar un artículo utilizando ninguna de estas herramientas.
Casi parece que necesita un título de posgrado completamente separado para cumplir con estos criterios.
Por cierto, casi todos los trabajos en el campo son así y este ejemplo es en realidad bastante leve y, de nuevo, ni siquiera para un puesto de alto nivel.
¿Puede alguien como yo sobrevivir en la industria?
A modo de antecedentes personales (para que sepa que tengo algo de conocimiento sobre este tema), mi carrera es como estadístico en el mundo académico y consultoría, y este último en el campo de la tecnología, donde a menudo se establecen requisitos similares para los puestos. Gran parte de mi trabajo académico ha sido teoría, pero también he podido trabajar de manera efectiva en el campo de la tecnología, por lo que he aprendido un poco al respecto.
Entonces, lo primero que aprendí es esto: estas grandes listas de habilidades que brindan una gran cantidad de plataformas específicas son en realidad solo una "lista de deseos". La mayoría de las organizaciones en el campo de la tecnología improvisan las habilidades requeridas al tener equipos de personas que se especializan en diferentes programas y plataformas. De vez en cuando te encontrarás con personas que tienen conocimiento de la mayoría de las plataformas en estas listas de deseos, pero es raro. Más común es encontrar personas que tengan un conocimiento especializado de alto nivel en uno o dos programas/plataformas y que puedan aprender los demás en el trabajo o colaborar con expertos en esas otras plataformas. Además, la experiencia de asociarse con equipos en la industria de la tecnología es algo que generalmente solo obtiene una vez que ya está trabajando en esa industria, por lo que no se espera que los nuevos principiantes tengan esto.
Si desea volverse atractivo para puestos de nivel de entrada en el campo de la tecnología, le recomiendo que elija uno o dos programas/plataformas clave y se convierta en un experto en esas cosas. Aprender un lenguaje central como SQL, Python, R, C++ o SAS (según el lugar al que desee ir) le brindará una base para el trabajo de programación en la industria tecnológica. Puede aprender áreas particulares como AI/ML si lo desea, pero es bueno obtener un conocimiento amplio y profundo de al menos un programa/plataforma. Hay muchos proveedores de educación en línea que le enseñarán estos programas mucho más rápido que obtener un título de posgrado (por ejemplo, DataCamp , Udemy , CodeAcademy , Coursea , LinkedIn , etc.).
Una vez que tenga un programa/plataforma en el que sea realmente bueno, puede agregar gradualmente otras cosas a su repertorio hasta que tenga un currículum tecnológico más completo. Esto toma años en desarrollarse y generalmente proviene de estar involucrado en proyectos en los que tienes que aprender y aplicar nuevas herramientas. (De hecho, encontrará que incluso después de haberlos aprendido, tiende a olvidarse de las plataformas de programación que no usa en los proyectos).
Absolutamente puedes hacerlo.
Esta respuesta se centrará en la ciencia de datos, ya que coincide con la descripción del trabajo que publicaste. Conozco personas con perfiles similares que han hecho la transición. Tomará algo de trabajo llenar algunos vacíos en su experiencia y pensar en cómo hacer que su experiencia se relacione con un empleador. Incluso si no usa las herramientas que están buscando, tal vez pueda demostrar que ha usado herramientas similares. Y con el tiempo, puede aprender las herramientas que necesita.
Una cosa a tener en cuenta es que muchas, probablemente la mayoría, de las personas que realizan estos trabajos no tienen doctorados. Por lo tanto, no es cierto que necesite una educación de posgrado en los temas que enumeró [1]. Lo que sí necesita es un conocimiento práctico de las herramientas comunes. Es útil tomar uno o dos cursos en línea que incluyan ejemplos reales de codificación para que pueda practicar y obtener experiencia práctica.
También debe tener en cuenta que (a) los "requisitos" que publican las empresas no son requisitos estrictos: el candidato ideal tendrá todas esas cosas, pero ningún candidato es un candidato ideal, por lo que se contrata a personas que cumplen una fracción de todos los criterios. el tiempo y (b) las personas completan sus currículos. Debe decidir por sí mismo con qué se siente cómodo y cómo describe sus habilidades en su currículum. No deberías mentir; debe estar listo para explicar y demostrar cualquier habilidad que ponga en su currículum, y debe estar preparado para tener que usar esa habilidad en el trabajo si lo contratan. Pero tampoco debe subestimarse: puede adquirir los conceptos básicos de muchos de estos paquetes antes o mientras solicita puestos de trabajo.
Hay una habilidad importante que tiene debido a su doctorado: su capacidad para aprender cosas nuevas de forma independiente y usarlas para abordar problemas no resueltos. Esto es más difícil de cuantificar y poner en una lista, pero es muy valioso poder hacerlo en el mundo de los negocios.
Una forma de demostrar sus habilidades para resolver problemas y aprender las herramientas que necesita en el campo es hacer algún tipo de proyecto personal que pueda hacer para mostrar sus habilidades en ciencia de datos. Un primer proyecto común es competir en una competencia de Kaggle, o hacer una competencia anterior, y estar listo para hablar sobre las decisiones que tomó al analizar los datos. Sin embargo, si puede encontrar algo que lo extienda más allá de esto, eso es aún mejor: Kaggle le permite demostrar que puede ajustar un modelo a los datos, pero no incluye muchos pasos que son parte del pan y la mantequilla de un data. trabajo científico, como recopilar y limpiar datos, e implementar un modelo para que pueda usarse para algo.
Finalmente, existen bootcamps de ciencia de datos que existen para ayudar a las personas en la academia a hacer la transición a la ciencia de datos. Su kilometraje puede variar en estos... Por un lado, afirman ser capaces de colocar personas en muy buenos trabajos. Por otro lado, son caros y tendrás que estar varios meses sin sueldo. Pero también son una opción a considerar si tiene dificultades para conseguir un trabajo.
Nada de esto quiere decir que no tendrás que trabajar duro. Es posible que deba dedicar una cantidad significativa de tiempo a su currículum, practicar para entrevistas y enviar muchos currículums (es un juego de números: la mayoría de los lugares no responderán a un currículum que reciben sin una referencia, pero algunos lo harán si tienes un buen currículum). Puede que no tengas éxito al principio. Pero es posible con dedicación.
Hay muchos recursos en línea para las personas que buscan hacer esta transición exacta. Es posible adentrarse demasiado en la maleza con ellos, pero eche un vistazo a las historias de personas que ingresaron a la industria y los consejos prácticos para ingresar al campo que le interesa. establecer contactos tanto como sea posible, tanto para obtener consejos (si conoce a personas, o conoce a personas que conocen a personas, en la industria en la que desea trabajar) como para obtener apoyo emocional. Buscar un trabajo y cambiar de campo es difícil y no obtendrá mucho apoyo directo dentro de la academia.
[1] Algo que uno de mis amigos me señaló es que en la academia, pasas todo tu tiempo alrededor de los doctorados, pero la mayoría de las personas fuera de la academia no lo hacen, ¡y encuentran que un doctorado es impresionante! No querrás llevar esto demasiado lejos y dormirte en los laureles, especialmente porque el hecho de tener un doctorado por sí solo no convencerá a nadie para que te contrate, pero ten en cuenta que tienes algunas fortalezas reales que pueden no serlo. obvio para usted debido al entorno en el que se encuentra. Deberá reconocer estas fortalezas y transmitirlas de manera convincente a los posibles empleadores.
Yo mismo he vivido esto.
Obtuve un doctorado en ingeniería eléctrica, y principalmente hice álgebra lineal (matemáticas) y simulaciones de software con estadísticas de Monte Carlo.
No puedo arreglar tu tostadora, hacer el cableado, etc.
Entonces, para mí, hice firmware de audio que cuenta dos veces como EE e ingeniería de software, durante unos 5 años.
Eventualmente terminé convirtiéndome en ingeniero de software, y hubo un 'final feliz'.
Dependería de tus propias habilidades, por supuesto. Alguien que tiene mucha habilidad técnica aún podría hacer un doctorado teórico.
Pero en general, este es un problema conocido y puede causar dificultades en el mundo industrial.
Estoy muy familiarizado con el funcionamiento de AI/ML, pero no estoy muy familiarizado con todos estos softwares... Parece que no hay necesidad de publicar un artículo usando ninguna de estas herramientas.
Casi parece que necesita un título de posgrado completamente separado para cumplir con estos criterios.
No necesita un título para cumplir con estos criterios, solo necesita aprender en el trabajo durante un par de años. Las ofertas de trabajo esperan que usted haga esa capacitación en el trabajo con el centavo de otra persona y pueda comenzar a trabajar, pero eso rara vez sucede en el mundo real. El primer día de todos, desde el más antiguo hasta el recién graduado, se dedica a descubrir cómo se hacen realmente las cosas en la nueva tienda; Recursos humanos no parece entender esto.
Soy ingeniero informático de formación e ingeniero de controles de oficio. Nunca había usado un Rockwell PLC en la escuela, pero tenía un conocimiento profundo del álgebra booleana y la lógica de escalera no es tan complicada. Cuando comencé, no sabía cómo calibrar una celda de carga, pero podría haber construido una desde los primeros principios, y eso fue de gran ayuda al diagnosticar artefactos de medición. Los académicos generalmente intentan comprender el cómo y el por qué, mientras que es más probable que la industria valore el pragmatismo: simplemente haga que funcione y no haga preguntas. Esto lo hará menos efectivo en tareas fáciles, pero trabajará a su favor cuando el equipo se encuentre con un problema difícil. Solo necesita encontrar un equipo que le muestre cómo comenzar ("Aquí están sus credenciales de AWS, así es como inicia sesión en su instancia EC2,
Solo tendrá que encontrar un lugar que le permita comenzar a trabajar sin marcar esas casillas en particular. En las grandes empresas, es posible que tenga que pasar por alto algunos de los drones de RR. realmente determinar si cumple o no con los requisitos. Además, espero que algunos de esos puestos de trabajo probablemente requieran 5 años de experiencia en tecnologías que tienen 3 años y, sin embargo, los puestos se cubrirán.
La programación fue una segunda carrera que elegí por necesidad; anteriormente había sido un pasatiempo. Mi título era en humanidades (filosofía). En unos 10 años, he avanzado constantemente desde un puesto de nivel de entrada hasta estar cerca de la parte superior de la carrera profesional en mi empresa. Mi historia no es inusual. Hace poco tuve una conversación con un colega que era conductor de autobús hace dos meses antes de tomar un curso intensivo.
Aunque las empresas a menudo enumeran sopas de letras largas en sus listados, el hecho es que el mercado laboral está al rojo vivo en este momento, y hay muchas más vacantes que personas calificadas para llenarlas. Tómese el tiempo para obtener las habilidades de nivel básico, y alguien se arriesgará con usted, sin importar la poca experiencia que tenga.
El otro factor a recordar es que la tecnología avanza sin descanso, por lo que incluso las personas que están bien calificadas hoy en día todavía necesitan adquirir nuevas habilidades constantemente. Eso significa que en realidad no estás tan lejos de los demás. Si eres un autodidacta bueno y disciplinado, no hay razón por la que no puedas prosperar en la tecnología.
Las publicaciones de trabajo a menudo son escritas por personal de recursos humanos que no tiene ni idea, muchas veces con las mejores intenciones y no sabe qué significa ninguno de los términos. No tiene que ser el mejor candidato que ellos querrían, solo necesita ser el mejor candidato del grupo de respuestas.
La mayoría de las ofertas de trabajo dirían algo en el sentido de que el empleador se reserva el derecho de no hacer una cita, pero muchas veces esto es solo una pose. En Sudáfrica, es común que los trabajos tecnológicos permanezcan vacantes durante meses. El crecimiento de muchas empresas de tecnología depende en gran medida de cuántas personas razonablemente calificadas puedan conseguir para hacer el trabajo.
También creo que vale la pena señalar que debido a que la escena tecnológica es tan lucrativa en general, hay muchas empresas que están dispuestas a arriesgarse con los empleados solo porque la ventaja es muy grande.
Lo que diría es que, viniendo de la academia, debes darte cuenta de que no estás vendiendo programas o software. A nadie le importa la empresa intelectual de la programación en el mundo de los negocios. Solo tiene valor para un negocio en la forma en que afecta el resultado final.
Si puede demostrarle al propietario de un negocio que puede obtener 50K en ganancias ya sea reduciendo los gastos o aumentando los ingresos comprando su pieza de software de 20K, entonces obtendrá un montón. Este puede ser un ejemplo simplista, pero siempre debe saber que en este mundo de la programación debe resolver algún tipo de problema o satisfacer algún tipo de necesidad física o emocional de una empresa o un individuo.
Tus programas solo se valoran en los problemas que resuelven. Así es como funciona este mundo. No se trata del avance del conocimiento humano. Se trata del avance de su balance final. Demasiadas veces veo a estos llamados capitalistas de riesgo vender algún tipo de idea tecnológica sin siquiera una pista de cómo creen que funcionará en el mundo real y no puedo evitar pensar para mí mismo si están tratando de venderme acciones. en una empresa o están tratando de reclutarme para algún tipo de culto de la nueva era que están tratando de fundar.
Solo tenga el problema que está tratando de resolver y esté al frente de todo lo que hace.
Tuve que hacer una doble toma cuando dijiste AI/ML para incluso decir que reconocí uno de los acrónimos y términos tecnológicos. El primer trabajo en tecnología fue hace 22 años a los 35 años con un diploma de escuela secundaria.
Todas las personas con las que he trabajado necesitan un solucionador de problemas de estudio rápido. Si tienes habilidades sociales, mucho mejor.
He sido bendecido con muchas oportunidades, y muchas no estaba calificada cuando entré por la puerta. Pero llegué de esa manera lo más rápido posible. Produzca trabajo constantemente, reconozca sus errores y trate de llevarse bien con la gente. No fije su vista en la luna para su primera posición. El mío estaba haciendo que algunos html se ajustaran a una plantilla diferente. Fijó una fecha límite y trabajó ~ 3 años en ese "proyecto de 6 semanas".
También trabajé 4,5 años en una universidad. Es donde aprendí que los doctores no lo saben todo (concepto erróneo de la infancia). Algunos de los académicos eran buenos, humildes, chicos/chicas regulares y algunos podrían ser desafiantes. Creo que la mayoría estaban petrificados de no poder lograrlo en un trabajo real. Al menos no con las miradas de asombro a las que estaban acostumbrados los niños. Era una tontería, podrían haberlo hecho.
Sí, creo que lo harás bien. La tecnología es grande, amplia y crece cada segundo. ¡Entra aquí! :D
Hago reclutamiento de nivel de entrada para la división técnica de una gran empresa y las características que buscamos en un candidato exitoso son:
En este nivel, buscamos talento en bruto, no un conocimiento íntimo de la biblioteca de IA del día. Aunque, si dijera que ha hecho un curso en (digamos) Tensorflow, entonces ciertamente ayudaría a sus posibilidades.
Francamente, las habilidades que enumera coincidirían con uno de nuestros ingenieros con al menos 5 años de experiencia y si una empresa ofrece un puesto de nivel de entrada a alguien con esa cantidad de conocimiento, entonces no entienden su valor o su negocio.
Mi respuesta es ligeramente diferente: Sí, puedes hacerlo, si estás dispuesto a adaptarte .
Nadie espera que un nuevo empleado se ponga en marcha a toda velocidad: para cada trabajo existe la expectativa de que le llevará algún tiempo aprender el entorno, la cultura y los requisitos. El conjunto de herramientas que desarrolla en un programa de doctorado puede o no alinearse perfectamente con un trabajo determinado, pero la capacidad de aprender y expandir sus propias habilidades de forma independiente lo ayudará a ponerse al día rápidamente, como han dicho las otras respuestas.
Sin embargo, he tenido mucha experiencia en la contratación de ex académicos, y la única gran área en la que he visto problemas es la adaptación al cambio cultural. He conocido a muchos, digamos, doctores de alto mantenimiento , aquellos que esperan hacer exclusivamente el trabajo técnico puro y desafiante, y que se burlan de los aspectos de habilidades blandas del trabajo. Trabajar en colaboración, sin cumplir con los plazos, abordar el problema que tiene frente a usted en lugar del que desearía que tuviera frente a usted, contribuir a las reuniones y la estrategia son áreas en las que he visto dificultades a los doctores, no porque no puedan hacer el trabajo . sino porque no quieren . He conocido a muchos gerentes de contratación que ven un doctorado como una señal de alerta porque asumen que el solicitante no estará dispuesto a adaptarse.
A menudo, usar una carta de presentación para explicar por qué está interesado en el puesto y demostrar que comprende y está ansioso por hacer el trabajo será de gran ayuda.
Hablando de personas que conocí en la universidad, muchos estudiantes de física y matemáticas, incluidos maestrías y doctorados, no tuvieron problemas para terminar en trabajos tecnológicos como programador, científico de datos o en finanzas cuantitativas. Las empresas tienen diferentes estrategias de contratación, pero muchos entrevistadores buscan habilidades generales de resolución de problemas y habilidades de razonamiento, y están dispuestos a mirar más allá de no conocer todas las bibliotecas de programación, siempre y cuando el candidato tenga un conocimiento básico de programación/línea de comando y muestre entusiasmo y capacidad para aprender (por ejemplo, si tiene una familiaridad básica con el álgebra lineal, algo como numpy debería ser bastante fácil de aprender).
Hice un doctorado en informática teórica y actualmente soy ingeniero de software (sénior) en Facebook.
Esto es contrario a la intuición, pero después de un doctorado, las entrevistas en empresas más grandes son más fáciles que en empresas más pequeñas.
Claro, si está dispuesto a aprender esas tecnologías y no tratar a sus compañeros de trabajo como sirvientes que convierten su magia de doctorado en código.
Es muy raro que un PhD tenga suficientes habilidades/valor para la empresa que pueda continuar haciendo el equivalente a la investigación sin hacer cosas "aburridas" como codificación/cosas en la nube.
En otras palabras, si puede obtener un doctorado, tiene la capacidad de aprender fácilmente la tecnología necesaria, pero el problema aquí es si le apasiona aprender las diversas pilas de tecnología como lo fue para el trabajo relacionado con su doctorado.
bryan krause