É isso mesmo, os empregadores realmente não se importam com o quanto você sabe. ““Como isso pode ser ???“Você pergunta? É verdade! O que os empregadores realmente se preocupam é O que você pode fazer com o que você sabe. Quando outro ano letivo começa, achei que vale a pena reforçar um ponto crítico de que qualquer um, seja um aluno ou um profissional de longa information, deveria lembrar ao decidir onde gastar seu tempo para melhorar suas habilidades e perspectivas de emprego.
Memorização e acumulação de fatos têm valor limitado
Vou começar com um exemplo pessoal. Eu sempre fui horrível em desenhar e pintar (e caligrafia também!). Eu poderia fazer uma variedade de aulas de história da arte e pintar o básico para aprender sobre qual tipo de pincel e pintura trabalham em que situações, como cada combinação foi usada historicamente e técnicas para tornar as pinturas mais realistas ou mais abstratas. Eu posso até obter um A nas aulas e impressionar artistas reais com meu volumoso conhecimento de suas técnicas. Isso significa que, quando me sento para pintar uma imagem, serei um bom artista? Não! Simplesmente não tenho as habilidades adicionais necessárias para aplicar meu conhecimento de pintura na prática.
Eu poderia fazer um argumento semelhante sobre reparo de carros. Sou horrível em desmontar as coisas e montá -las de volta, mesmo que eu tenha instruções explícitas sobre como fazê -lo. Eu não conseguiria um emprego nos campos de pintura ou reparo de carros, não importa quanto conhecimento de livros eu adquiri!
Amarrando o conceito à ciência de dados e à inteligência synthetic
Infelizmente, muitas pessoas se concentram apenas em aprender tudo sobre a teoria da ciência de dados e da IA, a sintaxe da codificação e os conceitos por trás da tradução de um problema de negócios em um plano analítico. No entanto, assim como nos meus exemplos acima, passando testes sobre esses tópicos e sendo capaz de descrever como eles funcionam não é o mesmo que poder aplicar esse conhecimento para projetar e executar um projeto actual.
Ter o conhecimento subjacente é obviamente necessário se você for bem -sucedido com um projeto actual, Mas não é suficiente. Depois de obter o conhecimento e a teoria necessários, é necessário demonstrar que você pode aplicá -lo e projetar efetivamente uma análise, gerar o código, criar um modelo apropriado e interpretar os resultados. Muitos que podem recitar os fatos e a teoria da ciência de dados e a IA lutam para colocá-los em prática em um ambiente do mundo actual.
Vá além dos cursos e teorias
Com base nos exemplos anteriores, qual é o melhor uso do seu tempo se você deseja melhorar suas perspectivas de emprego? Certamente, não se esquiva de diplomas, certificações e cursos de auto-estudo. No entanto, nunca esqueça que você também deve aprender a aplicar seu conhecimento recém -adquirido e ser capaz de demonstrar para um empregador que você pode.
Freqüentemente me perguntam estudantes e profissionais sobre o que penso desta aula ou aquilo, esta certificação ou aquilo, este seminário executivo ou aquilo. O que sempre enfatizo é que não há nada de errado em perseguir nenhum deles. No entanto, é basic também ter um plano para aplicar qualquer conhecimento que você obtenha em um ambiente prático do mundo actual.
Priorizando seus esforços
Vamos encerrar as coisas com exemplos muito específicos de como maximizar suas perspectivas de emprego:
- Sempre priorize an opportunity de fazer um projeto actual que exige novas habilidades. Seja um estágio, um projeto no trabalho, uma competição de hackathon ou apenas um projeto que você cria para si mesmo, nada prova que você pode usar seu conhecimento mais do que mostrar exemplos.
- Se você obtiver uma nova certificação ou fazer um novo curso, sempre acompanhe uma oportunidade para colocar suas novas habilidades para usar e documentar seus esforços.
- Em seu currículo e perfil do LinkedIn, bem como em discussões verbais, Sempre me concentre mais no que você realmente fez do que no que aprendeu. Coloque exemplos de projeto (o que você pode fazer) em cima e as aulas e certificações abaixo (o que você sabe).
Dado quanto conhecimento aqueles de nós em áreas técnicas como a ciência de dados e a IA precisam ter, é fácil se concentrar demais em adquirir mais conhecimento. Embora isso seja ótimo a fazer, à medida que você adquire conhecimento, nunca esqueça que os empregadores realmente não valorizam esse conhecimento – pelo menos, até que você possa demonstrar claramente sua capacidade de aplicar esse conhecimento para agregar valor resolvendo problemas do mundo actual.
Lembre -se sempre … Eles não se importam com o que você sabe, eles se importam com o que você pode fazer!
Postado originalmente no Analytics Issues Newsletter no LinkedIn