自然科學碩士/博士怎麼轉換跑道

碩士畢業後一陣迷茫？博士唸到一半忽然覺得學術界不是我想要的？還是很喜歡研究，可是相關的工作少之又少？當研究助理第三年了，還要不要繼續？

很多人都有過這樣的想法。其實，學術生涯所培養的能力，例如統計分析與研究寫作，都可以是我們申請資料科學家（data scientist）、資料分析師（data analyst）相關職位的基本功。花一點時間培養關鍵技能，準備面對業界的履歷，轉換跑道其實並不困難。

---

不要忽視學術基本功

資料科學雖然聽起來是個熱門的新職位，似乎每年都有新的技術、新的 models、新的熱門關鍵字，但是這個職位的核心，還是對資料的正確處理與解讀。

「實驗」的觀念（例如要有試驗組跟對照組）、「研究」的精神（例如要先了解背景知識、問問題）、統計的知識 （例如 sample size、overfitting/underfitting、controlled experiment）、甚至能夠以嚴謹的邏輯（並且用英文）寫作，都是不可或缺的基本功。

沒有三五年的相關經驗，這些基本功很難做到扎實（所以培養博士至少要三到五年的時間）。而這些職位每天的工作（day-to-day job）常常也需要做研究。如果你的目標職缺是 Data Scientist/Analyst，科學類的碩博士學歷其實是個加分項，對於重視個人潛能的外商而言更是如此。

充實技能，讓履歷更豐富

下一步就是讓履歷看起來更豐富，並且增強一些業界需要的技能，讓用人主管相信你可以立刻勝任工作。以程式語言為例，學術界常用的 Matlab、Statistica、SAS、Fortran，在業界受歡迎程度遠不如 Python、R、SQL。業界常需要快速做出圖表、dashboard 等等，也是學術出身的求職者可以加強的地方。日新月異的機器學習，也不能一問三不知。

不同於基本功，這些技能大多不難在短時間內達到基本要求。首先，網路上有很多資源可以自學，比較有系統的課程如 Udemy 、 Udacity、Coursera，即使是收費項目價格也不會太貴。

我們建議選一兩個紮實且提供認證的課程，放在履歷上可以作為加分項。紮實的意思是時間夠長（Coursera 的 Specialization 就比單項課程好），並且有作業、小考之類的畢業門檻。此外，有口碑的 fellowship 或是培訓班，除了學習技能、獲得認證之外，更是收穫人脈的有效途徑。

最後，我們建議找工作前至少針對一個最有把握的專案 project，準備網站或簡報形式的 deliverable 呈現自學成果，並在 github 上整理好簡介跟代碼。在履歷中，這可以是彌補工作經驗不足最有效的項目。

我們整理了網路許多有用的資源，可以參考：資料科學、資料分析實用刷題、學習網站

編寫適用於業界的履歷

找工作當然少不了一份好履歷。以下針對學術背景的求職者，我們整理幾個英文履歷寫作重點：

1. 履歷（一般稱 resume）跟 CV (curriculum vitae) 不同：在學術界我們常用的履歷 （CV）是個列舉所有學術成就（論文，研討會，計畫獎金，輔導學生）的文件，通常夠厲害的人都有好幾頁的 CV。相反的，即使是經驗豐富的求職者，在業界用的 resume 中基本上也只能精簡到一頁，所以要針對職缺編修，保留最能加分的項目。
2. 研究助理、助教經驗該不該放？基本原則就是思考這個經驗能不能幫你加分。研究助理具體工作如果是統計與資料分析，在申請資料分析職位時就會是加分項。而如果是英語系國家學校的助教經驗，在空間允許時也許可以當作英語溝通能力的佐證。放不放論文也是同樣的準則。
3. 避免「學生」味：要讓履歷看起來像專業人士而不是學生，履歷上盡量減少或避免只有學生才看重的內容，例如 GPA（超級優秀且學科相關除外）、社團幹部（特別相關或吸睛除外）．也不要花太多空間列舉一堆 “修過的課”。（可以參考：新鮮人英文履歷怎麼寫 — 實踐篇，以及針對博士的：面向業界的履歷：PhD 篇）

---

現任外商科技公司中，很多資深 data scientists 及 data analyst，也就是可能的用人主管、面試官都是學術出身，通常能夠認可學術訓練的價值。 我們的顧問團隊中也有自然科學博士轉資料科學家的顧問。進入公司，只要盡快適應產業界的步調，適當發揮學術訓練所長，唯一有一點不適應的就只剩 work-life balance 了。