京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如果你是一个书呆子般的数据科学家,想要开始作为一个独立(远程)自由数据科学家工作,这篇文章是为你准备的。从现在朝九晚五的工作过渡到远程自由职业是一种解放的经历。最终收益是巨大的,包括:
我叫保·拉巴塔·巴约。我是一个自由数据科学家和ML工程师谁作为一个远程自由职业者在过去2年以上的工作。之前,我曾在一家顶级移动游戏公司Nordeus担任数据科学家。在我周围,我有一群伟大的数据科学家和了不起的数据工程师。当我加入这个团队的时候,他们已经在内部建立了数据分析平台,帮助公司管理一个每天活跃用户超过200万的游戏。我觉得我是另一只在一个成熟的蜂群中运作的蜜蜂。我90%的时间都花在技术上,包括数据分析以改进产品和ML开发以提高效率。10%的时间用于与团队其他成员交流我正在做的事情。
对于像我们这样的书呆子、数据科学家和ML怪人来说,这种分裂感觉很棒。然而,这种舒适有一个代价,我在两个不断的想法中想到了
最终,我辞去了工作,开始从事远程自由数据科学家的工作。这一转变既具有挑战性,也令人难以置信地丰富。在此过程中,我收集了一些知识,并将其浓缩为4个实用技巧,以帮助您加入我的行列,并开始走在另一边。
你的第一个问题是:我在哪里找到我的第一个项目?
互联网上有大量与数据相关的工作。如果你访问像Upwork这样的网站,你可以看到每分钟都有新的职位发布。是的,有很多数据科学工作,这是你每天早上都应该感谢的事情。然而,在那些巨大的网站上也有很多竞争。来自世界各地的自由职业者试图和你在同一个池塘里钓鱼。
你可能会想:
“考虑到我的技能和生活成本,让我们设定一个比我认为合理的低的工资,以增加我找到第一份工作的机会。”
大错。顺便说一句,我犯了两次这个错误。在我的第二个自由职业项目中,我和同一时区的另一位数据工程师一起工作,他的工资是我的两倍多。他第一次做自由职业。无数次我后悔我的聪明的定价。
大多数客户愿意支付更高的费率以减少项目的不确定性。你是一个非常合格的工作,过度的价格折扣也被解释为项目成功的更高的不确定性。此外,请记住,你试图说服另一个人,而不是成本最小化的Android。你需要表现出自信,设定一个比你认为自己价值更低的价格与此相反。
如今,有很多自由职业平台。我已经使用了其中的3个(Upwork,Toptal和Braintrust),但也可以随意探索其他的。
这些平台可分为两类:
大多数客户不是寻找一个全面的数据科学家,而是寻找一个可以解决他们问题的特定配置文件。一个非常了解如何
试图把自己表现为无所不能的终极自由数据科学家是很有诱惑力的,但这不是客户想要的。此外,数据科学是一个巨大的市场。通过缩小你的侧写,你仍然在一个相当大的池塘里钓鱼。记住这一点。
我的第一份自由职业可以粗略地描述为“我们的数据工程师没有一个能在Tableau中构建一个漂亮的仪表板。你能吗?“。这不是我能想到的最令人兴奋的工作,但这是我在以前的工作中做过一千次的事情。我是这方面的专家,这是对客户有价值的。
从专注于你已经是专家的项目开始你的道路。避免冒名顶替综合症,赢得你的第一张支票,建立信心。
兼职工作,甚至每小时工作,你可以学到和以前朝九晚五一样的东西。利用这个机会,在额外的时间里学习新的技能,为下一份合同中你想要工作的下一个领域做准备。
一个典型的错误是这样开始一个提案:
“亲爱的X。我叫Y,是一名数据科学家,在a、B、C和D领域有N年的经验。我有E方面的背景,而且……”
当然可以。你的潜在客户想知道你不可思议的背景。但她不是你爸妈。他想解决这个问题,所以直奔主题。从第一段开始专注于问题,没有序言和只能让她打哈欠的陈述。使用项目符号来列举与问题直接相关的非常具体的事情,并减少认知负荷。还有,把BS控制在最小。你喜欢读别人如何赞美自己吗?你的潜在客户也一样。
自从我开始做自由职业以来,我一直保留着我写的每一份提案。所有为我赢得工作的提案都有这样的结构:
“嗨X!我的名字是Y,最近我构建了N个与您的问题Z直接相关的东西:
我很乐意帮你做这件事。让我们本周打个电话来了解细节。最佳,Y.“
作为一名数据科学家的自由远程工作在智力和经济上都是令人难以置信的回报。如果这些建议能在你的自由职业道路上帮助你,我会感到非常高兴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07