Het is belangrijk dat je geloofwaardig bent, dat wat je zegt ook overwicht heeft, op een natuurlijke manier. Dat je het meent.

Leestijd: 4,5 minuten, 892 woorden
Xccelerated is een intensief gecombineerd werk- en leerprogramma voor data scientists en data engineers. Het unieke aan het programma is dat het zich richt op professionals met minimaal 0.5 jaar en maximaal drie jaar werkervaring die hun kennis willen verdiepen terwijl ze werken aan waardevolle opdrachten voor organisaties als Heineken en ING. 

Dit artikel geeft antwoord op de volgende vragen en meer:

  1. Voor wie is Xccelerated geschikt?
  2. Wat is een X-profiel?
  3. Welke rol speelt authenticiteit voor een data scientist?
  4. Hoe ziet het trainingsprogramma eruit?

Learning by doing

Xccelerators kiezen ervoor een diepte-investering te doen in hun data-carrière. Wat zijn dat eigenlijk voor mensen, die Xccelerators? Dat is voor Mahlia Joenoes en Bart Wetselaar van Xccelerated lastig uit te leggen, omdat het zulke verschillende types zijn. Maar zijn ze echt zo verschillend aan elkaar?

“Wat de Xccelerators verbindt is hun veelzijdigheid”, zegt Joenoes. “De theoretische basis is belangrijk, net als de werkervaring, maar het gaat verder vooral om persoonlijkheid en instelling. Bij veel kandidaten blijkt al uit hun studiekeuze dat ze de ambitie hebben om een hele goede data scientist of data engineer te worden. De Xccelerator weet wat hij wil en spreekt dit ook uit. De basis is niet alleen breed, maar gaat ook relatief diep. Wij noemen dit het “X-shaped”-profiel”.

De ideale kandidaat kent machine learning-concepten en theorie en kan programmeren. Wetselaar herinnert zich het assessment van een van de kandidaten:

“De code bestond uit 400 regels. Prima functionerende code, maar het had ook in 20 regels gekund. Dat gaan we ze leren in de bootcamp”, aldus Wetselaar.

Hetzelfde geldt voor machine learning. Wat doen modellen precies, en waarom? Welk model kies je wanneer en hoe leer je geavanceerde technieken echt toe te passen.

“Sommige kandidaten hebben al eens een neuraal netwerk geïmplementeerd, maar meer drag-and-drop, en nog nooit op een vervuilde dataset. Het learning-by-doing is zo belangrijk in de bootcamp, omdat je de theorie ook op grote, vervuilde datasets wilt kunnen toepassen”, vult lead data scientist Mathijs Brouns aan.

Studie

“Er zijn best veel relevante studies tegenwoordig”, vertelt Joenoes. “Information studies met data science of econometrie met big data bijvoorbeeld. Maar natuurlijk ook data science, AI, computer science. Verder hebben we ook kandidaten met een afgeronde opleiding richting natuurkunde, lucht- en ruimtevaarttechniek, of chemische technologie. Er is zelfs aan Xccelerator die tijdens haar PhD in systems biology on ageing besmet raakte met het data science virus doordat ze met python en R ging werken voor haar onderzoek”.

Het profiel van de data engineer is iets anders. Een studie computer science is natuurlijk voor de hand liggend, maar het kan ook zijn dat je als junior softwareontwikkelaar met python, Java of Scala werkt, en de overstap wilt maken naar big data engineer om aan de slag te gaan met het ontwikkelen van datagedreven producten: modellen naar productie brengen, of op een data-infrastructuur datapijplijnen bouwen.

Bootcamp

De bootcamp is misschien wel het belangrijkste onderdeel van het programma. Voor data science bestaat dit programma uit een verdiepingsslag op de theorie, waarbij de nadruk ligt op hands-on. Je leert tijdens de bootcamp de concepten achter een model echt te doorgronden.

 “Het is belangrijk dat data scientists en data engineers elkaar goed snappen. Daarom is het essentieel dat een engineer de basis machine learning-concepten begrijpt en een scientist nette code kan schrijven en kan werken met Docker. We willen voorkomen dat er een tolk nodig is voor data scientists en data engineers om samen te werken. Het zijn dus niet echt generalisten, of T-shaped profielen, maar wel professionals die elkaar snappen. Het X-shaped profiel dus”, aldus Wetselaar.

Het voordeel van een maand training, is dat je alle onderwerpen al een keer hebt gezien en kan toepassen zodra je bij je opdrachtgever gaat werken. Als je dan een bepaald onderwerp tegenkomt op je opdracht kan je er direct mee aan de slag zonder dat je hoeft te wachten op de bijbehorende training later in het jaar.

Persoonlijke vaardigheden

De ontwikkeling van persoonlijke vaardigheden is net zo belangrijk als de techniek. Het is immers belangrijk dat je als data scientist en data engineer professioneel kunt communiceren en voor je belang durft op te komen.  Een dag per maand nemen de Xccelerators daarom deel aan een soft skillssessie. Dit ontwikkeltraject brengt je steeds een stap verder op een bepaalde vaardigheid.

“We leiden de Xccelerators niet op tot consultant, wat we vooral belangrijk vinden is de ontwikkeling van professionele communicatievaardigheden. Het belangrijkste hierin is de bewustwording van de manier waarop je overkomt op anderen en hoe je dit in je voordeel kunt gebruiken”, legt Joenoes uit. “We leggen een sterke communicatieve basis, zowel verbaal als non-verbaal”.

Iedereen kan bepaalde kneepjes leren, maar als je niet weet hoe je overkomt op anderen, dan is het niet authentiek en blijft het bij een maniertje. Als je de basis wel onder de knie hebt en begrijpt, dan kan je een techniek je echt eigen maken.

“Dat is uiteindelijk veel krachtiger”, zegt Joenoes. “Het draait uiteindelijk om autoriteit: als je invloed wilt uitoefenen, dan is het belangrijk dat je geloofwaardig bent, dat wat je zegt ook overwicht heeft, op een natuurlijke manier. Dat je het meent.”

Wetselaar vult aan: “Al deze eigenschappen bij elkaar noemen we het X-shaped profiel. Dit is ook echt waar Xccelerated voor staat: we zijn een accelerator voor je technische, conceptuele en communicatieve vaardigheden. Vaardigheden waar je de rest van je carrière op terug kunt vallen. We ontwikkelen Xccelerators tot complete data professionals die impact durven maken.”

Xccelerated-get in touch