Hvordan går man over til datavidenskab fra en anden baggrund?

Genudgivet af Platon

Abonnenter: 0

Hvordan går man over til datavidenskab fra en anden baggrund?
Bing Image Creator

Hvis du er fra en ikke-computer science-baggrund, ved du, hvor meget arbejde det er at få fat i et job i datavidenskabens verden. Mulighederne ved Data Science kræver mange mennesker, men da Data Science er så nyt i verden (der er ikke gået mere end et årti!), er der meget få mennesker, der er organisk kvalificerede til at være data scientists i henhold til normerne for Data Science. virksomhedernes verden.

Denne industri skriger på vækst og muligheder, og det er en af hovedårsagerne til, at nogen ønsker at gå over til en verden af datavidenskab, selvom de kommer fra en meget anden baggrund.

Bemærk: Jeg er en af de få, der ved, at Data Science kan arbejde for nogen, ikke fra en CS-baggrund, og jeg håber, at denne artikel hjælper dig med at finde den vejledning, du har brug for for at booste din rejse.

Hvordan går man over til datavidenskab fra en anden baggrund?

I denne artikel gennemgår vi, hvordan du bør gribe Data Science an som en karriereovergang baseret på tre forskellige segmenter:

For en der har aldrig rørt noget emne, der er tæt relateret til datavidenskab på college.
For nogen fra en ikke-CS-baggrund, men med et par relevante emner relateret til Data Science & hvem vil være dataforsker hvorfor ikke?

For en der har været arbejdet i en branche i lang tid, men ønsker nu at skifte til den fascinerende og skræmmende verden af Data Science.

Bemærk: Synspunkterne i denne artikel er mine alene, du er velkommen til at have din egen mening eller tilgange til overgangen. Jeg ønsker dig det bedste.

Lad os komme lige ind i det.

Fase I: Du er ikke tæt relateret til Data Science, men du vil gerne ind i det.

Nå, i dette tilfælde vil jeg sige, at den eneste indsats, du vil udøve, er mental, og den kræver en masse tålmodighed. Der er ingen tvivl om, at Data Science er et meget teknisk fag og involverer mange tal.

PS Prøv at tjekke dette først, for at identificere, hvad vejen skal følges for at gøre det stort inden for Data Science. Du kan derefter komme videre og forstå de ting, du skal bemærke for at fremskynde din rejse!

Start her:

Hvordan går man over til datavidenskab fra en anden baggrund?

Ting at bemærke i dette tilfælde:

Datavidenskab er ligesom ethvert andet fag, du kan altid begynde at lære det, når du har tid.
Det er altid tidligt nok, aldrig for sent at starte.
Data Science er en kombination af datalogi, statistik, matematik på universitetsniveau, masser af logisk tænkning og programmeringssprog med andre værktøjer, som du kan bruge.
Kortlæg dine færdigheder inden for hvert af domænerne (eller især det, du ønsker at blive professionel i), og fortsæt med at lære mere om hvert af dem.
Hvis du vil ind i analytics, så skub din statistik viden og også datarensning mv. (Lær Excel så meget du kan, det er en velsignelse for analyser i små datasæt og det bedste værktøj til at begynde med)
For Data Viz, prøv at lære Tableau, PowerBI osv., men forstå samtidig, hvordan visualiseringer fungerer, og hvordan du kan lave bedre billeder og dashboards.
Primært i de første 2 måneder af din læring, fokusere på at lære disse i samme rækkefølge - Excel, SQL, Tableau, og hvis tiden tillader det, Python basics.

Hvordan går man over til datavidenskab fra en anden baggrund?

Med dette kan du gå ind i fase II og fortsætte med at lære derfra.

Bemærk: Det vil tage tid, hvis du er ny til Data Science, så du skal bare være tålmodig og stole på processen. Det skal nok gå!

Fase II: Du har været relateret til nogle fag inden for datavidenskab, men du har ikke været helt inde i det.

Dette var et lignende trin som mit, og jeg kan fortælle dig, at det kræver en stor indsats at studere Data Science. Det afhænger af en masse faktorer, som du vil se til sidst, men det er ikke særlig svært med den måde, verden har åbnet døre for open source-læring og tilbudt viden til alle, der ønsker det (selvom de kommer fra en ikke-CS) baggrund).

Ting at bemærke i dette tilfælde:

Data Science er et hårdt felt, hvis man prøver at se på det som en helhed. Bare begynd at se hver komponent, du ønsker at fokusere på, som brikker i det store puslespil, og du vil være helt fint.
Hvis du vil dvæle ved Data Viz-siden af Data Science, skal du fokusere på at forstå, hvordan dashboards og dataforbindelser fungerer, og lære datahistoriefortælling.
For nogen, der ønsker at komme ind i Machine Learning, prøv at forstå, hvordan man arbejder med Python eller R, hvis du går med Python - lær biblioteker som NumPy, Pandas, Scikit Learn, SciPy, Matplotlib og Seaborn.
Forstå det teoretiske koncept bag ML for også at få mere mening i dine algoritmer. Det burde tage tid, men at forstå processen er vigtigere end at kode en højkvalitets ML-algoritme.
Hvis du ønsker at skubbe din analytiske side - lær inferential statistik, og forstå, hvordan data kan bruges til at lave datadrevne løsninger. Lær, hvordan du arbejder med data, der er ustrukturerede og renser så mange datasæt som muligt.
Gå ud over de normale CRUD-kommandoer i SQL for at forstå perfekt, hvordan JOINS fungerer, og hvordan man arbejder med MySQL/PostgreSQL. Hvis du vil skubbe det med Excel, kan du lære, hvordan du bruger Data Analysis Toolpak, og hvordan du laver makroer.
Forstå, hvordan tidsseriedata fungerer, og ved, hvordan man trækker data fra kilder og laver tidsserieprognoser for at fremme din læring.

Hvordan går man over til datavidenskab fra en anden baggrund?

Oftere end ikke, vil du være en af de masser, der vil lære en masse værktøjer og få styr på alt på et mellemniveau.

Jeg vil varmt anbefale dig at finde din niche og gå avanceret i den. Med mængden af viden og konkurrence derude i datavidenskabsverdenen, så prøv at finde din niche og sørg for, at du finder dit præg i konkurrencen med dine unikke færdigheder.

Trin III: Du er allerede en professionel i en branche, men du vil starte i Data Science nu!

Der er mennesker, jeg kender, som har været i fantastiske positioner i deres liv, før de besluttede, at de vil være en del af Data Science. Det er naturligt at have lyst til at skifte karriere efter lang tids arbejde i en bestemt branche, og der er et par ting, jeg har hentet fra folk, jeg kender, som har været i en lignende stilling og kan hjælpe dig i denne sag.

Ting at bemærke i dette tilfælde:

Når du først er professionel i en bestemt branche, kan det være på grund af et skifte i livsvalg eller et krav om opkvalificering, der bringer dig til Data Science
Under alle omstændigheder ville ledelsesroller i Data Science være gladere at have nogen med stor virksomhedseksponering i branchen
Opkvalificering i Data Science med din eksisterende viden i en branche kan være en af de bedste ting, der kan ske med din karriereovergang. Data Science, mens man spiller på datalogi og også på værktøjer og teknikker, er stærkt afhængig af domæneviden.
Med nok domæneviden kan du være dataforsker inden for dit felt ved at udnytte kraften i data til mere end det, der allerede bliver gjort
Branchespecifikke KPI'er og målinger kan videreudvikles og automatiseres med Data Science og kan også åbne nye døre for dig.
Med den ekstra viden om datavidenskabsværktøjer i dit arsenal kan du blive undervisere inden for dit felt og hjælpe spirende dataforskere. Mulighederne er ubegrænsede.
Værktøjerne og færdighederne til at lære på dette trin er de samme som det, der blev gjort i trin I og trin II nævnt tidligere i denne artikel.

Under alle omstændigheder er det bedst at lære datavidenskab og holde sig til dit fagområde på grund af den måde, verden går over til datavidenskab i dag. Alt hvad du gør, kan og har data involveret, og at bruge det i din beslutningstagning, vil kun gøre dine beslutninger meget bedre.

Det er svært at gå over til datavidenskabens verden, ikke fordi det er svært at få et job, men fordi der er så mange mennesker, der kæmper om det. Mulighederne ses af alle, og folk ved, at -Data er fremtiden- og det samme er Data Science.

For alle, der allerede umiddelbart er dygtige til Data Science, følg med, jeg har en anden del til denne artikel, der kommer ind, hvor vi diskuterer, hvordan du kan gå fra pro til ekspert i Data Science.

Yash Gupta er datavidenskabsentusiast og forretningsanalytiker, freelance teknisk skribent og blogger på Medium.com. Han er interesseret i at dele datavidenskabsviden med et større publikum på en letforbrugelig måde. Han ønsker at dele sin viden med alle, der nyder data lige så meget, som han gør. Han forsøger at lære noget nyt hver dag og elsker at guide spirende dataentusiaster på deres rejse.

Original. Genopslået med tilladelse.