Leggi questo prima di passare alla scienza dei dati - KDnuggets

Ripubblicato da Platone

Seguaci: 0

Leggi questo prima di passare alla carriera di Data Science
Immagine dell'autore

Stai leggendo questo articolo perché stai pensando di unirti ai ranghi degli aspiranti data scientist. E chi può biasimarti? La scienza dei dati è un campo in crescita, anche un decennio dopo l’ormai famigerato riconoscimento del “lavoro più sexy” da parte della Harvard Business Review. Attualmente è il Bureau of Labor Statistics degli Stati Uniti predice il tasso di occupazione dei data scientist crescerà del 35% dal 2022 al 2032. Confrontalo con il tasso medio di crescita dell’occupazione, che è solo del 5%.

Ha altre cose da fare:

È ben pagato (di nuovo, la BLS essere trovato uno stipendio medio di $ 103 nel 2022)
È accompagnato da un’elevata qualità della vita (felicità legata al lavoro superiore alla media). secondo a Esplora carriera)
C'è sicurezza sul lavoro nonostante il recente round di licenziamenti – perché c'è così tanta richiesta per il ruolo

Quindi ci sono molte ragioni per voler entrare in questo campo.

Leggi questo prima di passare alla carriera di Data Science
Fonte: https://www.bls.gov/ooh/math/data-scientists.html

Ma la scienza dei dati è un campo molto ampio, con molti titoli professionali e competenze diverse che devi conoscere prima di iniziare. Questo articolo ti guiderà attraverso le varie direzioni che puoi seguire e cosa devi sapere per ognuna di esse per entrare nella scienza dei dati.

Per effettuare una transizione di successo in a carriera nella scienza dei dati, dovrai seguire un approccio strutturato:

Valuta il tuo competenze di data science data e identificare le lacune.
Ottieni esperienza pratica nelle aree in cui sei debole.
Rete. Unisciti a gruppi di data science, partecipa a incontri e contribuisci ai forum.

Immergiamoci più in profondità.

Valuta la tua posizione di partenza

Cosa sai già e come può essere applicato nella scienza dei dati? Pensa a: qualsiasi conoscenza di programmazione, abilità statistica o esperienza di analisi dei dati che hai.

Successivamente, identifica le lacune nelle tue competenze, in particolare quelle essenziali per la scienza dei dati. SQL è un vero must, ma anche la programmazione Python o R, le statistiche avanzate, l'apprendimento automatico e la visualizzazione dei dati sono estremamente utili.

Una volta individuate queste lacune, cerca un'istruzione o una formazione pertinente per colmarle. Ciò potrebbe avvenire attraverso corsi online, programmi universitari, bootcamp o studio autonomo, con particolare attenzione all'apprendimento pratico e pratico.

Esperienze manuali

Non dovresti limitarti a guardare video e leggere post di blog. L’esperienza pratica è fondamentale nella scienza dei dati. Partecipa a progetti che ti consentono di applicare le tue nuove competenze in scenari del mondo reale. Potrebbero trattarsi di progetti personali, contributi a piattaforme open source o partecipazione a concorsi sui dati come quelli su Kaggle.

Se disponi di alcune competenze iniziali di base, potresti prendere in considerazione l'idea di cercare stage o lavoro freelance per acquisire esperienza nel settore.

Più importante, documenta tutti i tuoi progetti ed esperienze in un portfolio, evidenziando il tuo processo di risoluzione dei problemi, le tecniche che hai utilizzato e l'impatto del tuo lavoro.

Network NetPoulSafe

Entrare nella scienza dei dati spesso dipende da chi conosci, oltre a ciò che sai. Trova mentori, partecipa a incontri, conferenze e workshop per conoscere le nuove tendenze e partecipa a comunità di data science online come Stack Overflow, GitHub o Reddit. Queste piattaforme ti consentono di imparare dagli altri, condividere le tue conoscenze e farti notare all'interno della comunità della scienza dei dati.

Se desideri diventare uno scienziato dei dati da zero, ha senso pensare alle competenze che dovrai sviluppare come ad un albero. Esistono competenze “di base” comuni a ogni lavoro di scienza dei dati, quindi ogni specialità ha competenze di “ramo” che continuano a ramificarsi in ruoli sempre più specializzati.

Ci sono tre competenze principali di cui ogni data scientist ha bisogno, indipendentemente dalla direzione in cui va:

Manipolazione/discussione dei dati utilizzando SQL

La scienza dei dati si riduce fondamentalmente alla gestione e all’organizzazione di set di dati di grandi dimensioni. Per fare ciò, devi conoscere SQL. È , il strumento essenziale per la manipolazione e la discussione dei dati.

Leggi questo prima di passare alla carriera di Data Science
Immagine dell'autore

Soft Skills

La scienza dei dati non avviene nel vuoto. Devi comportarti bene con gli altri, il che significa potenziare le tue abilità trasversali. Essere in grado di comunicare risultati di dati complessi in modo chiaro e comprensibile alle parti interessate non tecniche è importante quanto le competenze tecniche. Questi includono comunicazione efficace, risoluzione dei problemi e senso degli affari.

La risoluzione dei problemi aiuta ad affrontare sfide complesse relative ai dati, mentre il senso degli affari garantisce che le soluzioni basate sui dati siano allineate con gli obiettivi organizzativi.

Atteggiamento di apprendimento costante

La scienza dei dati è diversa da com’era anche cinque anni fa. Basta guardare dove siamo oggi con l’intelligenza artificiale rispetto al 2018. Nuovi strumenti, tecniche e teorie emergono costantemente. Ecco perché è necessaria una mentalità di apprendimento continuo per rimanere aggiornati con gli ultimi sviluppi e adattarsi alle nuove tecnologie e metodologie sul campo.

Avrai bisogno di automotivazione per apprendere e adattarti, nonché di un approccio proattivo per acquisire nuove conoscenze e abilità.

Sebbene esistano competenze comuni, come ho sottolineato sopra, ogni ruolo richiede il proprio insieme di competenze specifiche. (Ricordate? Rami.) Ad esempio, l'analisi statistica, le competenze di programmazione in Python/R e la visualizzazione dei dati sono tutte specifiche di lavori più specializzati nella scienza dei dati.

Leggi questo prima di passare alla carriera di Data Science
Immagine dell'autore

Analizziamo ciascun ruolo adiacente alla scienza dei dati in modo che tu possa vedere di cosa hai bisogno.

Analista aziendale/dati

Sì, questo è un ruolo di scienza dei dati! Anche se gli oppositori non sono d'accordo, credo ancora che tu possa trattarlo almeno come un trampolino di lancio se miri a entrare nel percorso professionale della scienza dei dati.

In qualità di analista aziendale o di dati, hai il compito di colmare il divario tra informazioni sui dati e strategia aziendale. È perfetto per coloro che hanno un talento nel comprendere le esigenze aziendali e nel tradurle in soluzioni basate sui dati.

Come competenze fondamentali, ti serviranno business intelligence – nessuna sorpresa in questo –, forti capacità analitiche, competenza nei linguaggi di interrogazione dei dati, prevalentemente SQL. In questo ruolo, Python e R sono facoltativi perché il compito principale è discutere i dati.

C'è un componente di visualizzazione ma a seconda del tuo lavoro, può significare creare dashboard in Tableau o grafici in Excel.

Dati Analytics

Questo ruolo si concentra sull'interpretazione dei dati per fornire informazioni utili. È un ottimo lavoro per te se ti piace tradurre i numeri in storie e strategie di business.

Avrai bisogno di una presa salda analisi statistiche e visualizzazione dei dati – anche se, ancora una volta, questi possono essere dashboard tableau e/o grafici Excel). Avrai anche bisogno di competenza strumenti di analisi piace Excel, Tableau e SQL. Python/R sono ancora una volta facoltativi, ma ricorda che possono davvero aiutare con l'implementazione di statistiche e automazione.

machine Learning

Gli scienziati del machine learning sviluppano modelli e algoritmi predittivi per effettuare previsioni o decisioni basate sui dati. Questi ruoli sono adatti a coloro che hanno un forte interesse per l'intelligenza artificiale e la costruzione di modelli.

Nessuna sorpresa per quanto riguarda le competenze di base: avrai bisogno di a profonda conoscenza degli algoritmi, esperienza con framework di machine learning come TensorFlow e PyTorch e forti capacità di programmazione. Python e/o R non sono più opzionali ma indispensabili.

Ingegneria dei dati

Questo ruolo ti concentra sull'architettura, sulla gestione e sulla manutenzione delle pipeline di dati. È la soluzione ideale per le persone che amano le sfide tecniche legate alla gestione e all'ottimizzazione del flusso e dell'archiviazione dei dati.

Per entrare in questo lavoro, avrai bisogno di ecompetenza nella gestione di database, processi ETL e competenza nelle tecnologie di big data come Hadoop e Spark. Avrai anche bisogno di competenza nell'automazione della pipeline di dati utilizzando tecnologie come Airflow.

Business Intelligence

Nella business intelligence, si tratta di creare visualizzazioni. È fantastico per i narratori e le persone con uno spiccato senso degli affari.

Dovrai essere un professionista con le tecnologie di dashboarding come Tableau e Qlik poiché questi sono gli strumenti che utilizzerai per creare le tue visualizzazioni. Avrai anche bisogno di capacità di manipolazione dei dati (leggi: competenze SQL) per ottimizzare le query sui dati che velocizzano le prestazioni del dashboard.

Come ho accennato in precedenza nell’articolo, la scienza dei dati è un campo in rapida evoluzione. Nuovi lavori e ruoli si aprono continuamente. Per tornare alla mia analogia con l'albero, mi piace pensarlo come l'aggiunta di nuovi rami al tronco principale della scienza dei dati. Ora ci sono ingegneri cloud, specialisti SQL, ruoli DevOps e altro ancora, tutti ancora collegati a quel percorso di scienza dei dati. Quindi questo articolo fornisce solo una breve infarinatura delle direzioni che potresti seguire con la scienza dei dati.

Oltre a ciò, dovresti anche ricordare che la scienza dei dati comporta sfide legate a quello stipendio a sei cifre. C'è una curva di apprendimento molto ripida e l'apprendimento non finisce mai veramente. Le nuove tecnologie, tendenze e strumenti arrivano velocemente e con difficoltà – e se vuoi mantenere il tuo lavoro, devi tenere il passo.

Detto questo, è un'ottima opzione di carriera. Con le tre competenze principali che ho menzionato al tuo attivo, sarai ben attrezzato per affrontarle ruolo della scienza dei dati che ti affascina.

Nato Rosidi è un data scientist e nella strategia di prodotto. È anche un professore a contratto che insegna analisi ed è il fondatore di Strata Scratch, una piattaforma che aiuta i data scientist a prepararsi per le loro interviste con domande di interviste reali delle migliori aziende. Connettiti con lui su Twitter: Strata Scratch or LinkedIn.