著者による画像
あなたは、意欲的なデータ サイエンティストの仲間入りを考えているので、これを読んでいます。そして誰があなたを責めることができるでしょうか?データ サイエンスは、今や悪名高いハーバード ビジネス レビューで「最もセクシーな仕事」として表彰されてから 10 年が経過したにもかかわらず、成長分野です。米国労働統計局は現在、 予測 データ サイエンティストの雇用率は 35 年から 2022 年までに 2032% 増加すると予想されています。これを平均の雇用増加率 (わずか 5%) と比較してください。
他にも次のようなことが行われます。
- 給料もいいです(これもBLSです) 発見 103 年の平均給与は 2022 万 XNUMX ドル)
- 高い生活の質(仕事に関連した幸福度が平均より高い)が得られる 従った Career Explorer へ)
- 最近の緊急事態にも関わらず雇用の安定はある レイオフ – その役割に対する需要が非常に高いため
したがって、この分野に参入したい理由はたくさんあります。
出典: https://www.bls.gov/ooh/math/data-scientists.html
しかし、データ サイエンスは非常に幅広い分野であり、始める前に知っておく必要のあるさまざまな役職やスキル セットがたくさんあります。この記事では、データ サイエンスに進むためにさまざまな方向性と、それぞれの方向性で知っておくべきことについて説明します。
への移行を成功させるには、 データサイエンスのキャリア、構造化されたアプローチに従う必要があります。
- あなたの評価 データサイエンススキル そしてギャップを特定します。
- 自分の苦手な分野を実際に経験してみましょう。
- 通信網。データ サイエンス グループに参加し、ミートアップに参加し、フォーラムに貢献します。
もっと深く掘り下げましょう。
開始位置を評価する
あなたはすでに何を知っていますか?そしてそれをデータサイエンスにどのように応用できるでしょうか?あなたが持っているプログラミングの知識、統計スキル、またはデータ分析の経験について考えてみましょう。
次に、自分のスキル、特にデータ サイエンスに不可欠なスキルのギャップを特定します。 SQL は必須ですが、Python または R プログラミング、高度な統計、機械学習、データ視覚化も非常に有益です。
これらのギャップを特定したら、それらを埋めるために関連する教育やトレーニングを求めてください。これは、実践的な実践学習に焦点を当てた、オンライン コース、大学のプログラム、ブートキャンプ、または独学を通じて行うことができます。
実地体験
ただビデオを見たり、ブログ記事を読んだりするべきではありません。データサイエンスでは実践的な経験が非常に重要です。新しいスキルを現実世界のシナリオに適用できるプロジェクトに参加してください。これは、個人的なプロジェクト、オープンソース プラットフォームへの貢献、または Kaggle のようなデータ コンテストへの参加である可能性があります。
基本的な開始スキルを持っている場合は、業界経験を積むためにインターンシップやフリーランスの仕事を探すことを検討するとよいでしょう。
最も重要なことは、 すべてのプロジェクトと経験をポートフォリオに文書化する、問題解決プロセス、使用したテクニック、仕事の影響を強調します。
ネットワーク
データ サイエンスに参入するには、多くの場合、何を知っているかに加えて、誰を知っているかが重要になります。メンターを見つけ、ミートアップ、カンファレンス、ワークショップに参加して新しいトレンドについて学び、Stack Overflow、GitHub、Reddit などのオンライン データ サイエンス コミュニティに参加してください。これらのプラットフォームを使用すると、他の人から学び、知識を共有し、データ サイエンス コミュニティ内で注目を集めることができます。
あなたがしたい場合 ゼロからデータサイエンティストになる, 開発する必要があるスキルをツリーとして考えるのが理にかなっています。データ サイエンスのすべての仕事に共通する「幹」のスキルがあり、さらに各専門分野には「枝」のスキルがあり、より専門的な役割に枝分かれし続けます。
データ サイエンティストがどの方向に進むかに関係なく、データ サイエンティストには主に 3 つのスキルが必要です。
SQL を使用したデータ操作/ラングリング
データ サイエンスは基本的に、大規模なデータセットの処理と整理に要約されます。これを行うには、SQL の知識が必要です。それは データ操作とラングリングに不可欠なツール。
著者による画像
ソフトスキル
データ サイエンスは単独で行われるわけではありません。他の人たちと仲良くする必要があります。これは、ソフトスキルを磨くことを意味します。複雑なデータ結果を技術者以外の関係者に明確かつわかりやすい方法で伝えることができることは、技術的なスキルと同じくらい重要です。これらには、効果的なコミュニケーション、問題解決、ビジネス洞察力が含まれます。
問題解決は複雑なデータの課題に取り組むのに役立ちますが、ビジネス洞察力はデータドリブンのソリューションが組織の目標と一致することを保証します。
絶え間ない学習姿勢
データ サイエンスは 2018 年前とは異なります。 XNUMX 年と比較して、AI の現在の状況を見てください。新しいツール、技術、理論が常に登場しています。そのため、最新の開発状況を常に把握し、現場の新しいテクノロジーや方法論に適応するには、継続的な学習の考え方が必要です。
学習して適応するための自発的な意欲と、新しい知識やスキルを習得するための積極的なアプローチが必要です。
上で概説したように共通のスキルがありますが、各役割には独自の特定のスキルセットが必要です。 (覚えていますか? ブランチ。) たとえば、統計分析、Python/R のプログラミング スキル、データの視覚化はすべて、データ サイエンスのより専門的な仕事に特有のものです。
著者による画像
何が必要かを理解できるように、データ サイエンスに関連する各役割を分類してみましょう。
ビジネス/データアナリスト
はい、これはデータ サイエンスの役割です。たとえ否定論者が同意しなかったとしても、データサイエンスのキャリアトラックへの参入を目指しているのであれば、少なくとも踏み台として扱うことができると私は信じています。
ビジネス アナリストまたはデータ アナリストとして、あなたはデータの洞察とビジネス戦略の間のギャップを埋める責任を負います。ビジネス ニーズを理解し、それをデータ駆動型のソリューションに変換するコツを持っている人に最適です。
コアスキルとして必要となるのは、 ビジネス インテリジェンス (当然のことですが)、強力な分析スキル、データ クエリ言語 (主に SQL) の熟練度。この役割では、主なタスクはデータ ラングリングであるため、Python と R はオプションです。
あり 視覚化コンポーネント ただし、仕事によっては、Tableau でダッシュボードを作成したり、Excel でグラフを作成したりすることになる場合があります。
データ分析
この役割は、データを解釈して実用的な洞察を提供することに重点を置いています。数字をストーリーやビジネス戦略に変換するのが好きな人には、素晴らしい仕事です。
しっかりとした対応が必要になります 統計分析とデータの視覚化 – ただし、繰り返しになりますが、これらは Tableau ダッシュボードや Excel グラフである可能性があります)。の熟練度も必要になります 分析ツール ような Excel、Tableau、SQL。 Python/R は再びオプションですが、統計と自動化の実装に非常に役立つことを覚えておいてください。
機械学習
機械学習の科学者は、データに基づいた予測や意思決定を行うための予測モデルとアルゴリズムを開発します。これらの役割は、AI とモデル構築に強い関心を持つ人に適しています。
コアスキルについては驚くことではありません。 アルゴリズムに対する深い理解、TensorFlow や PyTorch などの機械学習フレームワークの経験、および強力なプログラミング スキル。 Python や R はもはやオプションではなく、必須です。
データ工学
この役割では、データ パイプラインのアーキテクチャ、管理、メンテナンスに集中していただきます。データ フローとストレージの管理と最適化という技術的な課題を楽しみたい人に最適です。
この仕事に就くには、e が必要ですデータベース管理、ETL プロセスの専門知識、および Hadoop や Spark などのビッグ データ テクノロジの熟練度。 あなたも必要になります データパイプライン自動化の熟練度 エアフローなどのテクノロジーを使用します。
ビジネス·インテリジェンス
ビジネス インテリジェンスでは、視覚化を構築することがすべてです。ストーリーテラーやビジネスセンスの高い人に最適です。
Tableau や Qlik などのダッシュボード テクノロジはビジュアライゼーションの構築に使用するツールであるため、その知識に精通している必要があります。また、ダッシュボードのパフォーマンスを高速化するデータ クエリを最適化するためのデータ操作スキル (SQL スキル) も必要です。
この記事の前半で述べたように、データ サイエンスは急速に進化している分野です。新しい仕事や役割が常に開かれています。ツリーのたとえ話に戻りますが、私はツリーをデータ サイエンスのメインの幹に追加される新しい枝として考えるのが好きです。現在、クラウド エンジニア、SQL スペシャリスト、DevOps の役割などがあり、これらすべてが依然としてデータ サイエンス トラックに接続されています。したがって、この記事では、データ サイエンスの方向性について簡単に説明します。
それ以上に、データ サイエンスには 6 桁の給与に伴う課題が伴うことも覚えておく必要があります。学習曲線は非常に急勾配であり、学習が本当に終わることはありません。新しいテクノロジー、トレンド、ツールはすべて、急速かつ困難に登場します。仕事を続けたいのであれば、追いつく必要があります。
そうは言っても、それは素晴らしいキャリアの選択肢です。先ほど述べた 3 つの主要な能力を身に付けていれば、どんな課題にも取り組む準備が整います。 データサイエンスの役割 それはあなたにとって魅力的です。
ネイト・ロシディ データサイエンティストであり、製品戦略に携わっています。 彼はまた、分析を教える非常勤教授であり、 ストラタスクラッチ、データサイエンティストがトップ企業からの実際の面接の質問で面接の準備をするのを支援するプラットフォーム。 彼とつながる Twitter:StrataScratch or LinkedIn.
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://www.kdnuggets.com/read-this-before-making-a-career-switch-to-data-science?utm_source=rss&utm_medium=rss&utm_campaign=read-this-before-making-a-career-switch-to-data-science
- :持っている
- :は
- :どこ
- $UP
- 2018
- 2022
- 35パーセント
- 視聴者の38%が
- a
- できる
- 私たちについて
- 上記の.
- 取得
- 鋭い
- 適応する
- 追加されました
- 添加
- 付属
- 高度な
- 後
- 再び
- 前
- AI
- 目指す
- アルゴリズム
- 整列した
- すべて
- 許す
- 既に
- また
- an
- 分析
- アナリスト
- 分析的
- 分析論
- および
- どれか
- 上訴
- 適用された
- 申し込む
- アプローチ
- 建築
- です
- エリア
- 記事
- AS
- 意欲的な
- At
- 出席する
- オートメーション
- 平均
- バック
- 基本
- 基本的に
- BE
- なぜなら
- さ
- 信じる
- 有益な
- の間に
- ビッグ
- ビッグデータ
- ブログ
- ブログの投稿
- 支店
- ブレーク
- ブリッジ
- 広い
- ビルド
- 建物
- オフィス
- 労働統計局
- ビジネス
- ビジネス・インテリジェンス
- 事業戦略
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- 缶
- キャリア
- 課題
- チャージ
- クリア
- クラウド
- 来ます
- comes
- コマンドと
- 伝える
- コミュニケーション
- コミュニティ
- コミュニティ
- 企業
- 比較します
- 比べ
- コンクール
- 複雑な
- 会議
- お問合せ
- 交流
- 検討
- 絶えず
- 続ける
- 連続的な
- 貢献する
- 貢献
- 基本
- 可能性
- コース
- 作成
- 重大な
- 現在
- 曲線
- ダッシュボード
- ダッシュボード
- データ
- データ分析
- データアナリスト
- データサイエンス
- データサイエンティスト
- データの可視化
- データ駆動型の
- データベース
- データセット
- 日付
- 十年
- 決定
- 深いです
- より深い
- 需要
- 需要
- によっては
- にもかかわらず
- 開発する
- 進展
- DevOps
- 異なります
- 方向
- 方向
- ダイビング
- do
- そうではありません
- ダウン
- 各
- 前
- 教育
- 効果的な
- 新興の
- 雇用
- 終了
- 従事する
- エンジニア
- 楽しみます
- 確実に
- 本質的な
- さらに
- あらゆる
- 進化
- 例
- Excel
- 体験
- エクスペリエンス
- エクスプローラ
- 非常に
- スピーディー
- フィールド
- 埋める
- もう完成させ、ワークスペースに掲示しましたか?
- 調査結果
- 会社
- フィット
- 五
- フロー
- フォーカス
- 焦点を当てて
- フォーラム
- AIとMoku
- フレームワーク
- フリーランス
- から
- 利得
- ギャップ
- ギャップ
- 取得する
- GitHubの
- Go
- 目標
- 行く
- 良い
- グラフ
- 素晴らしい
- グループの
- 成長する
- 成長
- 成長性
- ガイド
- Hadoopの
- ハンドル
- ハンドリング
- 実践的な
- 起こる
- ハード
- ハーバード
- 持ってる
- he
- 助けます
- 助け
- ことができます
- ハイ
- より高い
- 強調表示
- 彼に
- 認定条件
- HTML
- HTTPS
- i
- 識別する
- if
- 影響
- 実装
- 重要
- 重要なこと
- in
- include
- 個人
- 産業を変えます
- 洞察
- インテリジェンス
- 関心
- インターンシップ
- インタビュー
- 面接の質問
- 記事執筆
- に
- IT
- ITS
- ジョブ
- 役職
- Jobs > Create New Job
- join
- 参加
- JPG
- ただ
- KDナゲット
- キープ
- 知っている
- 知識
- 労働
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- 大
- 最新の
- 最新の開発
- LEARN
- 学習
- 最低
- 生活
- ような
- ll
- より長いです
- 見て
- たくさん
- 機械
- 機械学習
- メイン
- メンテナンス
- make
- 作る
- 作成
- 管理
- 管理する
- 操作
- 方法
- 問題
- 意味する
- 手段
- ミートアップ
- 言及した
- メンター
- 方法論
- かもしれない
- 考え方
- モデル
- 他には?
- ずっと
- しなければなりません
- 持っている必要があります
- my
- 必要
- ニーズ
- 決して
- 新作
- 新技術
- nice
- いいえ
- 非技術的な
- 今
- 番号
- of
- オフ
- 頻繁に
- on
- かつて
- ONE
- オンライン
- オープンソース
- 開設
- 最適化
- 最適化
- オプション
- or
- 組織の
- 整理する
- その他
- その他
- でる
- 概説
- 自分の
- 参加する
- 参加
- 特に
- パーセント
- 完璧
- パフォーマンス
- 個人的な
- パイプライン
- プラットフォーム
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- プレイ
- プレンティ
- 投稿
- 実用的
- 予測
- 予測的
- 主に
- 準備
- Pro
- 先を見越した
- 問題解決
- プロセス
- ラボレーション
- プロダクト
- 東京大学大学院海洋学研究室教授
- プログラミング
- プログラム
- プロジェクト(実績作品)
- 提供します
- は、大阪で
- Python
- パイトーチ
- 品質
- クエリ
- 質問
- すぐに
- R
- ランク
- レート
- 読む
- リーディング
- リアル
- 現実の世界
- 本当に
- 理由は
- 最近
- 関連した
- 覚えています
- レビュー
- 職種
- 役割
- 円形
- s
- 前記
- 給与
- シナリオ
- 科学
- 科学者
- 科学者たち
- セキュリティ
- Seek
- を求める
- センス
- セッションに
- セット
- シェアする
- すべき
- から
- 技能
- スキル
- So
- ソフト
- ソリューション
- 一部
- スパーク
- 専門家
- 専門の
- 専門
- 特定の
- SQL
- スタック
- ステークホルダー
- 開始
- 起動
- 統計的
- 統計
- 滞在
- ステッピング
- まだ
- STONE
- ストレージ利用料
- ストーリー
- 作戦
- 戦略
- 強い
- 構造化された
- 成功した
- そのような
- 驚き
- スイッチ
- タブロー
- タックル
- 取る
- 仕事
- ティーチング
- 技術的
- 技術的なスキル
- テクニック
- テクノロジー
- テンソルフロー
- より
- それ
- アプリ環境に合わせて
- それら
- その後
- そこ。
- ボーマン
- 彼ら
- 物事
- 考える
- 考え
- この
- それらの
- しかし?
- 三
- 介して
- 時間
- タイトル
- 〜へ
- 今日
- ツール
- 豊富なツール群
- top
- 追跡する
- トレーニング
- 遷移
- 治療する
- ツリー
- トレンド
- 下
- 理解できる
- 理解する
- 大学
- us
- つかいます
- 中古
- さまざまな
- Ve
- 非常に
- 動画
- 可視化
- 欲しいです
- ました
- よく見る
- we
- WELL
- この試験は
- which
- while
- 誰
- なぜ
- 意志
- 以内
- 仕事
- ワークショップ
- 年
- 貴社
- あなたの
- ゼファーネット