Bing イメージ クリエーター
コンピュータ サイエンスのバックグラウンドを持っていない場合は、データ サイエンスの世界で仕事を見つけるのにどれだけの労力がかかるかをご存知でしょう。 データ サイエンスの機会は多くの人を必要としますが、データ サイエンスは世界にとって非常に新しいものであるため (XNUMX 年以上経過していません!)、データ サイエンティストになる資格を有機的に持っている人はほとんどいません。企業の世界。
この業界は成長と機会を切望しており、それが、まったく異なるバックグラウンドを持っていても、誰かがデータ サイエンスの世界に移行したいと考える主な理由の XNUMX つです。
注: 私は、CS のバックグラウンドを持っていない人でもデータ サイエンスがうまくいくことを知っている数少ない人物の XNUMX 人です。
この記事では、次の XNUMX つの異なるセグメントに基づいて、キャリア移行としてデータ サイエンスにアプローチする方法について説明します。
- 持っている人のために データサイエンスに密接に関連する話題には触れたことがない 大学で。
- 誰かのために CS 以外のバックグラウンドを持っているが、データ サイエンスに関連する関連科目がいくつかある & 誰がデータ サイエンティストになりたいのですか?
された人のために 業界で長く働いているが、転職したい データサイエンスの魅力的で困難な世界へ。
注: この記事の見解は私個人のものであり、移行に対する独自の意見やアプローチを自由に持ってください。 ご多幸をお祈り申し上げます。
さっそく始めましょう。
ステージ I: データ サイエンスとはあまり関係がありませんが、データ サイエンスに取り組みたいと考えています。
そうですね、この場合、あなたが発揮する唯一の努力は精神的なものであり、それには多くの忍耐が必要です. データ サイエンスが非常に技術的な主題であり、多くの数字が関係していることは間違いありません。
PS 最初にこれをチェックして、データサイエンスで大きくなるためにたどるべき道を特定してください. 次に進み、旅を加速するために注意する必要があることを理解してください。
この場合の注意事項:
- データ サイエンスは他の教科と同じで、時間があればいつでも学習を開始できます。
- 始めるのに遅すぎることはありません。
- データ サイエンスは、コンピューター サイエンス、統計学、大学レベルの数学、多くの論理的思考、およびプログラミング言語と、使用できる他のツールを組み合わせたものです。
- 各ドメイン (または特にプロになりたい分野) で自分のスキルを図解し、それぞれについてさらに学習を進めてください。
- 分析に取り組みたい場合は、統計の知識とデータクリーニングなどをプッシュしてください。 (できる限り Excel を学びましょう。Excel は小さなデータセットでの分析に役立ち、最初に最適なツールです)
- データ Viz については、Tableau や PowerBI などを学習してみてください。同時に、ビジュアライゼーションがどのように機能するか、より優れたビジュアルとダッシュボードを作成する方法を理解してください。
- 主に学習の最初の 2 か月間は、Excel、SQL、Tableau、そして時間が許せば Python の基本を同じ順序で学習することに集中してください。
これにより、ステージ II に移行し、そこから学習を続けることができます。
注: データ サイエンスに慣れていない場合は時間がかかるため、辛抱強くプロセスを信頼する必要があります。 それはうまくいくでしょう!
ステージ II: データ サイエンスの一部の科目に関連したことがありますが、完全には取り込んでいません。
これは私と似たような段階で、データ サイエンスを学ぶにはかなりの努力が必要であることがわかります。 最終的には多くの要因に左右されますが、世界がオープンソース学習の扉を開き、それを望む人に知識を提供してきた方法を考えると、それほど難しいことではありません (彼らがコンピュータ サイエンス以外の出身であっても)。バックグラウンド)。
この場合の注意事項:
- 全体で見ようとすると、データサイエンスは難しい分野です。 焦点を当てたいすべてのコンポーネントを大きなパズルのピースとして見始めるだけで、問題はなくなります。
- データ サイエンスのデータ Viz の側面に注目したい場合は、ダッシュボードとデータ接続がどのように機能するかを理解し、データ ストーリーテリングを学ぶことに重点を置いてください。
- 機械学習を始めたい人は、Python または R を使用する方法を理解してください。Python を使用する場合は、NumPy、Pandas、Scikit Learn、SciPy、Matplotlib、Seaborn などのライブラリを学習してください。
- ML の背後にある理論的概念を理解して、アルゴリズムをより理解してください。 時間はかかりますが、高度な ML アルゴリズムをコーディングするよりも、プロセスを理解することが重要です。
- 分析面を強化したい場合は、推論統計を学び、データを使用してデータ駆動型ソリューションを作成する方法を理解してください。 構造化されていないデータを処理し、できるだけ多くのデータセットをクリーンアップする方法を学びます。
- SQL の通常の CRUD コマンドを超えて、JOINS の仕組みと MySQL/PostgreSQL の操作方法を完全に理解します。 Excelでプッシュしたい場合は、データ分析ツールパックの使い方とマクロの作り方を学んでください。
- 時系列データがどのように機能するかを理解し、ソースからデータを取得して時系列予測を作成して学習を進める方法を理解します。
多くの場合、あなたは中級レベルで多くのツールを学び、すべてのコツをつかむ大衆の XNUMX 人になるでしょう。
あなたのニッチを見つけて、それを進めることを強くお勧めします. データ サイエンスの世界には膨大な知識と競争があるため、ニッチな分野を見つけて、独自のスキルで競争に勝ち抜くようにしてください。
ステージ III: あなたはすでに業界のプロですが、今すぐデータ サイエンスを始めたいと考えています。
データサイエンスの一部になりたいと決心する前に、人生で素晴らしい立場にあった人を知っています。 特定の業界で長い間働いた後、キャリアを変えたいと思うのは当然のことです。私が知っている、同じような立場にあった人たちから得た情報がいくつかあります。この場合、あなたを助けることができます.
この場合の注意事項:
- あなたが特定の業界の専門家になったら、それは人生の選択肢の変化やスキルアップへの要求が原因で、データ サイエンスにたどり着く可能性があります。
- いずれにせよ、データサイエンスの管理職は、業界で企業との露出が多い人がいる方が幸せです.
- 業界での既存の知識を使用してデータ サイエンスのスキルを向上させることは、キャリアの移行で起こりうる最高のことの XNUMX つです。 データ サイエンスは、コンピューター サイエンスだけでなく、ツールや技術にも取り組んでいますが、ドメインの知識に大きく依存しています。
- 十分なドメイン知識があれば、すでに行われていること以上にデータの力を活用することで、その分野のデータ サイエンティストになることができます
- 業界固有の KPI と指標は、データ サイエンスを使用してさらに開発および自動化することができ、新しい扉を開くこともできます。
- データ サイエンス ツールに関する追加の知識があれば、その分野のトレーナーになり、新進気鋭のデータ サイエンティストを支援できます。 可能性は無限です。
- この段階で習得するツールとスキルは、この記事で前述した段階 I と段階 II で行っていたことと同じです。
いずれにせよ、今日の世界はデータ サイエンスに移行しているため、データ サイエンスを学び、自分の専門分野に固執することが最善です。 あなたができること、できること、データが関与すること、そしてそれを意思決定に使用することは、あなたの意思決定をより良くするだけです.
データ サイエンスの世界に移行するのが難しいのは、就職が難しいからではなく、それを求めて争う人が非常に多いからです。 機会は誰もが目にしており、人々は「データは未来である」ことを知っており、データ サイエンスもそうです。
すぐにデータ サイエンスのスキルを身に付けた人は、この記事の別の部分で、プロからデータ サイエンスのエキスパートになる方法について説明します。
ヤシュ・グプタ データ サイエンス愛好家およびビジネス アナリストであり、フリーランスのテクニカル ライターであり、Medium.com のブロガーでもあります。 彼は、データ サイエンスの知識をより多くの聴衆と使いやすい方法で共有することに関心を持っています。 彼は、彼と同じようにデータを楽しんでいるすべての人に彼の知識を共有したいと考えています。 彼は毎日何か新しいことを学ぼうとし、新進気鋭のデータ愛好家を旅に導くのが大好きです。
元の。 許可を得て転載。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- プラトアイストリーム。 Web3 データ 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。
- 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
- PREIPO® を使用して PRE-IPO 企業の株式を売買します。 こちらからアクセスしてください。
- 情報源: https://www.kdnuggets.com/2023/05/transition-data-science-different-background.html?utm_source=rss&utm_medium=rss&utm_campaign=how-to-transition-into-data-science-from-a-different-background
- :持っている
- :は
- :not
- :どこ
- 13
- 7
- a
- 私たちについて
- 加速する
- NEW
- 高度な
- 後
- 先んじて
- アルゴリズム
- アルゴリズム
- 一人で
- 既に
- また
- 常に
- am
- 驚くべき
- 量
- an
- 分析
- アナリスト
- 分析論
- および
- 別の
- どれか
- 誰も
- アプローチ
- アプローチ
- です
- アーセナル
- 記事
- AS
- At
- 聴衆
- 自動化
- 背景
- ベース
- の基礎
- BE
- なぜなら
- になる
- き
- 始まる
- 背後に
- さ
- BEST
- より良いです
- 越えて
- ビッグ
- 祝福
- ブースト
- もたらす
- 出芽
- ビジネス
- 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
- コール
- 缶
- キャリア
- 場合
- 変化する
- 点検
- 選択肢
- クリーニング
- 密接に
- コーディング
- カレッジ
- COM
- 組み合わせ
- 来ます
- 到来
- コンペ
- コンポーネント
- コンピュータ
- コンセプト
- Connections
- 続ける
- 企業
- カップル
- クラック
- cs
- データ
- データ分析
- データサイエンス
- データサイエンティスト
- データ駆動型の
- データセット
- 十年
- 決定する
- 意思決定
- 決定
- 需要
- 依存
- 発展した
- 異なります
- 難しい
- 話し合います
- do
- ありません
- ドメイン
- ドメイン
- 行われ
- ドア
- 疑い
- 各
- 前
- 早い
- 努力
- 十分な
- 熱狂者
- 愛好家
- 完全に
- 等
- エーテル(ETH)
- さらに
- 最終的に
- あらゆる
- 日常
- 誰も
- すべてのもの
- Excel
- 既存の
- エキスパート
- 暴露
- 要因
- 魅惑的な
- 感じます
- 少数の
- フィールド
- もう完成させ、ワークスペースに掲示しましたか?
- 発見
- 終わり
- 名
- フォーカス
- 予想
- 無料版
- フリーランス
- から
- さらに
- 取得する
- Go
- 成長性
- ガイダンス
- ハング
- 起こる
- 利用する
- 持ってる
- he
- 重く
- ヘビー
- 助けます
- ことができます
- こちら
- 非常に
- 彼の
- 希望
- 認定条件
- How To
- HTTPS
- i
- 私は
- 識別する
- if
- ii
- 画像
- 直ちに
- 重要
- in
- 産業を変えます
- 興味がある
- 中級
- に
- 関係する
- IT
- ITS
- ジョブ
- ジョイン
- 旅
- ただ
- KDナゲット
- 知っている
- 知識
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- より大きい
- 遅く
- LEARN
- 学習
- レベル
- ライブラリ
- 生活
- ような
- 論理的な
- 長い
- 長い時間
- 見て
- たくさん
- 機械
- 機械学習
- マクロ
- make
- 管理
- 多くの
- 多くの人々
- マーク
- 大衆
- math
- matplotlib
- ミディアム
- メンタル
- 言及した
- メトリック
- かもしれない
- ML
- ヶ月
- 他には?
- ずっと
- ナチュラル
- 必要
- ニーズ
- 決して
- 新作
- いいえ
- 通常の
- 今
- 番号
- numpy
- of
- 提供すること
- 頻繁に
- on
- ONE
- の
- 開いた
- オープンソース
- 開設
- 意見
- 機会
- 機会
- or
- 注文
- 有機的に
- その他
- でる
- が
- 自分の
- パンダ
- 部
- 特定の
- 特に
- 忍耐
- 患者
- のワークプ
- 許可
- ピース
- 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
- 再生
- 位置
- ポジション
- の可能性
- 可能
- 電力
- 素数
- Pro
- プロセス
- 職業
- プロ
- プログラミング
- プログラミング言語
- プッシュ
- パズル
- Python
- 修飾
- 理由は
- 推奨する
- 関連する
- 関連した
- ロード
- 役割
- s
- 同じ
- 言う
- 科学
- 科学
- 科学者
- 科学者たち
- 海生まれ
- 見ること
- 見て
- セグメント
- センス
- シリーズ
- シェアする
- シェアリング
- すべき
- 側
- 同様の
- 技能
- 熟練した
- スキル
- 小さい
- So
- ソリューション
- 一部
- 誰か
- 何か
- 調達
- ソース
- SQL
- ステージ
- start
- 統計
- 滞在
- スティック
- ストーリーテリング
- 勉強
- テーマ
- スイッチ
- タブロー
- 取る
- 取り
- 技術的
- テクニック
- 言う
- より
- それ
- 世界
- アプリ環境に合わせて
- その後
- 理論的な
- そこ。
- ボーマン
- 彼ら
- 物事
- 考え
- この
- しかし?
- 三
- 時間
- 時系列
- 〜へ
- 今日
- あまりに
- ツール
- 豊富なツール群
- 触れ
- に向かって
- 遷移
- 移行する
- 信頼
- わかる
- 理解する
- ユニーク
- 無限の
- つかいます
- 中古
- 非常に
- ビュー
- ビジュアル
- 欲しいです
- 望んでいる
- ました
- 仕方..
- we
- webp
- この試験は
- 何ですか
- たびに
- while
- 誰
- 全体
- なぜ
- 意志
- 願い
- 願い
- 仕事
- いい結果になる
- ワーキング
- 作品
- 世界
- でしょう
- 作家
- 貴社
- あなたの
- ゼファーネット