다른 배경에서 데이터 과학으로 전환하는 방법은 무엇입니까?

빙 이미지 크리에이터
 

컴퓨터 과학 배경이 아닌 경우 데이터 과학 세계에서 일자리를 얻는 것이 얼마나 많은 작업인지 알고 있습니다. 데이터 사이언스의 기회는 많은 사람들을 필요로 하지만 데이터 사이언스가 세상에 생소하기 때문에(XNUMX년이 채 지나지 않았습니다!) 기업의 세계.

이 산업은 성장과 기회를 비명을 지르며 누군가가 매우 다른 배경에서 왔지만 데이터 과학의 세계로 전환하기를 원하는 주된 이유 중 하나입니다.

참고 : 저는 데이터 과학이 CS 배경이 아닌 누군가를 위해 해결될 수 있다는 것을 아는 몇 안 되는 사람 중 한 명이며 이 기사가 귀하의 여정을 촉진하는 데 필요한 지침을 찾는 데 도움이 되기를 바랍니다.

 

 

이 기사에서는 다음 세 가지 세그먼트를 기반으로 경력 전환으로 데이터 과학에 접근하는 방법을 살펴보겠습니다.

• 가진 사람을 위해 데이터 과학과 밀접하게 관련된 주제는 건드리지 않았습니다. 대학에서.
• 에서 누군가를 위해 비 CS 배경이지만 데이터 과학과 관련된 몇 가지 관련 주제가 있음 & 데이터 과학자가 되고 싶은 사람은 왜 안되죠?

다녀온 사람에게 업계에서 오랫동안 일했지만 지금은 전환하고 싶습니다. 데이터 사이언스의 매혹적이고 벅찬 세계로.

참고 : 이 기사의 견해는 나만의 견해이므로 전환에 대한 자신의 의견이나 접근 방식을 자유롭게 가지십시오. 나는 당신에게 최고를 기원합니다.

 

바로 시작합시다.

XNUMX단계: 데이터 과학과 밀접하게 관련되어 있지는 않지만 그것에 들어가고 싶어합니다.

글쎄, 이 경우에 당신이 발휘할 유일한 노력은 정신적이며 많은 인내가 필요하다고 말하고 싶습니다. 데이터 과학이 매우 기술적인 주제이고 많은 숫자가 관련되어 있다는 것은 의심의 여지가 없습니다.

PS 먼저 이것을 확인하여 데이터 과학에서 큰 성과를 거두기 위해 따라야 할 길이 무엇인지 확인하십시오. 그런 다음 이동하여 여정을 가속화하기 위해 주의해야 할 사항을 이해할 수 있습니다!

여기에서 시작하십시오 :

 

이 경우 주의할 사항:

• 데이터 과학은 다른 과목과 마찬가지로 시간이 날 때마다 언제든지 학습을 시작할 수 있습니다.
• 항상 충분히 일찍 시작하기에 너무 늦지 않았습니다.
• 데이터 과학은 컴퓨터 과학, 통계, 대학 수준의 수학, 많은 논리적 사고, 프로그래밍 언어와 사용할 수 있는 다른 도구의 조합입니다.
• 각 영역(또는 특히 프로가 되고 싶은 영역)에서 자신의 기술을 차트로 작성하고 계속해서 각 영역에 대해 자세히 알아보세요.
• 분석에 들어가고 싶다면 통계 지식과 데이터 정리 등을 추진하십시오. (가능한 한 많이 Excel을 배우십시오. 소규모 데이터 세트의 분석을 위한 축복이자 시작하기에 가장 좋은 도구입니다.)
• Data Viz의 경우 Tableau, PowerBI 등을 배우면서 동시에 시각화가 작동하는 방식과 더 나은 비주얼 및 대시보드를 만드는 방법을 이해하십시오.
• 주로 처음 2개월 동안은 Excel, SQL, Tableau 및 시간이 허락하는 경우 Python 기본 사항과 같은 순서로 학습하는 데 집중하십시오.

 

 

이를 통해 XNUMX단계로 이동하여 계속 학습할 수 있습니다.

참고: 데이터 과학을 처음 접하는 경우 시간이 걸리므로 인내심을 갖고 프로세스를 신뢰해야 합니다. 잘 될거야!

XNUMX단계: 데이터 과학의 일부 주제와 관련이 있지만 완전히 들어가지는 않았습니다.

이것은 나와 비슷한 단계였으며 데이터 과학을 공부하는 데 상당한 노력이 필요하다고 말할 수 있습니다. 결국 알게 되겠지만 많은 요인에 따라 다르지만 세상이 오픈 소스 학습을 위한 문을 열고 원하는 모든 사람에게 지식을 제공하는 방식으로 그리 어렵지 않습니다. 배경).

이 경우 주의할 사항:

• 데이터 사이언스는 전체적으로 보려고 하면 힘든 분야입니다. 큰 퍼즐의 조각으로 집중하고 싶은 모든 구성 요소를 보기 시작하면 괜찮을 것입니다.
• 데이터 과학의 데이터 비주얼리제이션 측면에 집중하고 싶다면 대시보드와 데이터 연결이 작동하는 방식을 이해하는 데 집중하고 데이터 스토리텔링을 배우십시오.
• 기계 학습에 들어가고 싶은 사람은 Python 또는 R로 작업하는 방법을 이해하고 Python을 사용하는 경우 NumPy, Pandas, Scikit Learn, SciPy, Matplotlib 및 Seaborn과 같은 라이브러리를 배우십시오.
• ML의 이론적 개념을 이해하여 알고리즘을 더 잘 이해할 수 있습니다. 시간이 걸리겠지만 고급 ML 알고리즘을 코딩하는 것보다 프로세스를 이해하는 것이 더 중요합니다.
• 분석 측면을 강화하려면 추론 통계를 배우고 데이터 기반 솔루션을 만드는 데 데이터를 사용할 수 있는 방법을 이해하십시오. 구조화되지 않은 데이터로 작업하고 가능한 한 많은 데이터 세트를 정리하는 방법을 알아보세요.
• JOINS 작동 방식과 MySQL/PostgreSQL에서 작동하는 방법을 완벽하게 이해하려면 SQL의 일반 CRUD 명령을 뛰어넘으십시오. 엑셀로 푸시고 싶다면 Data Analysis Toolpak 사용법과 매크로 만드는 법을 배워보세요.
• 시계열 데이터가 작동하는 방식을 이해하고 소스에서 데이터를 가져오는 방법과 시계열 예측을 만들어 학습을 촉진하는 방법을 알고 있습니다.

 

 

종종 당신은 많은 도구를 배우고 중간 수준에서 모든 것을 요령을 터득하는 대중 중 하나가 될 것입니다.

나는 당신이 당신의 틈새 시장을 찾고 그것을 발전시키는 것이 좋습니다. 데이터 과학 세계의 지식과 경쟁이 치열하므로 틈새 시장을 찾고 고유한 기술로 경쟁에서 자신의 표를 찾으십시오.

XNUMX단계: 이미 업계의 전문가이지만 지금 데이터 과학을 시작하고 싶습니다!

데이터 과학의 일부가 되고 싶다고 결정하기 전에 인생에서 놀라운 위치에 있었던 사람들이 있습니다. 특정 업계에서 오랜 시간 일한 후 경력에 변화를 주고 싶어하는 것은 자연스러운 일이며 비슷한 직책에 있었고 이 경우 도움이 될 수 있는 사람들로부터 몇 가지 정보를 얻었습니다.

이 경우 주의할 사항:

• 특정 산업의 전문가가 되면 인생 선택의 전환 또는 기술 향상에 대한 요구로 인해 데이터 과학으로 연결될 수 있습니다.
• 어쨌든 데이터 과학의 관리 역할은 업계에서 기업 노출이 많은 사람을 갖는 것이 더 행복할 것입니다.
• 업계에 대한 기존 지식으로 데이터 과학 기술을 향상시키는 것은 경력 전환에서 일어날 수 있는 최고의 일 중 하나가 될 수 있습니다. 데이터 과학은 컴퓨터 과학과 도구 및 기술을 기반으로 하지만 도메인 지식에 크게 의존합니다.
• 충분한 도메인 지식이 있으면 이미 수행되고 있는 것보다 더 많은 데이터의 힘을 활용하여 해당 분야의 데이터 과학자가 될 수 있습니다.
• 산업별 KPI 및 지표는 Data Science를 통해 추가로 개발 및 자동화할 수 있으며 새로운 문을 열 수 있습니다.
• 무기고에 있는 데이터 과학 도구에 대한 추가 지식을 통해 해당 분야의 강사가 되어 신진 데이터 과학자를 도울 수 있습니다. 가능성은 무한합니다.
• 이 단계에서 학습할 도구와 기술은 이 기사 앞부분에서 언급한 XNUMX단계 및 XNUMX단계에서 수행한 것과 동일합니다.

어쨌든 오늘날 세계가 데이터 과학으로 전환하는 방식 때문에 데이터 과학을 배우고 자신의 전문 분야에 충실하는 것이 가장 좋습니다. 당신이 하고, 할 수 있고, 관련된 데이터를 가지고 있고, 의사 결정에 그것을 사용하는 것은 당신의 의사 결정을 훨씬 더 좋게 만들 것입니다.

데이터 사이언스의 세계로의 전환이 힘든 것은 취업이 어렵기 때문이 아니라, 그것을 위해 경쟁하는 사람들이 너무 많기 때문입니다. 모든 사람이 기회를 볼 수 있으며 사람들은 데이터가 미래이며 데이터 과학도 마찬가지라는 것을 알고 있습니다.

데이터 과학에 즉시 숙련된 사람이라면 계속 지켜봐 주시기 바랍니다. 이 기사의 또 다른 부분에서 데이터 과학의 전문가에서 전문가로 갈 수 있는 방법에 대해 논의할 것입니다.

 
 
야쉬 굽타 데이터 과학 애호가 및 비즈니스 분석가, 프리랜서 기술 작가 및 Medium.com의 블로거입니다. 그는 사용하기 쉬운 방식으로 더 많은 청중과 데이터 과학 지식을 공유하는 데 관심이 있습니다. 그는 자신만큼 데이터를 즐기는 모든 사람들과 지식을 공유하고 싶어합니다. 그는 매일 새로운 것을 배우려고 노력하고 데이터 애호가의 여정을 안내하는 것을 좋아합니다.

 
실물. 허가를 받아 다시 게시했습니다.
 

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
• PREIPO®로 PRE-IPO 회사의 주식을 사고 팔 수 있습니다. 여기에서 액세스하십시오.
• 출처: 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