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!
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
- :있다
- :이다
- :아니
- :어디
- 13
- 7
- a
- 소개
- 가속
- 추가
- 많은
- 후
- 앞으로
- 연산
- 알고리즘
- 혼자
- 이미
- 또한
- 항상
- am
- 놀라운
- 양
- an
- 분석
- 분석자
- 분석
- 및
- 다른
- 어떤
- 누군가
- 접근
- 구혼
- 있군요
- 병기고
- 기사
- AS
- At
- 청중
- 자동화
- 배경
- 기반으로
- 기초
- BE
- 때문에
- 가
- 된
- 전에
- 시작하다
- 뒤에
- 존재
- BEST
- 더 나은
- 그 너머
- 큰
- 축복
- 후원
- 돋보이게
- 발아
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 전화
- CAN
- 채용
- 케이스
- 이전 단계로 돌아가기
- 확인
- 선택
- 청소관련
- 면밀히
- 코딩
- 칼리지
- COM
- 결합
- 왔다
- 오는
- 경쟁
- 구성 요소
- 컴퓨터
- 개념
- 연결
- 계속
- Corporate
- 두
- 갈라진 금
- cs
- 데이터
- 데이터 분석
- 데이터 과학
- 데이터 과학자
- 데이터 중심
- 데이터 세트
- 로사리오 염주
- 결정
- 의사 결정
- 결정
- 수요
- 따라
- 개발
- 다른
- 어려운
- 토론
- do
- 하지
- 도메인
- 도메인
- 한
- 문
- 의심
- 마다
- 이전
- 초기의
- 노력
- 충분히
- 매니아
- 매니아
- 전적으로
- 등
- 에테르 (ETH)
- 조차
- 있을뿐만 아니라
- 모든
- 일상의
- 사람
- 모두
- 뛰어나다
- 현존하는
- 전문가
- 노출 시간
- 요인
- 매혹적인
- 세 연령의 아시안이
- 를
- 들
- Find
- 발견
- 끝
- 먼저,
- 초점
- 따라
- 럭셔리
- 예측
- 무료
- 자유 계약의
- 에
- 추가
- 얻을
- Go
- 성장
- 지도
- 다루는 법
- 발생
- 마구
- 있다
- he
- 무겁게
- 무거운
- 도움
- 도움이
- 여기에서 지금 확인해 보세요.
- 고도로
- 그의
- 기대
- 방법
- How To
- HTTPS
- i
- 악
- 확인
- if
- ii
- 영상
- 바로
- 중대한
- in
- 산업
- 관심있는
- 중간의
- 으로
- 참여
- IT
- 그
- 일
- 조인
- 여행
- 다만
- 너 겟츠
- 알아
- 지식
- 언어
- 큰
- 늦은
- 배우다
- 배우기
- 레벨
- 도서관
- 생활
- 처럼
- 링크드인
- 논리
- 긴
- 장기
- 보기
- 롯
- 기계
- 기계 학습
- 매크로
- 확인
- 구축
- .
- 많은 사람
- 표
- 대중
- math
- 매트플롯립
- 매질
- 정신
- 말하는
- 통계
- 수도
- ML
- 개월
- 배우기
- 움직임
- 많은
- 자연의
- 필요
- 요구
- 못
- 신제품
- 아니
- 표준
- 지금
- 숫자
- numpy
- of
- 제공
- 자주
- on
- ONE
- 만
- 열 수
- 오픈 소스
- 열기
- 의견
- 기회
- 기회
- or
- 주문
- 유기적으로
- 기타
- 아웃
- 위에
- 자신의
- 팬더
- 부품
- 특별한
- 특별히
- 인내
- 환자
- 사람들
- 허가
- 개
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연주
- 위치
- 위치
- 가능성
- 가능한
- 힘
- 청춘
- 찬성
- 방법
- 직업
- 링크를
- 프로그램 작성
- 프로그래밍 언어
- 푸시
- 짜내다
- Python
- 자격있는
- 이유
- 권하다
- 관련
- 관련된
- 도로
- 역할
- s
- 같은
- 라고
- 과학
- 과학
- 과학자
- 과학자
- Seaborn
- 참조
- 보고
- 본
- 세그먼트
- 감각
- 연속
- 공유
- 공유
- 영상을
- 측면
- 비슷한
- 기술
- 숙련 된
- 기술
- 작은
- So
- 솔루션
- 일부
- 어떤 사람
- 무언가
- 소싱
- 지우면 좋을거같음 . SM
- SQL
- 단계
- 스타트
- 통계
- 유지
- 스틱
- 스토리 텔링
- 교육과정
- 제목
- 스위치
- Tableau
- 받아
- 소요
- 테크니컬
- 기법
- 이야기
- 보다
- 그
- XNUMXD덴탈의
- 세계
- 그들의
- 그때
- 이론적 인
- 그곳에.
- Bowman의
- 그들
- 일
- 사고력
- 이
- 그래도?
- 세
- 시간
- 시계열
- 에
- 오늘
- 너무
- 수단
- 검색을
- 만진
- 에 대한
- 전이
- 전환하는
- 믿어
- 이해
- 이해
- 유일한
- 무제한
- 사용
- 익숙한
- 사용
- 대단히
- 보기
- 영상
- 필요
- 원
- 였다
- 방법..
- we
- 웹
- 뭐
- 때마다
- 동안
- 누구
- 모든
- why
- 의지
- 소원
- 바라는
- 과
- 작업
- 운동하다
- 일하는
- 일
- 세계
- 겠지
- 작가
- 당신
- 너의
- 제퍼 넷