Kreator obrazów Bing
Jeśli nie jesteś informatykiem, wiesz, ile pracy kosztuje znalezienie pracy w świecie Data Science. Możliwości nauki o danych wymagają wielu osób, ale ponieważ nauka o danych jest tak nowa na świecie (nie minęło więcej niż dekada!), bardzo niewiele osób ma organiczne kwalifikacje do bycia naukowcami danych zgodnie z normami świecie korporacji.
Ta branża krzyczy o wzroście i możliwościach i jest to jeden z głównych powodów, dla których ktoś chciałby przejść do świata Data Science, mimo że pochodzi z zupełnie innego środowiska.
Uwaga: Jestem jednym z nielicznych, którzy wiedzą, że Data Science może się sprawdzić dla kogoś, kto nie ma doświadczenia w CS i mam nadzieję, że ten artykuł pomoże ci znaleźć wskazówki, których potrzebujesz, aby przyspieszyć swoją podróż.
W tym artykule omówimy, w jaki sposób należy podejść do nauki o danych jako przejścia do kariery w oparciu o trzy różne segmenty:
- Dla kogoś, kto ma nigdy nie dotknął żadnego tematu ściśle związanego z Data Science na studiach.
- Dla kogoś z tło inne niż CS, ale z kilkoma odpowiednimi przedmiotami związanymi z nauką o danych a kto chce zostać naukowcem danych, dlaczego nie?
Dla kogoś, kto był pracuje w branży od dłuższego czasu, ale teraz chce się zmienić do fascynującego i zniechęcającego świata Data Science.
Uwaga: Poglądy w tym artykule są wyłącznie moje, możesz mieć własne zdanie lub podejście do przejścia. Życzę ci wszystkiego najlepszego.
Przejdźmy od razu do tego.
Etap I: Nie jesteś blisko związany z Data Science, ale chcesz się w to zagłębić.
Cóż, w tym przypadku powiedziałbym, że jedynym wysiłkiem, jaki podejmiesz, jest wysiłek umysłowy i wymaga on dużo cierpliwości. Nie ma wątpliwości, że nauka o danych jest bardzo technicznym przedmiotem i obejmuje wiele liczb.
PS Spróbuj najpierw to sprawdzić, aby określić, jaką drogą należy podążać, aby odnieść sukces w nauce o danych. Następnie możesz przejść dalej i zrozumieć rzeczy, na które musisz zwrócić uwagę, aby przyspieszyć swoją podróż!
Na co należy zwrócić uwagę w tym przypadku:
- Data Science jest jak każdy inny przedmiot, zawsze możesz zacząć się go uczyć, kiedy tylko znajdziesz na to czas.
- Zawsze jest wystarczająco wcześnie, nigdy nie jest za późno, aby zacząć.
- Data Science to połączenie informatyki, statystyki, matematyki na poziomie uniwersyteckim, mnóstwa logicznego myślenia i języków programowania z innymi narzędziami, których możesz użyć.
- Określ swoje umiejętności w każdej z domen (a szczególnie w tej, w której chcesz zostać zawodowcem) i dowiedz się więcej o każdej z nich.
- Jeśli chcesz zająć się analityką, poszerz swoją wiedzę o statystyki, a także czyszczenie danych itp. (ucz się Excela jak najwięcej, to błogosławieństwo dla analityki w małych zbiorach danych i najlepsze narzędzie na początek)
- W przypadku Data Viz spróbuj nauczyć się Tableau, PowerBI itp., ale jednocześnie zrozum, jak działają wizualizacje i jak możesz tworzyć lepsze wizualizacje i pulpity nawigacyjne.
- Przede wszystkim przez pierwsze 2 miesiące nauki skup się na nauce tych elementów w tej samej kolejności — Excel, SQL, Tableau i, jeśli czas na to pozwoli, podstawy Pythona.
Dzięki temu możesz przejść do etapu II i stamtąd kontynuować naukę.
Uwaga: to zajmie trochę czasu, jeśli jesteś nowy w Data Science, więc po prostu musisz być cierpliwy i zaufać procesowi. Ułóży się!
Etap II: Byłeś związany z niektórymi przedmiotami w Data Science, ale nie interesowałeś się tym całkowicie.
To był podobny etap do mojego i mogę powiedzieć, że studiowanie Data Science wymaga sporo wysiłku. Jak się później przekonasz, zależy to od wielu czynników, ale nie jest to bardzo trudne, biorąc pod uwagę sposób, w jaki świat otwiera drzwi do otwartego uczenia się i oferuje wiedzę każdemu, kto jej pragnie (nawet jeśli pochodzi z nie-CS tło).
Na co należy zwrócić uwagę w tym przypadku:
- Data Science to trudna dziedzina, jeśli spróbujesz spojrzeć na nią jako całość. Po prostu zacznij postrzegać każdy element, na którym chcesz się skupić, jako elementy wielkiej układanki, a wszystko będzie dobrze.
- Jeśli chcesz skupić się na stronie Data Viz Data Science, skup się na zrozumieniu, jak działają pulpity nawigacyjne i połączenia danych, i naucz się opowiadania historii danych.
- Dla kogoś, kto chce rozpocząć przygodę z uczeniem maszynowym, spróbuj zrozumieć, jak pracować z Pythonem lub R, jeśli używasz Pythona — naucz się bibliotek takich jak NumPy, Pandas, Scikit Learn, SciPy, Matplotlib i Seaborn.
- Zapoznaj się z teoretyczną koncepcją uczenia maszynowego, aby lepiej zrozumieć swoje algorytmy. Powinno to zająć trochę czasu, ale zrozumienie procesu jest ważniejsze niż kodowanie wysokiej jakości algorytmu ML.
- Jeśli chcesz poszerzyć swoją wiedzę analityczną — poznaj statystyki inferencyjne i dowiedz się, jak można wykorzystać dane do tworzenia rozwiązań opartych na danych. Dowiedz się, jak pracować z danymi, które nie mają struktury, i czyścić jak najwięcej zestawów danych.
- Wyjdź poza zwykłe polecenia CRUD w SQL, aby doskonale zrozumieć, jak działają JOINS i jak pracować z MySQL/PostgreSQL. Jeśli chcesz wypchnąć to za pomocą programu Excel, dowiedz się, jak korzystać z Data Analysis Toolpak i jak tworzyć makra.
- Dowiedz się, jak działają dane szeregów czasowych i dowiedz się, jak pobierać dane ze źródeł i tworzyć prognozy szeregów czasowych, aby przyspieszyć naukę.
Częściej niż nie, będziesz jedną z mas, które nauczą się wielu narzędzi i zrozumieją wszystko na poziomie średniozaawansowanym.
Gorąco polecam znalezienie swojej niszy i rozwinięcie się w niej. Biorąc pod uwagę ilość wiedzy i konkurencję w świecie nauki o danych, spróbuj znaleźć swoją niszę i upewnij się, że odnajdziesz się w konkurencji dzięki swoim unikalnym umiejętnościom.
Etap III: Jesteś już profesjonalistą w branży, ale teraz chcesz zacząć w Data Science!
Są ludzie, których znam, którzy byli w niesamowitych sytuacjach w swoim życiu, zanim zdecydowali, że chcą być częścią Data Science. To naturalne, że po długim czasie pracy w określonej branży chcesz zmienić zawód i jest kilka rzeczy, które pozyskałem od ludzi, których znam, którzy byli w podobnej sytuacji i mogą ci pomóc w tym przypadku.
Na co należy zwrócić uwagę w tym przypadku:
- Gdy jesteś profesjonalistą w określonej branży, może to być spowodowane zmianą wyborów życiowych lub potrzebą podnoszenia kwalifikacji, które prowadzą Cię do Data Science
- W każdym razie stanowiska kierownicze w Data Science byłyby szczęśliwsze, gdyby ktoś miał dużą ekspozycję korporacyjną w branży
- Podnoszenie kwalifikacji w Data Science przy użyciu istniejącej wiedzy w branży może być jedną z najlepszych rzeczy, które mogą się zdarzyć podczas zmiany kariery. Data Science, bawiąc się informatyką, a także narzędziami i technikami, w dużej mierze opiera się na wiedzy dziedzinowej.
- Mając wystarczającą wiedzę na temat domeny, możesz zostać naukowcem danych w swojej dziedzinie, wykorzystując moc danych do czegoś więcej niż to, co jest już zrobione
- Specyficzne dla branży KPI i metryki mogą być dalej rozwijane i automatyzowane dzięki Data Science i mogą otworzyć nowe drzwi również dla Ciebie.
- Mając dodatkową wiedzę na temat narzędzi do nauki danych w swoim arsenale, możesz zostać trenerem w swojej dziedzinie i pomóc początkującym naukowcom danych. Możliwości są nieograniczone.
- Narzędzia i umiejętności do nauki na tym etapie są takie same, jak te, które były wykonywane na Etapie I i Etapie II wspomnianym wcześniej w tym artykule.
W każdym razie najlepiej jest uczyć się nauki o danych i trzymać się swojego zawodu ze względu na sposób, w jaki świat przechodzi dzisiaj do nauki o danych. Wszystko, co robisz, możesz i wykorzystujesz dane oraz wykorzystywanie ich w procesie podejmowania decyzji, sprawi, że Twoje decyzje będą o wiele lepsze.
Trudno jest przejść do świata nauki o danych nie dlatego, że trudno jest w nim znaleźć pracę, ale dlatego, że walczy o nią tak wielu ludzi. Możliwości są dostrzegane przez wszystkich i ludzie wiedzą, że -Dane to przyszłość- podobnie jak Data Science.
Dla każdego, kto jest już od razu biegły w Data Science, bądź na bieżąco, będę miał kolejną część tego artykułu, w której omówimy, jak możesz przejść od profesjonalisty do eksperta w Data Science.
Jasz Gupta jest entuzjastą Data Science i analitykiem biznesowym, niezależnym pisarzem technicznym i blogerem w Medium.com. Interesuje go dzielenie się wiedzą z zakresu nauki o danych z szerszą publicznością w łatwy do wykorzystania sposób. Swoją wiedzą pragnie dzielić się z każdym, kto tak jak on lubi dane. Codziennie stara się uczyć czegoś nowego i uwielbia przewodzić początkującym entuzjastom danych w ich podróży.
Oryginalny. Przesłane za zgodą.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoAiStream. Analiza danych Web3. Wiedza wzmocniona. Dostęp tutaj.
- Wybijanie przyszłości w Adryenn Ashley. Dostęp tutaj.
- Kupuj i sprzedawaj akcje spółek PRE-IPO z PREIPO®. Dostęp tutaj.
- Źródło: 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
- :ma
- :Jest
- :nie
- :Gdzie
- 13
- 7
- a
- O nas
- przyśpieszyć
- Dodatkowy
- zaawansowany
- Po
- przed
- algorytm
- Algorytmy
- sam
- już
- również
- zawsze
- am
- zdumiewający
- ilość
- an
- analiza
- analityk
- analityka
- i
- Inne
- każdy
- ktoś
- podejście
- awanse
- SĄ
- Arsenał
- artykuł
- AS
- At
- publiczność
- zautomatyzowane
- tło
- na podstawie
- Podstawy
- BE
- bo
- stają się
- być
- zanim
- rozpocząć
- za
- jest
- BEST
- Ulepsz Swój
- Poza
- Duży
- błogosławieństwo
- podnieść
- Przynosi
- początkujący
- biznes
- ale
- by
- wezwanie
- CAN
- Kariera
- walizka
- zmiana
- kontrola
- wybory
- Sprzątanie
- dokładnie
- Kodowanie
- Studentki
- COM
- połączenie
- jak
- przyjście
- konkurencja
- składnik
- komputer
- pojęcie
- połączenia
- kontynuować
- Korporacyjny
- Para
- pęknięcie
- cs
- dane
- analiza danych
- nauka danych
- naukowiec danych
- sterowane danymi
- zbiory danych
- dekada
- Decydowanie
- Podejmowanie decyzji
- Decyzje
- Kreowanie
- zależy
- rozwinięty
- różne
- trudny
- dyskutować
- do
- robi
- domena
- domeny
- zrobić
- Drzwi
- wątpić
- każdy
- Wcześniej
- Wcześnie
- wysiłek
- dość
- entuzjasta
- Miłośnicy
- całkowicie
- itp
- Eter (ETH)
- Parzyste
- ostatecznie
- Każdy
- codzienny
- wszyscy
- wszystko
- przewyższać
- Przede wszystkim system został opracowany
- ekspert
- Ekspozycja
- Czynniki
- fascynujący
- czuć
- kilka
- pole
- Znajdź
- znalezieniu
- w porządku
- i terminów, a
- Skupiać
- obserwuj
- W razie zamówieenia projektu
- Prognozy
- Darmowy
- wolny zawód
- od
- dalej
- otrzymać
- Go
- Wzrost
- poradnictwo
- Zawiesić
- zdarzyć
- Wykorzystywanie
- Have
- he
- ciężko
- ciężki
- pomoc
- pomaga
- tutaj
- wysoko
- jego
- nadzieję
- W jaki sposób
- How To
- HTTPS
- i
- CHORY
- zidentyfikować
- if
- ii
- obraz
- natychmiast
- ważny
- in
- przemysł
- zainteresowany
- Pośredni
- najnowszych
- zaangażowany
- IT
- JEGO
- Praca
- Łączy
- podróż
- właśnie
- Knuggety
- Wiedzieć
- wiedza
- Języki
- większe
- Późno
- UCZYĆ SIĘ
- nauka
- poziom
- biblioteki
- życie
- lubić
- logiczny
- długo
- długi czas
- Popatrz
- Partia
- maszyna
- uczenie maszynowe
- makra
- robić
- i konserwacjami
- wiele
- wielu ludzi
- znak
- Masy
- matematyka
- matplotlib
- średni
- psychika
- wzmiankowany
- Metryka
- może
- ML
- miesięcy
- jeszcze
- ruch
- dużo
- Naturalny
- Potrzebować
- wymagania
- nigdy
- Nowości
- Nie
- normalna
- już dziś
- z naszej
- tępy
- of
- oferuje
- często
- on
- ONE
- tylko
- koncepcja
- open source
- otwarcie
- Opinia
- Szanse
- Okazja
- or
- zamówienie
- organicznie
- Inne
- na zewnątrz
- koniec
- własny
- pandy
- część
- szczególny
- szczególnie
- Cierpliwość
- pacjent
- Ludzie
- pozwolenie
- sztuk
- plato
- Analiza danych Platona
- PlatoDane
- gra
- position
- Pozycje
- możliwości
- możliwy
- power
- premia
- Pro
- wygląda tak
- zawód
- profesjonalny
- Programowanie
- języki programowania
- Naciskać
- puzzle
- Python
- wykwalifikowany
- Przyczyny
- polecić
- związane z
- droga
- role
- s
- taki sam
- powiedzieć
- nauka
- NAUKI
- Naukowiec
- Naukowcy
- poroże morskie
- widzieć
- widzenie
- widziany
- Segmenty
- rozsądek
- Serie
- Share
- dzielenie
- powinien
- bok
- podobny
- umiejętność
- wykwalifikowany
- umiejętności
- mały
- So
- Rozwiązania
- kilka
- Ktoś
- coś
- pozyskiwany
- Źródła
- SQL
- STAGE
- początek
- statystyka
- pobyt
- Kij
- opowiadanie
- Badanie
- przedmiot
- Przełącznik
- Żywy obraz
- Brać
- trwa
- Techniczny
- Techniki
- powiedzieć
- niż
- że
- Połączenia
- świat
- ich
- następnie
- teoretyczny
- Tam.
- Te
- one
- rzeczy
- Myślący
- to
- chociaż?
- trzy
- czas
- Szereg czasowy
- do
- już dziś
- także
- narzędzie
- narzędzia
- wzruszony
- w kierunku
- przejście
- przejście
- Zaufaj
- zrozumieć
- zrozumienie
- wyjątkowy
- nieograniczone
- posługiwać się
- używany
- za pomocą
- początku.
- widoki
- wizualizacje
- chcieć
- chce
- była
- Droga..
- we
- webp
- Co
- Co to jest
- ilekroć
- Podczas
- KIM
- cały
- dlaczego
- będzie
- Życzenia
- życzyć
- w
- Praca
- odrobić
- pracujący
- działa
- świat
- by
- pisarz
- ty
- Twój
- zefirnet