How To Transition Into Data Science From A Different Background?

Republicat de Platon

Urmaritori: 0

Cum să treci la știința datelor dintr-un mediu diferit?
Bing Image Creator

Dacă sunteți dintr-un mediu care nu este informatic, știți cât de mult este de lucru pentru a găsi un loc de muncă în lumea științei datelor. Oportunitățile științei datelor necesită o mulțime de oameni, dar știința datelor fiind atât de nouă în lume (nu a trecut mai mult de un deceniu!), există foarte puțini oameni care sunt calificați din punct de vedere organic pentru a fi oameni de știință ai datelor, conform normelor lumea corporativă.

Această industrie urlă creștere și oportunități și acesta este unul dintre motivele principale pentru care cineva ar dori să treacă în lumea științei datelor, deși provine dintr-un mediu foarte diferit.

Notă: Sunt unul dintre puținii care știu că Data Science poate funcționa pentru cineva, nu dintr-un fundal CS și sper că acest articol vă va ajuta să găsiți îndrumarea de care aveți nevoie pentru a vă stimula călătoria.

Cum să treci la știința datelor dintr-un mediu diferit?

În acest articol, vom analiza cum ar trebui să abordați știința datelor ca o tranziție de carieră bazată pe trei segmente diferite:

Pentru cineva care are nu a atins niciodată niciun subiect strâns legat de Data Science în colegiu.
Pentru cineva din un fundal non-CS, dar cu câteva subiecte relevante legate de știința datelor și cine vrea să fie Data Scientist de ce nu?

Pentru cineva care a fost lucrează mult timp într-o industrie, dar acum vrea să treacă către lumea fascinantă și descurajantă a științei datelor.

Notă: Părerile din acest articol sunt numai ale mele, nu ezitați să aveți propria opinie sau abordări față de tranziție. Îți doresc tot ce este mai bun.

Să intrăm direct în asta.

Etapa I: Nu ești strâns legat de Data Science, dar vrei să intri în ea.

Ei bine, în acest caz, aș spune că singurul efort pe care îl vei depune este mental și are nevoie de multă răbdare. Nu există nicio îndoială că Data Science este un subiect foarte tehnic și implică o mulțime de numere.

PS Încercați să verificați mai întâi acest lucru, pentru a identifica care este drumul de urmat pentru a deveni mare în Data Science. Apoi puteți merge mai departe și puteți înțelege lucrurile pe care trebuie să le rețineți pentru a vă accelera călătoria!

Începe aici:

Cum să treci la știința datelor dintr-un mediu diferit?

Lucruri de reținut în acest caz:

Știința datelor este la fel ca orice altă materie, puteți începe oricând să o învățați oricând găsiți timp.
Este întotdeauna suficient de devreme, niciodată prea târziu pentru a începe.
Data Science este o combinație de științe informatice, statistică, matematică la nivel de facultate, multă gândire logică și limbaje de programare cu alte instrumente pe care le puteți utiliza.
Descoperiți-vă abilitățile în fiecare dintre domenii (sau în special cel în care doriți să deveniți profesionist) și continuați cu a afla mai multe despre fiecare.
Dacă doriți să intrați în analiză, împingeți-vă cunoștințele de statistică și, de asemenea, curățarea datelor etc. (învățați Excel cât de mult puteți, este o binecuvântare pentru analize în seturi de date mici și cel mai bun instrument pentru început)
Pentru Data Viz, încercați să învățați Tableau, PowerBI etc., dar, în același timp, înțelegeți cum funcționează vizualizările și cum puteți realiza imagini și tablouri de bord mai bune.
În primul rând, pentru primele 2 luni de învățare, concentrați-vă pe învățarea acestora în aceeași ordine - Excel, SQL, Tableau și, dacă timpul vă permite, elementele de bază Python.

Cum să treci la știința datelor dintr-un mediu diferit?

Cu aceasta, puteți trece în etapa II și puteți continua să învățați de acolo.

Notă: va dura timp dacă sunteți nou în Data Science, așa că trebuie doar să aveți răbdare și să aveți încredere în proces. Se va rezolva!

Etapa a II-a: Ai fost înrudit cu unele subiecte din Data Science, dar nu te-ai ocupat în totalitate.

Aceasta a fost o etapă similară cu a mea și vă pot spune că este nevoie de un efort destul de mare pentru a studia Data Science. Depinde de o mulțime de factori, așa cum veți vedea în cele din urmă, dar nu este foarte dificil cu modul în care lumea a deschis porți pentru învățarea open-source și oferă cunoștințe oricui dorește acest lucru (chiar dacă provin dintr-un non-CS). fundal).

Lucruri de reținut în acest caz:

Știința datelor este un domeniu dificil dacă încercați să îl priviți în ansamblu. Începeți să vedeți fiecare componentă pe care doriți să vă concentrați ca piese ale puzzle-ului mare și veți fi bine.
Dacă doriți să vă concentrați pe partea Data Viz a Data Science, concentrați-vă pe înțelegerea modului în care funcționează tablourile de bord și conexiunile de date și învățați povestea datelor.
Pentru cineva care dorește să intre în Machine Learning, încercați să înțelegeți cum să lucrați cu Python sau R, dacă utilizați Python - învață biblioteci precum NumPy, Pandas, Scikit Learn, SciPy, Matplotlib și Seaborn.
Înțelegeți conceptul teoretic din spatele ML pentru a înțelege mai bine algoritmii dvs. Ar trebui să ia timp, dar înțelegerea procesului este mai importantă decât codarea unui algoritm ML de înaltă calitate.
Dacă doriți să vă depășiți partea de analiză, aflați Statistici inferențiale și înțelegeți cum pot fi utilizate datele pentru a crea soluții bazate pe date. Aflați cum să lucrați cu date care sunt nestructurate și să curățați cât mai multe seturi de date posibil.
Treceți dincolo de comenzile CRUD normale din SQL pentru a înțelege perfect cum funcționează JOINS și cum să lucrați cu MySQL/PostgreSQL. Dacă doriți să o împingeți cu Excel, aflați cum să utilizați pachetul de instrumente de analiză a datelor și cum să creați macrocomenzi.
Înțelegeți cum funcționează datele din seria cronologică și știți cum să extrageți date din surse și să faceți previziuni în serie de timp pentru a vă impulsiona învățarea.

Cum să treci la știința datelor dintr-un mediu diferit?

De cele mai multe ori, vei fi una dintre masele care vor învăța o mulțime de instrumente și vor înțelege totul la un nivel intermediar.

Ți-aș recomanda cu căldură să-ți găsești nișa și să mergi avansat în ea. Având în vedere cantitatea de cunoștințe și concurență existente în lumea științei datelor, încercați să vă găsiți nișa și asigurați-vă că vă găsiți nota în competiție cu abilitățile tale unice.

Etapa III: Ești deja un profesionist într-o industrie, dar vrei să începi acum în Data Science!

Sunt oameni pe care îi cunosc care au ocupat poziții uimitoare în viața lor înainte de a decide că vor să facă parte din Data Science. Este firesc să-mi dorești o schimbare în carieră după o perioadă lungă de muncă într-o anumită industrie și există câteva lucruri pe care le-am obținut de la oameni pe care îi cunosc, care au fost într-o poziție similară și te pot ajuta în acest caz.

Lucruri de reținut în acest caz:

Odată ce sunteți profesionist într-o anumită industrie, s-ar putea ca din cauza unei schimbări în opțiunile de viață sau a unei cereri de îmbunătățire a competențelor, ceea ce vă aduce la Data Science
În orice caz, rolurile de management din Data Science ar fi mai fericite să aibă pe cineva cu o expunere corporativă puternică în industrie
Îmbunătățirea competențelor în Data Science cu cunoștințele existente într-o industrie poate fi unul dintre cele mai bune lucruri care se pot întâmpla cu tranziția ta în carieră. Știința datelor, în timp ce joacă pe științe informatice și, de asemenea, pe instrumente și tehnici, se bazează în mare măsură pe cunoștințele domeniului.
Cu suficiente cunoștințe de domeniu, puteți fi un cercetător de date în domeniul dvs., valorificând puterea datelor pentru mai mult decât ceea ce se face deja
KPI-urile și valorile specifice industriei pot fi dezvoltate și automatizate în continuare cu Data Science și pot deschide noi uși și pentru dvs.
Cu cunoștințele suplimentare despre instrumentele de știință a datelor din arsenalul dvs., puteți deveni formatori în domeniul dvs. și puteți ajuta oamenii de știință de date în devenire. Posibilitățile sunt nelimitate.
Instrumentele și abilitățile de învățat în această etapă sunt aceleași cu ceea ce se făcea în Etapa I și Etapa II menționată mai devreme în acest articol.

În orice caz, cel mai bine este să înveți știința datelor și să rămâi la domeniul tău de profesie din cauza modului în care lumea face tranziția la știința datelor astăzi. Tot ceea ce faceți, puteți și aveți date implicate, iar utilizarea acestora în luarea deciziilor, nu va face decât să vă îmbunătățească mult deciziile.

Este dificil să faci tranziția în lumea științei datelor nu pentru că este dificil să obții un loc de muncă, ci pentru că există atât de mulți oameni care luptă pentru asta. Oportunitățile sunt văzute de toată lumea și oamenii știu că -Data este viitorul- la fel și Data Science.

Pentru oricine este deja calificat imediat în știința datelor, rămâneți pe fază, voi avea o altă parte pentru acest articol, unde vom discuta despre cum puteți trece de la profesionist la expert în știința datelor.

Yash Gupta este un entuziast al științei datelor și un analist de afaceri, un scriitor tehnic independent și un blogger la Medium.com. Este interesat să împărtășească cunoștințele despre știința datelor cu un public mai larg într-un mod ușor de consumat. El dorește să-și împărtășească cunoștințele cu toți cei care îi plac datele la fel de mult ca și el. Încearcă să învețe ceva nou în fiecare zi și îi place să îndrume pasionații de date în devenire în călătoria lor.

Original. Repostat cu permisiunea.