Создатель изображений Bing
Если вы не имеете опыта работы в области компьютерных наук, вы знаете, какой это объем работы, чтобы найти работу в мире науки о данных. Возможности науки о данных требуют большого количества людей, но поскольку наука о данных является настолько новой для мира (прошло не более десяти лет!), очень мало людей, которые органически квалифицированы для того, чтобы быть учеными данных в соответствии с нормами. корпоративный мир.
Эта отрасль кричит о росте и возможностях, и это одна из главных причин, по которой кто-то захочет перейти в мир науки о данных, хотя и имеет совершенно другой опыт.
Примечание: Я один из немногих, кто знает, что наука о данных может работать для кого-то, кто не имеет опыта работы с CS, и я надеюсь, что эта статья поможет вам найти руководство, необходимое для ускорения вашего путешествия.
В этой статье мы рассмотрим, как вы должны подходить к науке о данных как к карьерному переходу на основе трех разных сегментов:
- Для тех, у кого есть никогда не касался какой-либо темы, тесно связанной с наукой о данных в колледже
- Для кого-то из фон, не связанный с CS, но с парой соответствующих предметов, связанных с наукой о данных И кто хочет быть Data Scientist, почему бы и нет?
Для того, кто был работает в отрасли в течение длительного времени, но теперь хочет переключиться в увлекательный и пугающий мир науки о данных.
Примечание: Взгляды в этой статье принадлежат только мне, не стесняйтесь высказывать свое мнение или подходы к переходу. Я желаю вам всего наилучшего.
Давайте приступим к делу.
Стадия I: вы не имеете близкого отношения к науке о данных, но хотите в нее вникнуть.
Что ж, в этом случае я бы сказал, что единственное усилие, которое вы приложите, — умственное, и оно требует большого терпения. Нет никаких сомнений в том, что наука о данных — это очень техническая тема, в которой используется множество чисел.
PS Попробуйте сначала проверить это, чтобы определить, по какому пути следует следовать, чтобы добиться успеха в науке о данных. Затем вы можете двигаться дальше и понимать, что вам нужно отметить, чтобы ускорить свое путешествие!
На что обратить внимание в этом случае:
- Наука о данных, как и любой другой предмет, вы всегда можете начать изучать ее, когда найдете время.
- Всегда достаточно рано, никогда не поздно начать.
- Наука о данных — это сочетание компьютерных наук, статистики, математики на уровне колледжа, большого количества логического мышления и языков программирования с другими инструментами, которые вы можете использовать.
- Отметьте свои навыки в каждой из областей (или особенно в той, в которой вы хотите стать профессионалом) и продолжайте изучать каждую из них.
- Если вы хотите заняться аналитикой, продвигайте свои знания статистики, а также очистку данных и т. д. (изучите Excel как можно больше, это благословение для аналитики в небольших наборах данных и лучший инструмент для начала)
- Для Data Viz попробуйте изучить Tableau, PowerBI и т. д., но в то же время поймите, как работают визуализации и как вы можете улучшить визуальные эффекты и информационные панели.
- В первую очередь в течение первых 2 месяцев обучения сосредоточьтесь на изучении этих предметов в том же порядке — Excel, SQL, Tableau и, если позволяет время, основах Python.
При этом вы можете перейти на этап II и продолжить обучение оттуда.
Примечание. Если вы новичок в науке о данных, это займет время, поэтому просто наберитесь терпения и доверьтесь процессу. Это сработает!
Стадия II: вы были связаны с некоторыми предметами в области науки о данных, но вы не занимались ею полностью.
Это был тот же этап, что и у меня, и я могу вам сказать, что изучение Data Science требует значительных усилий. Это зависит от многих факторов, как вы в конечном итоге увидите, но это не очень сложно, учитывая то, как мир открывает двери для обучения с открытым исходным кодом и предлагает знания всем, кто этого желает (даже если они приходят из не-CS). фон).
На что обратить внимание в этом случае:
- Наука о данных — сложная область, если вы попытаетесь взглянуть на нее в целом. Просто начните рассматривать каждый компонент, на котором вы хотите сосредоточиться, как часть большой головоломки, и все будет в порядке.
- Если вы хотите остановиться на стороне науки о данных, связанной с визуализацией данных, сосредоточьтесь на понимании того, как работают информационные панели и подключения к данным, и изучите рассказывание историй о данных.
- Для тех, кто хочет заняться машинным обучением, попробуйте понять, как работать с Python или R, если вы используете Python — изучите такие библиотеки, как NumPy, Pandas, Scikit Learn, SciPy, Matplotlib и Seaborn.
- Поймите теоретическую концепцию машинного обучения, чтобы лучше понимать свои алгоритмы. Это должно занять время, но понимание процесса важнее, чем кодирование полноценного алгоритма машинного обучения.
- Если вы хотите продвинуть свою сторону аналитики — изучите логическую статистику и поймите, как данные можно использовать для создания решений, основанных на данных. Узнайте, как работать с неструктурированными данными, и очистите как можно больше наборов данных.
- Выйдите за рамки обычных команд CRUD в SQL, чтобы в совершенстве понять, как работают JOINS и как работать с MySQL/PostgreSQL. Если вы хотите продвигать его с помощью Excel, узнайте, как использовать пакет инструментов анализа данных и как создавать макросы.
- Поймите, как работают данные временных рядов, и узнайте, как извлекать данные из источников и делать прогнозы временных рядов, чтобы ускорить ваше обучение.
Чаще всего вы будете одним из тех, кто изучит множество инструментов и разберется во всем на среднем уровне.
Я настоятельно рекомендую вам найти свою нишу и продвигаться в ней. Учитывая объем знаний и конкуренцию в мире науки о данных, попробуйте найти свою нишу и убедитесь, что вы найдете свое место в соревновании с вашими уникальными навыками.
Этап III: вы уже являетесь профессионалом в отрасли, но хотите начать заниматься наукой о данных прямо сейчас!
Есть люди, которых я знаю, которые были в удивительном положении в своей жизни, прежде чем решили, что они хотят быть частью науки о данных. Естественно хотеть изменить карьеру после долгого времени работы в определенной отрасли, и есть несколько вещей, которые я получил от людей, которых я знаю, которые были в аналогичной должности и могут помочь вам в этом случае.
На что обратить внимание в этом случае:
- Как только вы станете профессионалом в определенной отрасли, это может быть связано с изменением жизненного выбора или потребностью в повышении квалификации, что приведет вас к науке о данных.
- В любом случае, управленческие роли в науке о данных были бы счастливее иметь кого-то с большим корпоративным влиянием в отрасли.
- Повышение квалификации в области науки о данных с вашими существующими знаниями в отрасли может быть одним из лучших вещей, которые могут произойти с вашей карьерой. Наука о данных, играя на компьютерных науках, а также на инструментах и методах, в значительной степени опирается на знание предметной области.
- Имея достаточные знания предметной области, вы можете стать специалистом по данным в своей области, используя силу данных для большего, чем то, что уже сделано.
- Отраслевые KPI и метрики могут быть дополнительно разработаны и автоматизированы с помощью Data Science, что также может открыть для вас новые возможности.
- Имея в своем арсенале дополнительные знания об инструментах обработки данных, вы можете стать тренером в своей области и помочь начинающим специалистам по обработке и анализу данных. Возможности безграничны.
- Инструменты и навыки, которые необходимо освоить на этом этапе, такие же, как и на этапах I и II, упомянутых ранее в этой статье.
В любом случае, лучше всего изучать науку о данных и придерживаться своей профессии из-за того, как сегодня мир переходит к науке о данных. Все, что вы делаете, можете и используете данные, а также использование их при принятии решений, сделает ваши решения намного лучше.
Трудно перейти в мир науки о данных не потому, что там сложно найти работу, а потому, что за нее борется так много людей. Возможности видят все, и люди знают, что будущее за данными, а также наука о данных.
Для тех, кто уже хорошо разбирается в науке о данных, следите за обновлениями, у меня будет еще одна часть этой статьи, в которой мы обсудим, как вы можете перейти от профессионала к эксперту в науке о данных.
Яш Гупта — энтузиаст по науке о данных и бизнес-аналитик, внештатный технический писатель и блоггер на Medium.com. Он заинтересован в том, чтобы делиться знаниями в области науки о данных с более широкой аудиторией в простой для восприятия форме. Он хочет поделиться своими знаниями со всеми, кто любит данные так же, как и он. Он пытается узнавать что-то новое каждый день и любит сопровождать начинающих энтузиастов данных в их путешествии.
Оригинал, Перемещено с разрешения.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- ПлатонАйСтрим. Анализ данных Web3. Расширение знаний. Доступ здесь.
- Чеканка будущего с Эдриенн Эшли. Доступ здесь.
- Покупайте и продавайте акции компаний PREIPO® с помощью PREIPO®. Доступ здесь.
- Источник: 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
- :имеет
- :является
- :нет
- :куда
- 13
- 7
- a
- О нас
- ускорять
- дополнительный
- продвинутый
- После
- впереди
- алгоритм
- алгоритмы
- в одиночестве
- уже
- причислены
- всегда
- am
- удивительный
- количество
- an
- анализ
- аналитик
- аналитика
- и
- Другой
- любой
- кто угодно
- подхода
- подходы
- МЫ
- Арсенал
- гайд
- AS
- At
- аудитория
- Автоматизированный
- фон
- основанный
- Основы
- BE
- , так как:
- становиться
- было
- до
- начинать
- за
- не являетесь
- ЛУЧШЕЕ
- Лучшая
- Beyond
- большой
- благословение
- повышение
- Приносит
- многообещающий
- бизнес
- но
- by
- призывают
- CAN
- Карьера
- случаев
- изменение
- контроль
- выбор
- Уборка
- тесно
- Кодирование
- Колледж
- COM
- сочетание
- как
- приход
- конкурс
- компонент
- компьютер
- сама концепция
- Коммутация
- продолжать
- Корпоративное
- Пара
- трещина
- cs
- данным
- анализ данных
- наука о данных
- ученый данных
- управляемых данными
- Наборы данных
- десятилетие
- Решение
- Принятие решений
- решения
- Спрос
- зависит
- развитый
- различный
- трудный
- обсуждать
- do
- приносит
- домен
- доменов
- сделанный
- Двери
- сомневаюсь
- каждый
- Ранее
- Рано
- усилие
- достаточно
- энтузиаст
- энтузиастов
- полностью
- и т.д
- Эфир (ETH)
- Даже
- со временем
- Каждая
- повседневный
- все члены
- многое
- Excel
- существующий
- эксперту
- Экспозиция
- факторы
- увлекательный
- чувствовать
- несколько
- поле
- Найдите
- обнаружение
- конец
- Во-первых,
- Фокус
- следовать
- Что касается
- Прогнозы
- Бесплатно
- внештатно
- от
- далее
- получить
- Go
- Рост
- руководство
- Вешать
- происходить
- Освоение
- Есть
- he
- сильно
- тяжелый
- помощь
- помогает
- здесь
- очень
- его
- надежды
- Как
- How To
- HTTPS
- i
- БОЛЬНОЙ
- определения
- if
- ii
- изображение
- немедленно
- важную
- in
- промышленность
- заинтересованный
- Intermediate
- в
- вовлеченный
- IT
- ЕГО
- работа
- Играя
- путешествие
- всего
- КДнаггетс
- Знать
- знания
- Языки
- больше
- Поздно
- УЧИТЬСЯ
- изучение
- уровень
- библиотеки
- ЖИЗНЬЮ
- такое как
- логический
- Длинное
- много времени
- посмотреть
- серия
- машина
- обучение с помощью машины
- Макрос
- сделать
- управление
- многих
- много людей
- отметка
- массы
- математике
- Matplotlib
- средний
- психический
- упомянутый
- Метрика
- может быть
- ML
- месяцев
- БОЛЕЕ
- двигаться
- много
- натуральный
- Необходимость
- потребности
- никогда
- Новые
- нет
- "обычные"
- сейчас
- номера
- NumPy
- of
- предлагающий
- .
- on
- ONE
- только
- открытый
- с открытым исходным кодом
- открытие
- Обзор
- Возможности
- Возможность
- or
- заказ
- органически
- Другое
- внешний
- за
- собственный
- панд
- часть
- особый
- особенно
- Терпение
- пациент
- Люди
- разрешение
- штук
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- игры
- должность
- позиции
- возможности,
- возможное
- мощностью
- Простое число
- Pro
- процесс
- профессия
- профессиональный
- Программирование
- языки программирования
- Push
- головоломка
- Питон
- квалифицированный
- причины
- рекомендовать
- Связанный
- соответствующие
- Дорога
- роли
- s
- то же
- сообщили
- Наука
- НАУКА
- Ученый
- Ученые
- рожденное море
- посмотреть
- видя
- видел
- сегментами
- смысл
- Серии
- Поделиться
- разделение
- должен
- сторона
- аналогичный
- умение
- квалифицированный
- навыки
- небольшой
- So
- Решения
- некоторые
- Кто-то
- удалось
- источников
- Источники
- SQL
- Этап
- Начало
- статистике
- оставаться
- Придерживаться
- рассказ
- Кабинет
- предмет
- Коммутатор
- Живая картина
- взять
- принимает
- Технический
- снижения вреда
- сказать
- чем
- который
- Ассоциация
- мир
- их
- тогда
- теоретический
- Там.
- Эти
- они
- вещи
- мышление
- этой
- хоть?
- три
- время
- Временные ряды
- в
- сегодня
- слишком
- инструментом
- инструменты
- тронутый
- к
- переход
- Переход
- Доверие
- понимать
- понимание
- созданного
- Неограниченный
- использование
- используемый
- через
- очень
- Просмотры
- визуальные
- хотеть
- хочет
- законопроект
- Путь..
- we
- WebP
- Что
- Что такое
- когда бы ни
- в то время как
- КТО
- все
- зачем
- будете
- пожелания
- желающих
- Работа
- разрабатывать
- работает
- работает
- Мир
- бы
- писатель
- являетесь
- ВАШЕ
- зефирнет