Kako preiti v podatkovno znanost iz drugega ozadja?

Ponovno objavil Platon

Spremljevalci: 0

Kako preiti v podatkovno znanost iz drugačnega ozadja?
Bing Image Creator

Če ste iz ozadja, ki se ne ukvarja z računalništvom, poznate količino dela, ki ga zahteva zaposlitev v svetu podatkovne znanosti. Priložnosti podatkovne znanosti zahtevajo veliko ljudi, a glede na to, da je podatkovna znanost tako nova v svetu (ni minilo več kot desetletje!), je zelo malo ljudi, ki so organsko usposobljeni za podatkovne znanstvenike v skladu z normami podjetniški svet.

Ta industrija kriči po rasti in priložnostih in to je eden glavnih razlogov, zakaj bi nekdo želel prehod v svet podatkovne znanosti, čeprav prihaja iz zelo drugačnega okolja.

Opomba: Sem eden redkih, ki ve, da znanost o podatkih lahko pomaga nekomu, ne iz ozadja CS, in upam, da vam bo ta članek pomagal najti smernice, ki jih potrebujete za pospešitev vaše poti.

Kako preiti v podatkovno znanost iz drugačnega ozadja?

V tem članku bomo preučili, kako se morate lotiti podatkovne znanosti kot prehoda v karieri na podlagi treh različnih segmentov:

Za nekoga, ki ima se nikoli ni dotaknil nobene teme, ki je tesno povezana s podatkovno znanostjo na kolidžu.
Za nekoga iz ozadje, ki ni povezano s CS, vendar z nekaj ustreznimi predmeti, povezanimi s podatkovno znanostjo in kdo želi biti podatkovni znanstvenik, zakaj ne?

Za nekoga, ki je bil že dolgo dela v industriji, zdaj pa želi zamenjati v fascinanten in zastrašujoč svet podatkovne znanosti.

Opomba: Pogledi v tem članku so samo moji, lahko imate svoje mnenje ali pristope k prehodu. Želim ti vse najboljše.

Pojdimo naravnost v to.

Faza I: Niste tesno povezani s podatkovno znanostjo, vendar se želite vanjo vključiti.

No, v tem primeru bi rekel, da je edini napor, ki ga boste vložili, mentalni in zahteva veliko potrpljenja. Nobenega dvoma ni, da je podatkovna znanost zelo tehnična tema in vključuje veliko številk.

PS Poskusite najprej preveriti to, da ugotovite, kateri poti je treba slediti, da postanete veliki v Data Science. Nato lahko nadaljujete in razumete stvari, ki jih morate upoštevati, da pospešite svoje potovanje!

Začni tukaj:

Kako preiti v podatkovno znanost iz drugačnega ozadja?

Stvari, ki jih morate upoštevati v tem primeru:

Podatkovna znanost je tako kot vsak drug predmet, vedno se ga lahko začnete učiti, kadar koli najdete čas.
Vedno je dovolj zgodaj, nikoli prepozno za začetek.
Data Science je kombinacija računalništva, statistike, matematike na fakultetni ravni, veliko logičnega razmišljanja in programskih jezikov z drugimi orodji, ki jih lahko uporabljate.
Začrtajte svoje spretnosti na vsakem od področij (ali zlasti na tistem, na katerem želite postati profesionalec) in nadaljujte z učenjem več o vsakem.
Če želite vstopiti v analitiko, razširite svoje znanje statistike in tudi čiščenja podatkov itd. (Naučite se Excela, kolikor se le da, to je blagoslov za analitiko v majhnih zbirkah podatkov in najboljše orodje za začetek)
Za Data Viz se poskusite naučiti Tableau, PowerBI itd., hkrati pa razumejte, kako delujejo vizualizacije in kako lahko ustvarite boljše vizualne elemente in nadzorne plošče.
Predvsem v prvih dveh mesecih svojega učenja se osredotočite na učenje teh v istem vrstnem redu – Excel, SQL, Tableau in, če čas dopušča, osnove Pythona.

Kako preiti v podatkovno znanost iz drugačnega ozadja?

S tem se lahko premaknete na stopnjo II in nadaljujete z učenjem od tam.

Opomba: če ste nov v Data Science, bo trajalo nekaj časa, zato morate biti potrpežljivi in zaupati procesu. Se bo izšlo!

Faza II: bili ste povezani z nekaterimi predmeti podatkovne znanosti, vendar se niste v celoti ukvarjali s tem.

To je bila podobna stopnja kot moja in lahko vam povem, da se je za študij podatkovne znanosti treba precej potruditi. Kot boste sčasoma videli, je odvisno od številnih dejavnikov, vendar ni zelo težko glede na to, kako svet odpira vrata odprtokodnemu učenju in ponuja znanje vsakomur, ki si ga želi (tudi če prihaja iz ne-CS ozadje).

Stvari, ki jih morate upoštevati v tem primeru:

Podatkovna znanost je težko področje, če poskušate nanj gledati kot na celoto. Samo začnite gledati na vsako komponento, na katero se želite osredotočiti, kot na koščke velike sestavljanke, in vse bo v redu.
Če se želite posvetiti Data Viz strani Data Science, se osredotočite na razumevanje delovanja nadzornih plošč in podatkovnih povezav ter se naučite pripovedovanja podatkov.
Za nekoga, ki se želi ukvarjati s strojnim učenjem, poskusite razumeti, kako delati s Pythonom ali R, če se odločite za Python – naučite se knjižnic, kot so NumPy, Pandas, Scikit Learn, SciPy, Matplotlib in Seaborn.
Razumejte teoretični koncept za ML, da boste imeli tudi večji smisel za svoje algoritme. Potreben bi bil čas, vendar je razumevanje procesa pomembnejše od kodiranja visokokakovostnega algoritma ML.
Če želite izboljšati svojo analitično plat — se naučite inferenčne statistike in razumejte, kako je mogoče podatke uporabiti za izdelavo rešitev, ki temeljijo na podatkih. Naučite se delati s podatki, ki so nestrukturirani, in očistite čim več naborov podatkov.
Presezite običajne ukaze CRUD v SQL, da boste popolnoma razumeli, kako deluje JOINS in kako delati z MySQL/PostgreSQL. Če želite to potisniti z Excelom, se naučite uporabljati Data Analysis Toolpak in kako narediti makre.
Razumejte, kako delujejo podatki o časovnih vrstah, ter veste, kako črpati podatke iz virov in narediti napovedi časovnih vrst, da spodbudite svoje učenje.

Kako preiti v podatkovno znanost iz drugačnega ozadja?

Pogosteje kot ne, boste ena izmed množic, ki se bodo naučile veliko orodij in se vsega naučile na srednji ravni.

Toplo ti priporočam, da poiščeš svojo nišo in napreduješ v njej. Glede na količino znanja in konkurenco v svetu podatkovne znanosti poskusite najti svojo nišo in poskrbite, da boste s svojimi edinstvenimi veščinami našli svoj pečat v konkurenci.

Faza III: Ste že profesionalec v panogi, vendar želite zdaj začeti s podatkovno znanostjo!

Poznam ljudi, ki so bili v življenju na izjemnih položajih, preden so se odločili, da želijo biti del Data Science. Naravna je želja po spremembi kariere po dolgem času dela v določeni panogi in nekaj stvari sem pridobil od ljudi, ki jih poznam in so bili v podobnem položaju in vam lahko v tem primeru pomagajo.

Stvari, ki jih morate upoštevati v tem primeru:

Ko postanete profesionalec v določeni panogi, vas v podatkovno znanost morda pripelje sprememba življenjskih odločitev ali zahteva po izboljšanju znanja.
V vsakem primeru bi bile vodstvene vloge v Data Science bolj vesele, če bi imeli nekoga z veliko korporativno izpostavljenostjo v industriji
Izpopolnjevanje podatkovne znanosti z vašim obstoječim znanjem v panogi je lahko ena najboljših stvari, ki se lahko zgodi pri prehodu vaše kariere. Podatkovna znanost, medtem ko igra na računalništvu ter tudi na orodjih in tehnikah, se močno zanaša na znanje domene.
Z dovolj znanja o domeni ste lahko podatkovni znanstvenik na svojem področju, tako da izkoristite moč podatkov za več kot to, kar se že izvaja
KPI-je in meritve, specifične za panogo, je mogoče dodatno razviti in avtomatizirati s tehnologijo Data Science in lahko tudi vam odpre nova vrata.
Z dodatnim znanjem o orodjih podatkovne znanosti v vašem arzenalu lahko postanete trenerji na svojem področju in pomagate nadobudnim podatkovnim znanstvenikom. Možnosti so neomejene.
Orodja in spretnosti, ki se jih je treba naučiti na tej stopnji, so enaki tistim, ki so se izvajali na prvi in drugi stopnji, omenjeni prej v tem članku.

V vsakem primeru je najbolje, da se naučite podatkovne znanosti in se držite svojega poklicnega področja zaradi načina, kako svet danes prehaja v podatkovno znanost. Vse, kar počnete, zmorete in imate vključene podatke ter jih uporabljate pri odločanju, bo vaše odločitve naredilo veliko boljše.

Težko je prestopiti v svet podatkovne znanosti, ne zato, ker je težko dobiti službo, ampak zato, ker se zanjo poteguje toliko ljudi. Priložnosti vidijo vsi in ljudje vedo, da so podatki prihodnost, prav tako znanost o podatkih.

Za vse, ki ste že takoj vešči podatkovne znanosti, ostanite z nami, za ta članek bom pripravil še en del, v katerem bomo razpravljali o tem, kako lahko iz profesionalca postanete strokovnjak za podatkovno znanost.

Yash Gupta je navdušenec nad podatkovno znanostjo in poslovni analitik, samostojni tehnični pisec in bloger na Medium.com. Zanima ga delitev podatkovne znanosti z večjim občinstvom na enostaven za uporabo način. Svoje znanje želi deliti z vsemi, ki tako kot on uživajo v podatkih. Vsak dan se poskuša naučiti nekaj novega in rad vodi nadobudne podatkovne navdušence na njihovi poti.

prvotni. Poročeno z dovoljenjem.