Hur övergår man till datavetenskap från en annan bakgrund?

Återutgiven av Platon

anhängare: 0

Hur övergår man till datavetenskap från en annan bakgrund?
Bing Image Creator

Om du inte har en bakgrund inom datavetenskap vet du hur mycket arbete det är att få ett jobb inom datavetenskapens värld. Möjligheterna med Data Science kräver många människor, men eftersom Data Science är så nytt i världen (det har inte gått mer än ett decennium!), är det väldigt få människor som är organiskt kvalificerade att vara datavetare enligt normerna för Data Science. företagsvärlden.

Den här branschen skriker tillväxt och möjligheter och det är en av de främsta anledningarna till att någon skulle vilja gå över till Data Science-världen även om den kommer från en helt annan bakgrund.

Notera: Jag är en av få som vet att Data Science kan fungera för någon, inte från en CS-bakgrund och jag hoppas att den här artikeln hjälper dig att hitta den vägledning du behöver för att öka din resa.

Hur övergår man till datavetenskap från en annan bakgrund?

I den här artikeln går vi igenom hur du bör närma dig Data Science som en karriärövergång baserat på tre olika segment:

För någon som har aldrig berört något ämne som är nära relaterat till datavetenskap i college.
För någon från en icke-CS-bakgrund men med ett par relevanta ämnen relaterade till datavetenskap & vem vill bli datavetare varför inte?

För någon som varit det jobbat i en bransch länge men vill nu byta till den fascinerande och skrämmande världen av Data Science.

Notera: Synpunkterna i denna artikel är bara mina, ha gärna din egen åsikt eller inställning till övergången. Jag önskar dig det bästa.

Låt oss gå in i det.

Steg I: Du är inte nära besläktad med Data Science men du vill komma in i det.

Tja, i det här fallet skulle jag säga att den enda ansträngningen du kommer att anstränga dig är mental och den kräver mycket tålamod. Det råder ingen tvekan om att Data Science är ett mycket tekniskt ämne och involverar många siffror.

PS Försök att kolla upp detta först, för att identifiera vad som är vägen att följa för att göra det stort inom Data Science. Du kan sedan gå vidare och förstå de saker du behöver notera för att påskynda din resa!

Börja här:

Hur övergår man till datavetenskap från en annan bakgrund?

Saker att notera i det här fallet:

Data Science är precis som vilket ämne som helst, du kan alltid börja lära dig det när du har tid.
Det är alltid tillräckligt tidigt, aldrig för sent att börja.
Data Science är en kombination av datavetenskap, statistik, matematik på högskolenivå, massor av logiskt tänkande och programmeringsspråk med andra verktyg som du kan använda.
Kartlägg dina färdigheter inom var och en av domänerna (eller särskilt den du vill bli proffs på) och fortsätt med att lära dig mer om var och en.
Om du vill komma in på analys, pusha dina statistikkunskaper och även datarensning osv. (lär dig Excel så mycket du kan, det är en välsignelse för analyser i små datamängder och det bästa verktyget till att börja med)
För Data Viz, försök att lära dig Tableau, PowerBI, etc. men förstå samtidigt hur visualiseringar fungerar och hur du kan göra bättre bilder och instrumentpaneler.
Primärt under de första två månaderna av ditt lärande, fokusera på att lära dig dessa i samma ordning - Excel, SQL, Tableau och om tiden tillåter, Python-grunderna.

Hur övergår man till datavetenskap från en annan bakgrund?

Med detta kan du gå in i steg II och fortsätta lära dig därifrån.

Obs: Det kommer att ta tid om du är ny på Data Science, så det är bara att ha tålamod och lita på processen. Det kommer att lösa sig!

Steg II: Du har varit relaterad till vissa ämnen i datavetenskap men du har inte varit helt inne på det.

Detta var ett liknande stadium som mitt och jag kan säga er att det krävs en hel del ansträngning att studera datavetenskap. Det beror på många faktorer som du kommer att se så småningom, men det är inte särskilt svårt med hur världen har öppnat dörrar för lärande med öppen källkod och erbjudit kunskap till alla som önskar det (även om de kommer från en icke-CS) bakgrund).

Saker att notera i det här fallet:

Data Science är ett tufft område om man försöker se det som en helhet. Börja bara se varje komponent som du vill fokusera på som delar av det stora pusslet, så kommer du att bli bra.
Om du vill uppehålla dig vid Data Viz-sidan av Data Science, fokusera på att förstå hur instrumentpaneler och dataanslutningar fungerar och lär dig databerättelser.
För någon som vill komma in i Machine Learning, försök att förstå hur man arbetar med Python eller R, om du använder Python - lär dig bibliotek som NumPy, Pandas, Scikit Learn, SciPy, Matplotlib och Seaborn.
Förstå det teoretiska konceptet bakom ML för att också göra mer känsla för dina algoritmer. Det borde ta tid men att förstå processen är viktigare än att koda en högkvalitativ ML-algoritm.
Om du vill lyfta din analytiska sida — lär dig inferential statistik och förstå hur data kan användas för att skapa datadrivna lösningar. Lär dig hur du arbetar med data som är ostrukturerad och rengör så många datamängder som möjligt.
Gå bortom de vanliga CRUD-kommandona i SQL för att perfekt förstå hur JOINS fungerar och hur man arbetar med MySQL/PostgreSQL. Om du vill driva det med Excel, lär dig hur du använder Data Analysis Toolpak och hur du gör makron.
Förstå hur tidsseriedata fungerar och vet hur man hämtar data från källor och gör tidsserieprognoser för att driva din inlärning.

Hur övergår man till datavetenskap från en annan bakgrund?

Oftare än inte kommer du att vara en av massorna som kommer att lära dig många verktyg och få koll på allt på en mellannivå.

Jag skulle starkt rekommendera dig att hitta din nisch och gå vidare i den. Med mängden kunskap och konkurrens som finns inom datavetenskapsvärlden, försök hitta din nisch och se till att du hittar ditt märke i konkurrensen med dina unika färdigheter.

Steg III: Du är redan ett proffs i en bransch men du vill börja inom Data Science nu!

Det finns människor jag känner som har varit i fantastiska positioner i sitt liv innan de bestämde sig för att de vill bli en del av Data Science. Det är naturligt att vilja byta karriär efter att ha jobbat länge i en viss bransch och det finns några saker jag har hämtat från personer jag känner som har varit i en liknande position och kan hjälpa dig i det här fallet.

Saker att notera i det här fallet:

När du väl är proffs i en viss bransch kan det bero på en förändring i livsval eller en efterfrågan på kompetens, som tar dig till Data Science
I vilket fall som helst skulle chefsroller inom Data Science vara gladare att ha någon med stor företagsexponering i branschen
Att utvecklas inom datavetenskap med dina befintliga kunskaper i en bransch kan vara något av det bästa som kan hända med din karriärövergång. Data Science, medan man spelar på datavetenskap och även på verktyg och tekniker, förlitar sig starkt på domänkunskap.
Med tillräckligt med domänkunskap kan du vara en datavetare inom ditt område genom att utnyttja kraften i data för mer än vad som redan görs
Branschspecifika KPI:er och mätvärden kan vidareutvecklas och automatiseras med Data Science och kan öppna nya dörrar även för dig.
Med ytterligare kunskap om datavetenskapliga verktyg i din arsenal kan du bli utbildare inom ditt område och hjälpa blivande datavetare. Möjligheterna är obegränsade.
Verktygen och färdigheterna att lära sig i detta steg är desamma som det som gjordes i steg I och steg II som nämndes tidigare i den här artikeln.

Hur som helst är det bäst att lära sig datavetenskap och hålla sig till ditt yrkesområde på grund av hur världen övergår till datavetenskap idag. Allt du gör, kan och har data involverad, och att använda den i ditt beslutsfattande, kommer bara att göra dina beslut mycket bättre.

Det är svårt att gå över till en värld av datavetenskap, inte för att det är svårt att få jobb, utan för att det finns så många människor som tävlar om det. Möjligheterna ses av alla och folk vet att -Data är framtiden- och det är Data Science också.

För alla som redan är omedelbart skickliga i Data Science, håll utkik, jag har en annan del för den här artikeln som kommer in där vi diskuterar hur du kan gå från proffs till expert inom Data Science.

Yash Gupta är en datavetenskapsentusiast och affärsanalytiker, frilansande teknisk skribent och bloggare på Medium.com. Han är intresserad av att dela datavetenskaplig kunskap med en större publik på ett sätt som är lätt att konsumera. Han vill dela med sig av sin kunskap till alla som gillar data lika mycket som han. Han försöker lära sig något nytt varje dag och älskar att guida blivande dataentusiaster på deras resa.

Ursprungliga. Skickas om med tillstånd.