ผู้สร้างรูปภาพ Bing
หากคุณไม่ได้มีความรู้พื้นฐานด้านวิทยาการคอมพิวเตอร์มาก่อน คุณจะทราบดีว่าต้องทำงานมากขนาดไหนจึงจะแตกงานในโลกของวิทยาศาสตร์ข้อมูลได้ โอกาสของ Data Science นั้นต้องการคนจำนวนมาก แต่ด้วย Data Science ที่ยังใหม่สำหรับโลก (ผ่านไปไม่ถึงทศวรรษ!) มีคนน้อยมากที่มีคุณสมบัติเหมาะสมที่จะเป็น data science ตามบรรทัดฐานของ โลกขององค์กร
อุตสาหกรรมนี้ต้องการการเติบโตและโอกาส และนั่นเป็นหนึ่งในเหตุผลสำคัญที่ทำให้บางคนต้องการเปลี่ยนเข้าสู่โลกของ Data Science แม้ว่าจะมาจากภูมิหลังที่แตกต่างกันมากก็ตาม
หมายเหตุ ฉันเป็นหนึ่งในไม่กี่คนที่รู้ว่าวิทยาศาสตร์ข้อมูลสามารถทำงานให้กับใครบางคนได้ ไม่ใช่จากพื้นฐานด้าน CS และฉันหวังว่าบทความนี้จะช่วยให้คุณพบคำแนะนำที่จำเป็นในการยกระดับการเดินทางของคุณ
ในบทความนี้ เราจะอธิบายว่าคุณควรใช้ Data Science อย่างไรในการเปลี่ยนอาชีพโดยพิจารณาจากสามกลุ่มที่แตกต่างกัน:
- สำหรับคนที่มี ไม่เคยแตะต้องเรื่องที่เกี่ยวข้องกับ Data Science เลย ในวิทยาลัย
- สำหรับใครบางคนจาก ภูมิหลังที่ไม่ใช่ CS แต่มีวิชาที่เกี่ยวข้องสองสามวิชาที่เกี่ยวข้องกับ Data Science & ใครอยากเป็นนักวิทยาศาสตร์ข้อมูลทำไมไม่?
สำหรับคนที่เคยเป็น ทำงานในวงการมานานแต่ตอนนี้อยากเปลี่ยน สู่โลกแห่ง Data Science อันน่าทึ่งและน่ากลัว
หมายเหตุ ความคิดเห็นในบทความนี้เป็นของฉันคนเดียว อย่าลังเลที่จะมีความคิดเห็นหรือแนวทางของคุณเองต่อการเปลี่ยนแปลง ฉันขอให้คุณดีที่สุด
มาดูกันเลย
Stage I: คุณไม่ได้เกี่ยวข้องกับ Data Science อย่างใกล้ชิด แต่คุณต้องการเข้าร่วม
ในกรณีนี้ ฉันจะบอกว่าความพยายามเพียงอย่างเดียวที่คุณต้องใช้คือจิตใจและต้องใช้ความอดทนอย่างมาก ไม่ต้องสงสัยเลยว่า Data Science เป็นวิชาเชิงเทคนิคและเกี่ยวข้องกับตัวเลขจำนวนมาก
PS ลองตรวจสอบข้อมูลนี้ก่อน เพื่อระบุว่าเส้นทางใดที่ต้องปฏิบัติตามเพื่อให้มีขนาดใหญ่ใน Data Science จากนั้นคุณสามารถดำเนินการต่อและทำความเข้าใจสิ่งที่คุณต้องทราบเพื่อเร่งการเดินทางของคุณ!
สิ่งที่ควรทราบในกรณีนี้:
- Data Science ก็เหมือนกับวิชาอื่นๆ คุณสามารถเริ่มเรียนรู้ได้ทุกเมื่อที่คุณมีเวลา
- มันเร็วพอเสมอ ไม่มีคำว่าสายเกินไปที่จะเริ่มต้น
- วิทยาศาสตร์ข้อมูลเป็นการผสมผสานระหว่างวิทยาการคอมพิวเตอร์ สถิติ คณิตศาสตร์ระดับวิทยาลัย การคิดเชิงตรรกะมากมาย และภาษาโปรแกรมด้วยเครื่องมืออื่นๆ ที่คุณสามารถใช้ได้
- จัดทำแผนภูมิทักษะของคุณในแต่ละโดเมน (หรือโดยเฉพาะอย่างยิ่งโดเมนที่คุณต้องการเป็นมืออาชีพ) และเรียนรู้เพิ่มเติมเกี่ยวกับแต่ละโดเมน
- หากคุณต้องการทำการวิเคราะห์ ให้เพิ่มพูนความรู้ด้านสถิติและการล้างข้อมูล ฯลฯ (เรียนรู้ Excel ให้มากที่สุด เป็นประโยชน์สำหรับการวิเคราะห์ในชุดข้อมูลขนาดเล็กและเป็นเครื่องมือที่ดีที่สุดในการเริ่มต้น)
- สำหรับ Data Viz ให้ลองเรียนรู้ Tableau, PowerBI และอื่นๆ แต่ในขณะเดียวกัน ให้ทำความเข้าใจว่าการแสดงภาพทำงานอย่างไร และวิธีการสร้างภาพและแดชบอร์ดที่ดีขึ้น
- โดยหลักแล้วในช่วง 2 เดือนแรกของการเรียนรู้ของคุณ ให้เน้นการเรียนรู้เหล่านี้ตามลำดับเดียวกัน — Excel, SQL, Tableau และหากมีเวลา ให้ใช้ Python เบื้องต้น
ด้วยสิ่งนี้ คุณสามารถเข้าสู่ด่าน II และเรียนรู้ต่อจากตรงนั้นได้
หมายเหตุ: อาจต้องใช้เวลาหากคุณยังใหม่กับ Data Science ดังนั้นคุณต้องอดทนและเชื่อมั่นในกระบวนการนี้ มันจะได้ผล!
ขั้นที่ XNUMX: คุณมีความเกี่ยวข้องกับบางวิชาใน Data Science แต่คุณไม่ได้เข้าร่วมทั้งหมด
นี่เป็นขั้นตอนที่คล้ายกับของฉันและฉันสามารถบอกคุณได้ว่าการศึกษา Data Science นั้นต้องใช้ความพยายามพอสมควร มันขึ้นอยู่กับปัจจัยหลายอย่างที่คุณจะเห็นในที่สุด แต่ก็ไม่ได้ยากนักกับวิธีที่โลกเปิดประตูสำหรับการเรียนรู้แบบโอเพ่นซอร์สและมอบความรู้ให้กับทุกคนที่ต้องการ (แม้ว่าพวกเขาจะมาจากที่ไม่ใช่ CS พื้นหลัง).
สิ่งที่ควรทราบในกรณีนี้:
- วิทยาศาสตร์ข้อมูลเป็นสาขาที่ยากหากคุณพยายามมองโดยรวม แค่เริ่มเห็นทุกองค์ประกอบที่คุณต้องการโฟกัสเป็นชิ้นส่วนของจิ๊กซอว์ชิ้นใหญ่ แล้วคุณก็จะสบายดี
- หากคุณต้องการอาศัยด้าน Data Viz ของ Data Science ให้เน้นไปที่การทำความเข้าใจว่าแดชบอร์ดและการเชื่อมต่อข้อมูลทำงานอย่างไร และเรียนรู้การเล่าเรื่องข้อมูล
- สำหรับคนที่ต้องการเข้าสู่การเรียนรู้ของเครื่อง ลองทำความเข้าใจวิธีการทำงานกับ Python หรือ R ถ้าคุณใช้ Python — เรียนรู้ไลบรารี เช่น NumPy, Pandas, Scikit Learn, SciPy, Matplotlib และ Seaborn
- ทำความเข้าใจแนวคิดเชิงทฤษฎีที่อยู่เบื้องหลัง ML เพื่อให้เข้าใจถึงอัลกอริทึมของคุณมากขึ้น ควรใช้เวลา แต่การทำความเข้าใจกระบวนการมีความสำคัญมากกว่าการเข้ารหัสอัลกอริทึม ML ระดับสูง
- หากคุณต้องการผลักดันด้านการวิเคราะห์ของคุณ — เรียนรู้สถิติเชิงอนุมาน และทำความเข้าใจว่าข้อมูลสามารถนำมาใช้เพื่อสร้างโซลูชันที่ขับเคลื่อนด้วยข้อมูลได้อย่างไร เรียนรู้วิธีทำงานกับข้อมูลที่ไม่มีโครงสร้างและล้างชุดข้อมูลให้ได้มากที่สุด
- ก้าวไปไกลกว่าคำสั่ง CRUD ทั่วไปใน SQL เพื่อทำความเข้าใจอย่างถ่องแท้ถึงวิธีการทำงานของ JOINS และวิธีทำงานกับ MySQL/PostgreSQL หากคุณต้องการผลักดันด้วย Excel เรียนรู้วิธีใช้ Data Analysis Toolpak และวิธีสร้างมาโคร
- ทำความเข้าใจว่าข้อมูลอนุกรมเวลาทำงานอย่างไร และรู้วิธีดึงข้อมูลจากแหล่งที่มาและคาดการณ์อนุกรมเวลาเพื่อผลักดันการเรียนรู้ของคุณ
บ่อยกว่านั้นคุณจะเป็นหนึ่งในมวลชนที่จะเรียนรู้เครื่องมือมากมายและเข้าใจทุกอย่างในระดับกลาง
ฉันขอแนะนำให้คุณค้นหาเฉพาะของคุณและไปขั้นสูงในนั้น ด้วยจำนวนความรู้และการแข่งขันที่มีอยู่มากมายในโลกของวิทยาศาสตร์ข้อมูล ลองค้นหาเฉพาะกลุ่มของคุณและตรวจสอบให้แน่ใจว่าคุณได้คะแนนในการแข่งขันด้วยทักษะเฉพาะของคุณ
Stage III: คุณเป็นมืออาชีพในอุตสาหกรรมนี้แล้ว แต่คุณต้องการเริ่มต้นใน Data Science ทันที!
มีคนที่ฉันรู้จักซึ่งเคยอยู่ในตำแหน่งที่น่าทึ่งในชีวิตก่อนที่จะตัดสินใจว่าพวกเขาต้องการเป็นส่วนหนึ่งของ Data Science เป็นเรื่องปกติที่อยากจะเปลี่ยนอาชีพหลังจากทำงานในอุตสาหกรรมนั้นมาเป็นเวลานาน และมีบางสิ่งที่ฉันได้มาจากคนที่ฉันรู้จักซึ่งเคยอยู่ในตำแหน่งที่คล้ายคลึงกันและสามารถช่วยคุณในกรณีนี้ได้
สิ่งที่ควรทราบในกรณีนี้:
- เมื่อคุณเป็นมืออาชีพในอุตสาหกรรมใดอุตสาหกรรมหนึ่งแล้ว อาจเป็นเพราะทางเลือกในชีวิตที่เปลี่ยนไปหรือความต้องการในการเพิ่มทักษะ ซึ่งนำคุณไปสู่วิทยาศาสตร์ข้อมูล
- ไม่ว่าในกรณีใด บทบาทการจัดการใน Data Science จะมีความสุขมากกว่าหากมีคนที่มีส่วนร่วมในองค์กรจำนวนมากในอุตสาหกรรมนี้
- การยกระดับทักษะด้านวิทยาศาสตร์ข้อมูลด้วยความรู้ที่มีอยู่ในอุตสาหกรรมอาจเป็นหนึ่งในสิ่งที่ดีที่สุดที่สามารถเกิดขึ้นได้กับการเปลี่ยนอาชีพของคุณ วิทยาศาสตร์ข้อมูลในขณะที่เล่นในวิทยาการคอมพิวเตอร์และเครื่องมือและเทคนิคต่างๆ ต้องอาศัยความรู้ด้านโดเมนอย่างมาก
- ด้วยความรู้ด้านโดเมนที่เพียงพอ คุณสามารถเป็นนักวิทยาศาสตร์ข้อมูลในสายงานของคุณได้โดยควบคุมพลังของข้อมูลให้มากกว่าที่กำลังทำอยู่
- KPI และเมตริกเฉพาะอุตสาหกรรมสามารถพัฒนาเพิ่มเติมและทำให้เป็นอัตโนมัติด้วย Data Science และสามารถเปิดประตูใหม่ให้คุณได้เช่นกัน
- ด้วยความรู้เพิ่มเติมเกี่ยวกับเครื่องมือวิทยาศาสตร์ข้อมูลในคลังแสงของคุณ คุณสามารถเป็นผู้ฝึกสอนในสาขาของคุณและช่วยนักวิทยาศาสตร์ข้อมูลรุ่นใหม่ได้ ความเป็นไปได้ไม่จำกัด
- เครื่องมือและทักษะที่ต้องเรียนรู้ในขั้นนี้จะเหมือนกับที่ทำในขั้นที่ XNUMX และขั้นที่ XNUMX ที่กล่าวถึงก่อนหน้านี้ในบทความนี้
ไม่ว่าในกรณีใด จะเป็นการดีที่สุดที่จะเรียนรู้วิทยาการข้อมูลและยึดตามสาขาอาชีพของคุณ เนื่องจากวิธีที่โลกกำลังเปลี่ยนไปสู่วิทยาการข้อมูลในทุกวันนี้ ทุกสิ่งที่คุณทำ ทำได้ และมีข้อมูลที่เกี่ยวข้อง และการใช้ข้อมูลนั้นในการตัดสินใจ จะทำให้การตัดสินใจของคุณดีขึ้นมากเท่านั้น
การเปลี่ยนเข้าสู่โลกของวิทยาศาสตร์ข้อมูลเป็นเรื่องยาก ไม่ใช่เพราะหางานยาก แต่เพราะมีคนมากมายแย่งชิงกัน ทุกคนมองเห็นโอกาสและผู้คนรู้ว่า -ข้อมูลคืออนาคต- และวิทยาศาสตร์ข้อมูลก็เช่นกัน
สำหรับใครก็ตามที่เชี่ยวชาญด้าน Data Science อยู่แล้ว โปรดอดใจรอ เราจะมีอีกตอนสำหรับบทความนี้ที่เราจะพูดถึงวิธีเปลี่ยนจากมือโปรเป็นผู้เชี่ยวชาญใน Data Science
ยาช คุปตะ เป็นผู้ที่ชื่นชอบวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ธุรกิจ นักเขียนด้านเทคนิคอิสระ และบล็อกเกอร์ที่ Medium.com เขาสนใจที่จะแบ่งปันความรู้ด้านวิทยาศาสตร์ข้อมูลกับผู้ชมจำนวนมากขึ้นด้วยวิธีที่ง่ายต่อการบริโภค เขาปรารถนาที่จะแบ่งปันความรู้ของเขากับทุกคนที่ชื่นชอบข้อมูลมากเท่ากับที่เขามี เขาพยายามเรียนรู้สิ่งใหม่ๆ ทุกวัน และชอบที่จะชี้นำผู้ที่ชื่นชอบข้อมูลรุ่นใหม่ในการเดินทางของพวกเขา
Original. โพสต์ใหม่โดยได้รับอนุญาต
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตไอสตรีม. ข้อมูลอัจฉริยะ Web3 ขยายความรู้ เข้าถึงได้ที่นี่.
- การสร้างอนาคตโดย Adryenn Ashley เข้าถึงได้ที่นี่.
- ซื้อและขายหุ้นในบริษัท PRE-IPO ด้วย PREIPO® เข้าถึงได้ที่นี่.
- ที่มา: 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
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- 13
- 7
- a
- เกี่ยวกับเรา
- เร่งความเร็ว
- เพิ่มเติม
- สูง
- หลังจาก
- ก่อน
- ขั้นตอนวิธี
- อัลกอริทึม
- คนเดียว
- แล้ว
- ด้วย
- เสมอ
- am
- น่าอัศจรรย์
- จำนวน
- an
- การวิเคราะห์
- นักวิเคราะห์
- การวิเคราะห์
- และ
- อื่น
- ใด
- ทุกคน
- เข้าใกล้
- วิธีการ
- เป็น
- คลังแสง
- บทความ
- AS
- At
- ผู้ฟัง
- อัตโนมัติ
- พื้นหลัง
- ตาม
- ข้อมูลพื้นฐานเกี่ยวกับ
- BE
- เพราะ
- กลายเป็น
- รับ
- ก่อน
- เริ่ม
- หลัง
- กำลัง
- ที่ดีที่สุด
- ดีกว่า
- เกิน
- ใหญ่
- ให้ศีลให้พร
- เพิ่ม
- นำ
- รุ่น
- ธุรกิจ
- แต่
- by
- โทรศัพท์
- CAN
- ความก้าวหน้า
- กรณี
- เปลี่ยนแปลง
- การตรวจสอบ
- ทางเลือก
- การทำความสะอาด
- อย่างใกล้ชิด
- การเข้ารหัส
- วิทยาลัย
- COM
- การผสมผสาน
- อย่างไร
- มา
- การแข่งขัน
- ส่วนประกอบ
- คอมพิวเตอร์
- แนวคิด
- การเชื่อมต่อ
- ต่อ
- ไทม์ไลน์การ
- คู่
- ร้าว
- cs
- ข้อมูล
- การวิเคราะห์ข้อมูล
- วิทยาศาสตร์ข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ที่ขับเคลื่อนด้วยข้อมูล
- ชุดข้อมูล
- ทศวรรษ
- กำลังตัดสินใจ
- การตัดสินใจ
- การตัดสินใจ
- ความต้องการ
- ขึ้นอยู่กับ
- พัฒนา
- ต่าง
- ยาก
- สนทนา
- do
- ทำ
- โดเมน
- โดเมน
- ทำ
- ประตู
- สงสัย
- แต่ละ
- ก่อน
- ก่อน
- ความพยายาม
- พอ
- คนที่กระตือรือร้น
- ผู้ที่ชื่นชอบ
- อย่างสิ้นเชิง
- ฯลฯ
- อีเธอร์ (ETH)
- แม้
- ในที่สุด
- ทุกๆ
- ทุกวัน
- ทุกคน
- ทุกอย่าง
- Excel
- ที่มีอยู่
- ชำนาญ
- การเปิดรับ
- ปัจจัย
- ที่น่าสนใจ
- รู้สึก
- สองสาม
- สนาม
- หา
- หา
- ปลาย
- ชื่อจริง
- โฟกัส
- ปฏิบัติตาม
- สำหรับ
- การคาดการณ์
- ฟรี
- อาชีพอิสระ
- ราคาเริ่มต้นที่
- ต่อไป
- ได้รับ
- Go
- การเจริญเติบโต
- คำแนะนำ
- แขวน
- เกิดขึ้น
- การควบคุม
- มี
- he
- หนัก
- หนัก
- ช่วย
- จะช่วยให้
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- อย่างสูง
- ของเขา
- ความหวัง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTTPS
- i
- ฉันเป็น
- แยกแยะ
- if
- ii
- ภาพ
- ทันที
- สำคัญ
- in
- อุตสาหกรรม
- สนใจ
- Intermediate
- เข้าไป
- ร่วมมือ
- IT
- ITS
- การสัมภาษณ์
- ร่วม
- การเดินทาง
- เพียงแค่
- KD นักเก็ต
- ทราบ
- ความรู้
- ภาษา
- ที่มีขนาดใหญ่
- ปลาย
- เรียนรู้
- การเรียนรู้
- ชั้น
- ห้องสมุด
- ชีวิต
- กดไลก์
- ตรรกะ
- นาน
- เวลานาน
- ดู
- Lot
- เครื่อง
- เรียนรู้เครื่อง
- แมโคร
- ทำ
- การจัดการ
- หลาย
- หลายคน
- เครื่องหมาย
- ฝูง
- คณิตศาสตร์
- matplotlib
- กลาง
- จิต
- กล่าวถึง
- ตัวชี้วัด
- อาจ
- ML
- เดือน
- ข้อมูลเพิ่มเติม
- ย้าย
- มาก
- โดยธรรมชาติ
- จำเป็นต้อง
- ความต้องการ
- ไม่เคย
- ใหม่
- ไม่
- ปกติ
- ตอนนี้
- ตัวเลข
- มึน
- of
- การเสนอ
- มักจะ
- on
- ONE
- เพียง
- เปิด
- โอเพนซอร์ส
- การเปิด
- ความคิดเห็น
- โอกาส
- โอกาส
- or
- ใบสั่ง
- อินทรีย์
- อื่นๆ
- ออก
- เกิน
- ของตนเอง
- หมีแพนด้า
- ส่วนหนึ่ง
- ในสิ่งที่สนใจ
- โดยเฉพาะ
- ความอดทน
- ผู้ป่วย
- คน
- การอนุญาต
- ชิ้น
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- ตำแหน่ง
- ตำแหน่ง
- ความเป็นไปได้
- เป็นไปได้
- อำนาจ
- สำคัญ
- มือโปร
- กระบวนการ
- อาชีพ
- มืออาชีพ
- การเขียนโปรแกรม
- การเขียนโปรแกรมภาษา
- ผลัก
- ปริศนา
- หลาม
- มีคุณสมบัติ
- เหตุผล
- แนะนำ
- ที่เกี่ยวข้อง
- ตรงประเด็น
- ถนน
- บทบาท
- s
- เดียวกัน
- กล่าว
- วิทยาศาสตร์
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- นักวิทยาศาสตร์
- ทะเลบอร์น
- เห็น
- เห็น
- เห็น
- กลุ่ม
- ความรู้สึก
- ชุด
- Share
- ใช้งานร่วมกัน
- น่า
- ด้าน
- คล้ายคลึงกัน
- ความสามารถ
- มีฝีมือ
- ทักษะ
- เล็ก
- So
- โซลูชัน
- บาง
- บางคน
- บางสิ่งบางอย่าง
- ที่มา
- แหล่งที่มา
- SQL
- ระยะ
- เริ่มต้น
- สถิติ
- เข้าพัก
- ติด
- การเล่านิยาย
- ศึกษา
- หรือ
- สวิตซ์
- ฉาก
- เอา
- ใช้เวลา
- วิชาการ
- เทคนิค
- บอก
- กว่า
- ที่
- พื้นที่
- โลก
- ของพวกเขา
- แล้วก็
- ตามทฤษฎี
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- สิ่ง
- คิด
- นี้
- แต่?
- สาม
- เวลา
- อนุกรมเวลา
- ไปยัง
- ในวันนี้
- เกินไป
- เครื่องมือ
- เครื่องมือ
- สัมผัส
- ไปทาง
- การเปลี่ยนแปลง
- เปลี่ยน
- วางใจ
- เข้าใจ
- ความเข้าใจ
- เป็นเอกลักษณ์
- ไม่ จำกัด
- ใช้
- มือสอง
- การใช้
- มาก
- ยอดวิว
- ภาพ
- ต้องการ
- ต้องการ
- คือ
- ทาง..
- we
- webp
- อะไร
- ความหมายของ
- เมื่อไรก็ตาม
- ในขณะที่
- WHO
- ทั้งหมด
- ทำไม
- จะ
- ความปรารถนา
- ขออวยพรให้
- กับ
- งาน
- ออกไปทำงาน
- การทำงาน
- โรงงาน
- โลก
- จะ
- นักเขียน
- เธอ
- ของคุณ
- ลมทะเล