Làm cách nào để chuyển đổi sang khoa học dữ liệu từ một nền tảng khác?

Được xuất bản lại bởi Plato

Người theo dõi: 0

Làm cách nào để chuyển sang Khoa học dữ liệu từ một nền tảng khác?
Trình tạo hình ảnh Bing

Nếu bạn không có nền tảng về khoa học máy tính, bạn sẽ biết khối lượng công việc để có được một công việc trong thế giới Khoa học dữ liệu là như thế nào. Cơ hội của Khoa học dữ liệu kêu gọi rất nhiều người nhưng với việc Khoa học dữ liệu còn quá mới đối với thế giới (mới hơn một thập kỷ trôi qua!), nên có rất ít người đủ điều kiện để trở thành nhà khoa học dữ liệu theo tiêu chuẩn của thế giới doanh nghiệp.

Ngành này mang đến sự phát triển và cơ hội và đó là một trong những lý do chính khiến ai đó muốn chuyển sang thế giới Khoa học dữ liệu mặc dù xuất thân từ một nền tảng rất khác.

Lưu ý: Tôi là một trong số ít người biết rằng Khoa học dữ liệu có thể phù hợp với ai đó, không phải từ nền tảng CS và tôi hy vọng bài viết này sẽ giúp bạn tìm thấy hướng dẫn cần thiết để thúc đẩy hành trình của mình.

Làm cách nào để chuyển sang Khoa học dữ liệu từ một nền tảng khác?

Trong bài viết này, chúng tôi sẽ giới thiệu cách bạn nên tiếp cận Khoa học dữ liệu như một quá trình chuyển đổi nghề nghiệp dựa trên ba phân đoạn khác nhau:

Đối với một người có chưa bao giờ chạm vào bất kỳ chủ đề nào liên quan chặt chẽ đến Khoa học dữ liệu trong trường đại học.
cho ai đó từ nền tảng không phải CS nhưng có một số môn học phù hợp liên quan đến Khoa học dữ liệu & ai muốn trở thành Nhà khoa học dữ liệu tại sao không?

Đối với một người đã từng làm trong ngành đã lâu nhưng nay muốn chuyển ngành đến thế giới hấp dẫn và khó khăn của Khoa học dữ liệu.

Lưu ý: Các quan điểm trong bài viết này là của riêng tôi, vui lòng có ý kiến hoặc cách tiếp cận của riêng bạn đối với quá trình chuyển đổi. Tôi chúc bạn những điều tốt đẹp nhất.

Hãy bắt tay ngay vào nó.

Giai đoạn I: Bạn không liên quan chặt chẽ đến Khoa học dữ liệu nhưng bạn muốn tham gia vào nó.

Chà, trong trường hợp này, tôi muốn nói rằng nỗ lực duy nhất mà bạn sẽ nỗ lực là tinh thần và nó cần rất nhiều kiên nhẫn. Không còn nghi ngờ gì nữa, Khoa học dữ liệu là một chủ đề rất kỹ thuật và liên quan đến rất nhiều con số.

PS Trước tiên, hãy thử kiểm tra điều này để xác định đâu là con đường cần đi để trở nên nổi tiếng trong Khoa học dữ liệu. Sau đó, bạn có thể tiếp tục và hiểu những điều bạn cần lưu ý để tăng tốc hành trình của mình!

Bắt đầu ở đây:

Làm cách nào để chuyển sang Khoa học dữ liệu từ một nền tảng khác?

Những điều cần lưu ý trong trường hợp này:

Khoa học dữ liệu cũng giống như bất kỳ môn học nào khác, bạn luôn có thể bắt đầu học nó bất cứ khi nào bạn có thời gian.
Luôn luôn là đủ sớm, không bao giờ là quá muộn để bắt đầu.
Khoa học dữ liệu là sự kết hợp của khoa học máy tính, thống kê, toán cấp đại học, nhiều tư duy logic và ngôn ngữ lập trình với các công cụ khác mà bạn có thể sử dụng.
Hãy vạch ra kỹ năng của bạn trong từng lĩnh vực (hoặc đặc biệt là lĩnh vực bạn muốn trở nên chuyên nghiệp) và tiếp tục tìm hiểu thêm về từng lĩnh vực.
Nếu bạn muốn tham gia phân tích, hãy nâng cao kiến thức thống kê và cả việc làm sạch dữ liệu, v.v. (tìm hiểu Excel càng nhiều càng tốt, đó là một điều may mắn cho việc phân tích trong các tập dữ liệu nhỏ và là công cụ tốt nhất để bắt đầu)
Đối với Data Viz, hãy thử học Tableau, PowerBI, v.v. nhưng đồng thời, hiểu cách thức hoạt động của trực quan hóa và cách bạn có thể tạo ra các hình ảnh và bảng điều khiển tốt hơn.
Chủ yếu trong 2 tháng đầu học tập của bạn, hãy tập trung vào việc học những thứ này theo cùng một thứ tự — Excel, SQL, Tableau và nếu thời gian cho phép, hãy học những kiến thức cơ bản về Python.

Làm cách nào để chuyển sang Khoa học dữ liệu từ một nền tảng khác?

Với điều này, bạn có thể chuyển sang giai đoạn II và tiếp tục học hỏi từ đó.

Lưu ý: Sẽ mất thời gian nếu bạn chưa quen với Khoa học dữ liệu, vì vậy bạn chỉ cần kiên nhẫn và tin tưởng vào quy trình. Nó sẽ làm việc bên ngoài!

Giai đoạn II: Bạn đã liên quan đến một số chủ đề trong Khoa học dữ liệu nhưng bạn chưa hoàn toàn hiểu về nó.

Đây là một giai đoạn tương tự như giai đoạn của tôi và tôi có thể nói với bạn rằng, để nghiên cứu Khoa học dữ liệu cần rất nhiều nỗ lực. Nó phụ thuộc vào rất nhiều yếu tố như cuối cùng bạn sẽ thấy, nhưng không khó lắm với cách thế giới đang mở ra những cánh cửa cho việc học nguồn mở và cung cấp kiến thức cho bất kỳ ai mong muốn nó (ngay cả khi họ đến từ một quốc gia không phải CS). lý lịch).

Những điều cần lưu ý trong trường hợp này:

Khoa học dữ liệu là một lĩnh vực khó nếu bạn cố gắng xem xét nó một cách tổng thể. Chỉ cần bắt đầu xem mọi thành phần mà bạn muốn tập trung vào như những mảnh ghép của câu đố lớn, và bạn sẽ ổn thôi.
Nếu bạn muốn tập trung vào khía cạnh Data Viz của Khoa học dữ liệu, hãy tập trung vào việc tìm hiểu cách thức hoạt động của bảng thông tin và kết nối dữ liệu cũng như tìm hiểu cách kể chuyện dữ liệu.
Đối với những người muốn tham gia Học máy, hãy thử tìm hiểu cách làm việc với Python hoặc R, nếu bạn sử dụng Python — tìm hiểu các thư viện như NumPy, Pandas, Scikit Learn, SciPy, Matplotlib và Seaborn.
Hiểu khái niệm lý thuyết đằng sau ML để hiểu rõ hơn về các thuật toán của bạn. Việc này sẽ mất thời gian nhưng việc hiểu quy trình quan trọng hơn việc viết mã một thuật toán ML cao cấp.
Nếu bạn muốn đẩy mạnh khía cạnh phân tích của mình — hãy tìm hiểu Thống kê suy luận và hiểu cách dữ liệu có thể được sử dụng để tạo ra các giải pháp dựa trên dữ liệu. Tìm hiểu cách làm việc với dữ liệu phi cấu trúc và xóa càng nhiều bộ dữ liệu càng tốt.
Vượt ra ngoài các lệnh CRUD thông thường trong SQL để hiểu hoàn hảo cách THAM GIA hoạt động và cách làm việc với MySQL/PostgreSQL. Nếu bạn muốn đẩy nó bằng Excel, hãy tìm hiểu cách sử dụng Data Analysis Toolpak và cách tạo Macro.
Hiểu cách dữ liệu chuỗi thời gian hoạt động và biết cách lấy dữ liệu từ các nguồn cũng như đưa ra dự báo chuỗi thời gian để thúc đẩy việc học của bạn.

Làm cách nào để chuyển sang Khoa học dữ liệu từ một nền tảng khác?

Thông thường, bạn sẽ là một trong những người sẽ học được rất nhiều công cụ và hiểu rõ mọi thứ ở trình độ trung cấp.

Tôi thực sự khuyên bạn nên tìm thị trường ngách của mình và tiến lên trong đó. Với lượng kiến thức và sự cạnh tranh ngoài kia trong thế giới khoa học dữ liệu, hãy thử tìm vị trí thích hợp của bạn và đảm bảo rằng bạn sẽ ghi dấu ấn trong cuộc cạnh tranh bằng các kỹ năng độc đáo của mình.

Giai đoạn III: Bạn đã là chuyên gia trong một ngành nhưng bạn muốn bắt đầu với Khoa học dữ liệu ngay bây giờ!

Có những người tôi biết đã từng ở những vị trí tuyệt vời trong cuộc đời họ trước khi quyết định rằng họ muốn trở thành một phần của Khoa học dữ liệu. Việc muốn thay đổi nghề nghiệp sau một thời gian dài làm việc trong một ngành cụ thể là điều tự nhiên và có một số điều tôi đã tham khảo từ những người tôi biết, những người đã từng ở vị trí tương tự và có thể giúp bạn trong trường hợp này.

Những điều cần lưu ý trong trường hợp này:

Khi bạn là chuyên gia trong một ngành cụ thể, có thể là do sự thay đổi trong lựa chọn cuộc sống hoặc nhu cầu nâng cao kỹ năng, điều đó đưa bạn đến với Khoa học dữ liệu
Trong mọi trường hợp, các vai trò quản lý trong Khoa học dữ liệu sẽ vui hơn nếu có một người có mối quan hệ mật thiết với công ty trong ngành
Nâng cao kỹ năng về Khoa học dữ liệu với kiến thức hiện có của bạn trong một ngành có thể là một trong những điều tốt nhất có thể xảy ra với quá trình chuyển đổi nghề nghiệp của bạn. Khoa học dữ liệu, trong khi chơi trên Khoa học máy tính cũng như các công cụ và kỹ thuật, phụ thuộc rất nhiều vào kiến thức miền.
Với đủ kiến thức về miền, bạn có thể trở thành nhà khoa học dữ liệu trong lĩnh vực của mình bằng cách khai thác sức mạnh của dữ liệu để đạt được nhiều hơn những gì đã được thực hiện
Các chỉ số và KPI dành riêng cho ngành có thể được phát triển và tự động hóa thêm với Khoa học dữ liệu, đồng thời cũng có thể mở ra những cánh cửa mới cho bạn.
Với kiến thức bổ sung về các công cụ khoa học dữ liệu trong kho vũ khí của mình, bạn có thể trở thành người đào tạo trong lĩnh vực của mình và trợ giúp các nhà khoa học dữ liệu mới bắt đầu. Các khả năng là không giới hạn.
Các công cụ và kỹ năng để học trong giai đoạn này giống như những gì đã được thực hiện trong Giai đoạn I và Giai đoạn II đã đề cập trước đó trong bài viết này.

Trong mọi trường hợp, tốt nhất bạn nên học khoa học dữ liệu và gắn bó với lĩnh vực nghề nghiệp của mình vì cách thế giới đang chuyển đổi sang khoa học dữ liệu ngày nay. Mọi thứ bạn làm, có thể và có liên quan đến dữ liệu, đồng thời sử dụng dữ liệu đó trong quá trình ra quyết định của mình, sẽ chỉ giúp các quyết định của bạn tốt hơn rất nhiều.

Thật khó để chuyển sang thế giới khoa học dữ liệu không phải vì khó kiếm việc làm mà vì có quá nhiều người đang tranh giành nó. Mọi người đều nhìn thấy các cơ hội và mọi người biết rằng -Dữ liệu là tương lai- và Khoa học dữ liệu cũng vậy.

Đối với bất kỳ ai đã có kỹ năng ngay lập tức về Khoa học dữ liệu, hãy theo dõi, tôi sẽ có một phần khác cho bài viết này, nơi chúng ta thảo luận về cách bạn có thể chuyển từ chuyên gia sang chuyên gia về Khoa học dữ liệu.

Yash Gupta là Nhà phân tích kinh doanh & đam mê khoa học dữ liệu, Nhà văn kỹ thuật tự do và là Blogger tại Medium.com. Anh ấy quan tâm đến việc chia sẻ kiến thức khoa học dữ liệu với nhiều đối tượng hơn theo cách dễ tiếp thu. Anh ấy mong muốn chia sẻ kiến thức của mình với tất cả những người yêu thích dữ liệu nhiều như anh ấy. Anh ấy cố gắng học điều gì đó mới mỗi ngày và thích hướng dẫn những người đam mê dữ liệu mới chớm nở trên hành trình của họ.

Nguyên. Đăng lại với sự cho phép.