Всеки би искал да има предвидливостта да избере и да се подготви за перфектната си професия, но животът не винаги е права линия и това е част от това, което го прави интригуващ. Освен това, в резултат на бързите темпове на технологичните иновации непрекъснато се създават нови индустрии и професии.
В професионална индустрия с висок растеж и търсене с атрактивни перспективи за работа, сега е добър момент да проверите дали науката за данните е най-добрата следваща стъпка за вас в кариерата ви.
Добрата новина е, че да си учен по данни не изисква предишна работа или образование. Можете да научите самостоятелно умения за наука за данни, като използвате различни подходи, които са ви достъпни.
Моля, позволете ми да опиша какво работи един учен по данни, преди да обсъдим способностите, от които ще се нуждаете, за да станете учен по данни без никакъв предишен опит.
Кой е специалист по данни?
Големи обеми данни се събират и почистват от специалисти по данни, които след това поддържат удобни за потребителя табла и бази данни, оценяват данни за решаване на проблеми и провеждат експерименти, разработват алгоритми и представят данни на заинтересованите страни във визуално привлекателни визуализации.
В днешния свят има множество предимства да преследваш кариера в „науката за данни“, включително висока заплата, относително стабилен и растящ пазар на труда, дори в разгара на световна рецесия, и интересни проблеми за решаване в различни индустрии.
Трудна ли е науката за данните?
Степента, до която науката за данните е трудна или не, до голяма степен се определя от вашия предишен опит и предпочитания за работа с числа и данни като цяло. Докато учените по данни не изискват същото ниво на опит в софтуерното инженерство или машинното обучение като инженерите по данни, те ще трябва да се научат да кодират, за да конструират прогнозни модели, което ще наложи да се научат да кодират.
Има висока крива на обучение в науката за данни, защото включва трудни проблеми и голямо количество данни, както и технически опит и познания по предмета. Съществуват обаче множество безплатни онлайн инструменти, които да ви помогнат да започнете като начален специалист по данни. Тъй като учените по данни винаги повишават уменията си и изучават нови технологии, трябва да сте отворени към идеята да продължите образованието си.
Имате ли нужда от диплома, за да станете учен по данни?
Не е задължително. Дори без магистърска или дори бакалавърска степен е възможно да научите наука за данните. Поради голямото търсене на специалисти по данни, работодателите са готови да приемат нетрадиционни кандидати въпреки факта, че повечето обяви за работа изискват магистърска или докторска степен. в областта, свързана с инженерството, като компютърни науки, математика или статистика. Вече не е необходимо да имате диплома за колеж, за да бъдете взети предвид за няколко големи компании, включително Google, Apple и IBM.
Възможно е да се самообучавате, като използвате видеоклипове и модули, ако нямате степен по наука за данни и желаете да влезете в областта. Предлагат се и онлайн курсове и програми за сертифициране.
Следващите шест стъпки ще ви преведат през процеса на проникване в науката за данни без предишен опит.
1: Усъвършенствайте математическите си умения
В случай, че идвате от количествен произход, науката за данни трябва да бъде очевиден избор за вас. Основите на анализа на данни трябва да бъдат усвоени, преди да се приложат високотехнологични инструменти към тях. Те включват начертаване на точки от данни върху графики по координатите X и Y, както и намиране на корелации и модели между различни променливи.
Ето някои препоръчителни аритметични принципи, които трябва да знаете, за да изградите ефективен код и да направите надеждни заключения:
● Теория на вероятностите и статистически методи
● Разпределения на вероятностите
● Смятане с множество променливи
● Линейната алгебра е дял от математиката, който се занимава с
● Проверка на хипотези
● Статистика за моделиране и напасване
● Описателни статистики и обобщения на данни
● Регресионен анализ
● Байесово моделиране и мислене
● Марковските вериги са вид алгоритъм, който се използва за
2: Научете един или два езика за програмиране
В сравнение с други области, науката за данни е по-малко свързана със статута на вашата алма институция и повече с това какво знаете и колко добре можете да демонстрирате съответните си таланти. Процесът на интервюиране, базиран на умения, има тенденция да изравнява условията за хора от различни среди.
След като усвоите аритметиката, можете да започнете да изучавате SQL, R, Python и SAS, които са основни езици за програмиране за амбициозни учени в областта на данните.
Тази статия ще ви даде общ преглед на способностите, от които ще се нуждаете като специалист по данни, както и върху кои езици да се съсредоточите.
● Python е скриптов език с библиотеки за манипулиране, филтриране и трансформиране на големи количества неструктурирани данни. Уеб разработката, разработката на софтуер, дълбокото обучение и машинното обучение са възможни с Python. Това е инструментът, който изследователите на данни използват най-много.
● R е език за програмиране, който може да се използва за извършване на сложни математически и статистически изчисления. Той също така предоставя възможности за визуализация на данни и голяма група за поддръжка, която да ви помогне да започнете.
● SQL е система за управление на релационни бази данни, която ви позволява да правите заявки и да обединявате данни от много таблици и бази данни.
● SAS е скъп инструмент за статистически анализ, бизнес разузнаване и прогнозен анализ, използван от големи организации, но не се препоръчва за физически лица поради разходите. Можете бързо да научите SAS по време на работа, ако знаете другите езици.
3: Поемете странични „проекти“ или стажове
Когато съставят автобиографията ви, работодателите ще търсят доказателства за професионален практически опит. Ще можете да използвате своя набор от умения в ситуации от реалния свят и да получавате обратна връзка в реално време, докато продължавате да изграждате основата си на знания.
Възможно е да намерите работа на непълно работно време или стажове в платформи за свободна практика като Upwork или Fiverr, както и в социални медии и уебсайтове за кариера. В Kaggle има и състезания с парични награди за грабване.
Уверете се, че се упражнявате да решавате проблеми с кодирането на LeetCode преди интервюто и че проучвате възможните въпроси за интервю за научни данни, преди да отидете на интервюто.
Покажете примери за проби от минали работи в Github, LinkedIn или личен уебсайт, за да развиете силно портфолио и онлайн присъствие.
Може да е трудно да придобиете компетентност без предишен опит, но като използвате онлайн мрежи и започнете с малко, можете да демонстрирате, че имате всичко необходимо, за да превърнете знанията за науката за данни в количествено измерими ползи за бизнеса.
4: Започнете като анализатор на данни
Учените по данни и анализаторите на данни не са едно и също нещо, въпреки факта, че и двамата стават все по-популярни.
● Анализаторите на данни отговарят за събирането на данни и идентифицирането на тенденциите в наборите от данни.
● Учените по данни не просто интерпретират данни; те също така използват умения за кодиране и математическо моделиране.
Когато става въпрос за работа на начално ниво, ролите на анализатори на данни могат да бъдат по-трудни за намиране и могат да послужат като добър трамплин за кариера в науката за данни.
Участниците в тренировъчния лагер за анализ на данни на Springboard, ръководен от ментори, ще научат за изграждането на структурирано мислене, оценката на бизнес предизвикателствата, интегрирането на данни с помощта на SQL, визуализирането на данни с Python и предаването на анализи на всеки, който иска да намокри краката си в анализа на данни.
5: Работете упорито и работете в мрежа по-усилено
Най-добрата стратегия е да научите повече за различни възможности за кариера и потенциално да се срещнете с възможни членове на екипа, като се запознаете с други специалисти по данни. Налична е и информация за това какви видове организации (размер, индустрия и култура) бихте искали да работите, както и информация за това какви проекти ви интересуват и как да се подготвите за процеса на кандидатстване за работа.
Въпреки че може да е по-лесно да влезете в по-малки организации без предишен опит, по-големите технологични компании с програми за начално ниво може да имат по-стабилна инфраструктура за обучение и менторство, вградена в техните операции.
Друг фантастичен вариант е да преминете от друга позиция във вашата организация към наука за данни. В повечето случаи, ако сте в добро състояние, можете да започнете да работите в мрежа във вашата организация и да изследвате потенциала за интервюиране с екип за наука за данни, при условие че отговаряте на техническите изисквания.
Докато организирате виртуални сесии за кафе и телефонни чатове, може да откриете, че взаимодействията предизвикват интереса ви към конкретни обяви за работа. Това ви позволява да поискате персонализирани препоръки от хора във вашата мрежа, които вече са запознати с вас. Според CareerBuilder 82 процента от фирмите вярват, че препоръките осигуряват най-добра възвръщаемост на инвестициите и много компании предлагат финансови стимули на работодатели, които активно търсят нови служители.
6: Обяснете своя преход в кариерата на потенциални работодатели
Като се има предвид разнообразието на науката за данни като дисциплина, съмнително е, че цялата предишна информация ще бъде напълно загубена. Учените по данни трябва да могат да свържат своите модели с конкретни бизнес резултати, за да бъдат ефективни. Въпреки това, въпреки че вашето CV и мотивационно писмо трябва да подчертават вашия опит в науката за данни, вие трябва също да включите информация за предишна работа, в която сте използвали Microsoft Excel или сте развили бизнес умения като комуникация и сътрудничество, както и други преносими умения.
Когато кандидатствате за „работи“ в областта на науката за данни без предишен опит, включете раздел с кратко резюме в автобиографията си, обясняващ вашата смяна, като използвате ключови думи и изброявате курсовете, които сте взели, техническите езици, които сте научили, и всяка проектна работа, която сте завършили за да оформите разширяващия се набор от умения за наука за данни във възможно най-добрата светлина.
Заключение
Тъй като науката за данните е непрекъснато разрастваща се тема, изключително важно е да сте в крак с най-новите разработки, за да останете актуални. Не е необходимо да се записвате в курс, за да учите тук. Това включва отделяне на време за научаване на най-новите иновации, както и на по-ефективни начини за правене на нещата. Тези учения ще имат мултиплициращ ефект върху вашия професионален напредък в резултат на вашето участие.
