Career Spotlight: Co to jest nauka o danych?

Dzisiaj „duże dane”, „analizy” i tym podobne są modnymi hasłami. I nie bez powodu.

W 2012 r. HBR nazwał „data scientist” jako „najseksowniejszą pracę stulecia”. Ale co naprawdę oznacza nauka o danych? A co ważniejsze, w jaki sposób zdobyć umiejętności potrzebne do nazywania siebie naukowcem danych?

Co to jest nauka o danych?

Dawno, dawno temu naukowcy zajmujący się danymi byli głównie w przestrzeni akademickiej. Teraz, wraz ze wzrostem gromadzenia dużych danych i potrzebą analizy, naukowcy zajmujący się danymi stali się bardzo poszukiwani w wielu firmach i branżach, małych i dużych.

Nauka o danych jako zawód obejmuje szereg umiejętności w zakresie matematyki, statystyki i programowania komputerowego. Jest to przemysł zdominowany przez mężczyzn, szacunki kobiet w naukach o danych wynoszą około 10%.

Według Glassdoora średnia krajowa pensja naukowców zajmujących się danymi wynosi 113 436 USD. Patrząc tylko na rekompensatę, nauka o danych jest o wiele bardziej atrakcyjna niż inne podobne kariery.

Umiejętności potrzebne do bycia naukowcem danych

Podobnie jak wszystkie prace, specyficzne umiejętności wymagane do wypełnienia stanowisk związanych z nauką danych zależą od indywidualnej firmy.

Istnieją jednak pewne zestawy umiejętności / narzędzia programowe, które pozostają spójne.

• Statystyczne języki programowania, takie jak R i SAS
• Język zapytań do bazy danych, taki jak SQL
• Podstawowe statystyki, takie jak testy statystyczne, rozkłady, estymatory największej wiarygodności i tak dalej
• Metody uczenia maszynowego, takie jak sąsiadów k-Nearest, lasy losowe, metody zespołowe itp.
• Rachunek wielowymiarowy i algebra liniowa
• Rejestrowanie danych i opracowywanie nowych produktów opartych na danych
• Znajomość platformowania Hadoop
• Narzędzia do wizualizacji, takie jak Flare, HighCharts lub AmCharts

Jak zostać naukowcem danych

Obecnie istnieją trzy realne opcje zostania naukowcem danych:

• Samokształcenie poprzez programy takie jak Udacity
• Uczestnictwo w obozie do nauki danych
• Ukończenie szkoły na stopień magistra

Oczywiście każda metoda ma zalety i wady.

Samokształcenie

Plusy:

• Wygoda: można to zrobić we własnym czasie w dowolnym środowisku iw dowolnym tempie
• Przystępna cena: może kosztować od 0 do 600 USD.
• Oszczędność czasu: kursy online można ukończyć w ciągu 8-18 miesięcy.

Cons:

• Certyfikat otrzymasz dopiero po zakończeniu
• Brak zaangażowania peer-to-peer lub nauczyciel-uczeń
• Brak pomocy w poszukiwaniu pracy

Data Camp Boot Camp

Plusy:

• Niewielkie zaangażowanie czasowe: może zostać zrealizowane w ciągu 6 tygodni do 3 miesięcy
• Stosunkowo przystępne cenowo, przynajmniej w porównaniu z uzyskaniem tytułu magistra (obozy szkoleniowe wahają się od bezpłatnych - 16 000 USD)
• Idealny dla osób, które chcą szybko zmienić karierę
• Wiele obozów startowych oferuje pomoc w procesie poszukiwania pracy po zakończeniu

Cons:

• Uzyskaj tylko portfolio projektów - bez „prawdziwego” doświadczenia zawodowego
• Dużo się nauczyć w krótkim czasie
• Może to być do 40 godzin pracy w tygodniu (w przeciwieństwie do samokształcenia, w którym możesz iść w swoim własnym tempie i nadal pracować w niepełnym wymiarze godzin / w pełnym wymiarze godzin)

Magister

Plusy:

• Dyplom po ukończeniu
• Ustrukturyzowana nauka z profesjonalnie przeszkolonymi instruktorami
• Doświadczenie w świecie rzeczywistym: wiele programów obejmuje staże, które wzbogacą doświadczenie i wiedzę
• Duży czas na naukę i absorbowanie wszystkich informacji

Cons:

• Drogie: może kosztować od 20 000 do 70 000 USD - nie wliczając kosztów utrzymania
• Czasochłonne: może również trwać najdłużej (9-20 miesięcy)