Karrier-reflektorfény: Mi az adat-tudomány?

Ma „nagy adatok”, „analitika” és hasonlók a trendek. És jó okból.

2012-ben a HBR „adat tudósnak” nevezte a „század legszexisebb munkáját”. De mit is jelent az adat-tudomány? És ami még fontosabb, hogyan lehet megszerezni azokat a készségeket, amelyek szükségesek ahhoz, hogy adatkutatónak hívják magukat?

Mi az a Data Science?

Egyszer régen az adatok tudósai többnyire a tudományos térben voltak. Most, a nagy adatgyűjtés növekedésével és az elemzés szükségességével, az adatok tudósai nagy keresletre tettek szert a kis és nagy vállalatok és iparágak körében.

Az adatok tudománya, mint szakma magában foglalja a matematika, a statisztika és a számítógépes programozási készségek széles skáláját. Ez egy olyan iparág, amelyben a férfiak dominálnak, a becslések az adat-tudományban lévő nők köré 10% körül mozognak.

Glassdoor szerint az adat-tudósok átlagos nemzeti fizetése $ 113,436. Egyedül a kompenzációra nézve az adat-tudomány sokkal vonzóbb, mint más hasonló karrier.

Az adat-tudós számára szükséges készségek

Mint minden munkahely, az adatgyűjtési adatok betöltéséhez szükséges speciális készségek az egyes cégektől függenek.

Vannak azonban bizonyos készségek / szoftvereszközök, amelyek konzisztensek maradnak.

• Statisztikai programozási nyelvek, mint például az R és a SAS
• Adatbázis-lekérdező nyelv, például az SQL
• Alapstatisztikák, mint a statisztikai tesztek, eloszlások, maximális valószínűség becslések stb
• Gépi tanulási módszerek, például k-legközelebbi szomszédok, véletlen erdők, együttes módszerek stb.
• Többváltozós számítás és lineáris algebra
• Adat-naplózás és új termékek fejlesztése, amelyek adat alapúak
• A Hadoop platforming ismerete
• Megjelenítési eszközök, mint például a Flare, a HighCharts vagy az AmCharts

Hogyan válhat adat tudóssá

Napjainkban három életképes lehetőség van az adat-tudósnak:

• Önálló tanulás olyan programokon keresztül, mint az Udacity
• Egy adat-tudomány boot táborban való részvétel
• Mesterfokozatú diplomás iskolába járás

Természetesen minden módszernek előnye és hátránya van.

Az önálló tanulás

Előnyök:

• Kényelmes: saját környezetben, bármilyen környezetben és bármilyen ütemben végezhető
• Megfizethető: 0–600 dollárba kerülhet.
• Időt takarít meg: az online tanfolyamok 8-18 hónapon belül befejezhetők.

Hátrányok:

• A tanúsítványt csak a befejezés után kapja meg
• Nincs társkeresés vagy tanár-diák bevonása
• Nincs segítség a munkahelyi vadászatban

Data Science Boot Camp

Előnyök:

• Kicsit időbeli elkötelezettség: 6 héten belül 3 hónapig
• Viszonylag megfizethető, legalábbis a mesterképzéshez képest (a boot táborok ingyenesek - $ 16,000)
• Ideális azok számára, akik gyorsan szeretnének karrierjét megváltoztatni
• Számos rendszerindító tábor segítséget nyújt a munkakeresési folyamatban a befejezés után

Hátrányok:

• Csak kap egy projektportfóliót - nincs "igazi" munkatapasztalat
• Sokat tanulhatunk rövid idő alatt
• Akár hetente akár 40 óra is lehet a munka (ellentétben az önálló tanulmányokkal, ahol a saját tempójába léphet, és még mindig részmunkaidőben / teljes munkaidőben dolgozik)

Mesterfokozat

Előnyök:

• Diploma befejezése után
• Strukturált tanulás szakképzett oktatókkal
• Valós tapasztalatok: sok program magában foglalja a gyakorlatokat, amelyek növelik a tapasztalatokat és a tudást
• Bőséges idő megtanulni és elnyelni az összes információt

Hátrányok:

• Drága: költsége 20 000-70 000 dollár között mozoghat - nem tartalmazza az életköltségeket
• Időigényes: leghosszabb (9-20 hónap) is