Σταδιοδρομία: Τι είναι η Επιστήμη των Δεδομένων;

Σήμερα, τα "μεγάλα δεδομένα", "αναλυτικά στοιχεία", και τα παρόμοια αποτελούν τρελούς λέξεις-κλειδιά. Και για καλό λόγο.

Το 2012, η ​​HBR ονομάστηκε "επιστήμονας δεδομένων" ως "η πιο σέξι εργασία του αιώνα". Αλλά τι πραγματικά συνεπάγεται η επιστήμη των δεδομένων; Και το πιο σημαντικό, πώς μπορείτε να αποκτήσετε τις δεξιότητες που απαιτούνται για να αποκαλείτε τον εαυτό σας έναν επιστήμονα δεδομένων;

Τι είναι η Επιστήμη των Δεδομένων;

Κάποτε, οι επιστήμονες των δεδομένων βρίσκονταν ως επί το πλείστον στον ακαδημαϊκό χώρο. Τώρα, με την έξαρση της μεγάλης συλλογής δεδομένων και την ανάγκη για ανάλυση, οι επιστήμονες δεδομένων έχουν γίνει σε μεγάλη ζήτηση σε μια σειρά εταιρειών και βιομηχανιών, μικρών και μεγάλων.

Η επιστήμη δεδομένων ως επάγγελμα ενσωματώνει μια σειρά δεξιοτήτων στα μαθηματικά, τις στατιστικές και τον προγραμματισμό των υπολογιστών. Είναι μια βιομηχανία που κυριαρχείται από άνδρες, οι εκτιμήσεις των γυναικών στην επιστήμη των δεδομένων είναι περίπου 10%.

Σύμφωνα με τον Glassdoor, ο μέσος εθνικός μισθός για τους επιστήμονες δεδομένων είναι 113.436 δολάρια. Όσον αφορά την αποζημίωση μόνο, η επιστήμη των δεδομένων είναι πολύ πιο ελκυστική από άλλες παρόμοιες σταδιοδρομίες.

Δεξιότητες που απαιτούνται για να είναι Data Scientist

Όπως όλες οι εργασίες, οι συγκεκριμένες δεξιότητες που απαιτούνται για την κάλυψη των θέσεων επιστήμης δεδομένων εξαρτώνται από την κάθε επιχείρηση.

Υπάρχουν όμως ορισμένα εργαλεία / εργαλεία λογισμικού που παραμένουν συνεπή.

• Στατιστικές γλώσσες προγραμματισμού, όπως το R και το SAS
• Γλώσσα διερεύνησης βάσης δεδομένων, όπως SQL
• Βασικά στατιστικά στοιχεία όπως στατιστικές δοκιμές, κατανομές, εκτιμητές μέγιστης πιθανότητας κ.ο.κ.
• Μέθοδοι μηχανικής μάθησης όπως k-Πλησιέστεροι γείτονες, τυχαία δάση, μέθοδοι σύνολα κλπ.
• Πολυμεταβλητός λογισμός και γραμμική άλγεβρα
• Καταγραφή δεδομένων και ανάπτυξη νέων προϊόντων που βασίζονται σε δεδομένα
• Εξοικείωση με την πλατφόρμα Hadoop
• Εργαλεία απεικόνισης όπως Flare, HighCharts ή AmCharts

Πώς να γίνετε Επιστήμονας Δεδομένων

Σήμερα, υπάρχουν τρεις βιώσιμες επιλογές για να γίνει ένας επιστήμονας δεδομένων:

• Αυτο-μελέτη μέσω προγραμμάτων όπως Udacity
• Παρακολουθήστε ένα στρατόπεδο εκκίνησης επιστήμης δεδομένων
• Πηγαίνοντας στο μεταπτυχιακό σχολείο για μεταπτυχιακό δίπλωμα

Φυσικά, υπάρχουν πλεονεκτήματα και μειονεκτήματα σε κάθε μέθοδο.

Αυτοδιδασκαλίας

Πλεονεκτήματα:

• Βολικό: μπορεί να γίνει με τον δικό σας χρόνο σε οποιοδήποτε περιβάλλον και με οποιοδήποτε ρυθμό
• Προσιτό: θα μπορούσε να κοστίσει οπουδήποτε από $ 0-600.
• Εξοικονόμηση χρόνου: τα online μαθήματα μπορούν να ολοκληρωθούν εντός 8-18 μηνών.

Μειονεκτήματα:

• Μόνο να λάβετε ένα πιστοποιητικό μετά την ολοκλήρωσή του
• Δεν υπάρχει ανάμιξη από ομοτίμους ή από δάσκαλο σε μαθητή
• Δεν υπάρχει βοήθεια για το κυνήγι εργασίας

Πλατφόρμα εκκίνησης δεδομένων δεδομένων

Πλεονεκτήματα:

• Μικρή δέσμευση χρόνου: μπορεί να ολοκληρωθεί σε 6 εβδομάδες έως 3 μήνες
• Σχετικά προσιτά, τουλάχιστον σε σύγκριση με την απόκτηση ενός μεταπτυχιακού τίτλου (τα στρατόπεδα εκκίνησης κυμαίνονται από δωρεάν - $ 16.000)
• Ιδανικό για όσους θέλουν να αλλάξουν γρήγορα τη σταδιοδρομία τους
• Πολλά στρατόπεδα εκκίνησης προσφέρουν βοήθεια στη διαδικασία αναζήτησης εργασίας μετά την ολοκλήρωσή τους

Μειονεκτήματα:

• Αποκτήστε μόνο ένα χαρτοφυλάκιο έργων - δεν υπάρχει "πραγματική" εργασιακή εμπειρία
• Πολλά να μάθουν σε σύντομο χρονικό διάστημα
• Θα μπορούσε να είναι έως 40 ώρες την εβδομάδα εργασίας (σε αντίθεση με την αυτο-μελέτη όπου μπορείτε να πάτε με το δικό σας ρυθμό και εξακολουθούν να εργάζονται με μερική απασχόληση / με πλήρη απασχόληση)

Πτυχίο μάστερ

Πλεονεκτήματα:

• Δίπλωμα μετά την ολοκλήρωση
• Δομημένη μάθηση με εκπαιδευμένους εκπαιδευτές
• Πραγματική εμπειρία: πολλά προγράμματα περιλαμβάνουν πρακτική άσκηση που θα προσθέσει εμπειρία και γνώση
• Άφθονος χρόνος για να μάθει και να απορροφήσει όλες τις πληροφορίες

Μειονεκτήματα:

• Ακριβά: θα μπορούσε να κοστίσει μεταξύ $ 20.000- $ 70.000 - χωρίς να συμπεριλαμβάνονται τα έξοδα διαβίωσης
• Χρονοβόρος: μπορεί επίσης να πάρει το μεγαλύτερο χρονικό διάστημα (9-20 μήνες)