İçerik
- Eğitim Vakfı'nın Kurulması: Üç Temel Tavsiye
- Kurslardan Fazla: İki Daha Fazla Tavsiye
- Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz
- Araç Kutunuzdan Hangi Aracı Çıkarmanız gerektiğini Öğrenmek: Eğrinin Önünde Kalmak için İpucu
- Temel Yumuşak Beceriler: Başka Bir Altı İpucu
- Veri Düzine
Kaynak: Artinspiring / Dreamstime.com
Paket servisi:
Veri bilimcilerinin açıkça güçlü matematik ve kodlama becerilerine ihtiyaçları var, ancak iletişim ve diğer yumuşak beceriler de başarı için gerekli.
Veri bilimci, Amerika'da 2019'da Glassdoor'da en iyi iş olarak yer alıyor. 108,000 dolar ortanca baz maaş ve 5 kişiden 4,3'lük bir iş doyumu ile birlikte, tahmin edilen makul sayıda açılış olması şaşırtıcı değildir. Soru şudur: Bu işe hak kazanabilmek için kişinin işe girmesi için ne yapması gerekir?
Bunu bulmak için, bu kariyer yolunda ilerlemek isteyenler için verilen tavsiyelere baktık. Kodlama ve matematikteki zor becerilerden çok şey gelir. Ancak bu güçlü hesaplama tek başına kesmiyor. Başarılı veri bilimcilerinin ayrıca, iş adamları ile kendi terimleriyle konuşabilmeleri gerekir ki bu da yumuşak beceriler ve liderlik ile ilgili yetenekleri gerektirir. (Bir veri bilimcisinin görevleri hakkında daha fazla bilgi için, bkz. İş Rolü: Veri Bilimcisi.)
Eğitim Vakfı'nın Kurulması: Üç Temel Tavsiye
NYC Data Science Academy'deki veri bilimcisi Drace Zhan, kodlamanın ve matematik becerisinin temellerini içeren bir eğitim kurumuna olan ihtiyacı vurgulamaktadır:
- R / Python + SQL. Kodlama becerilerine sahip değilseniz, bu açığı gidermek için çok fazla ağ gücüne ve diğer alanlara ihtiyacınız vardır. Zayıf matematik ve az etki alanı deneyimine sahip veri bilimcileri gördüm ama kodlamada her zaman güçlü bir yetenek tarafından taşındılar. Python idealdir ancak R harika bir geri dönüş aracıdır. İkinizin de cephaneliğinde olması en iyisi. SQL ayrıca Veri Analisti için son derece önemlidir.
- Güçlü matematik becerileri. Yaygın olarak kullanılan yöntemlerden birkaçının çok iyi anlaşılması: genelleştirilmiş doğrusal modeller, karar ağacı, K araçları ve istatistiksel testler, çeşitli modellerin veya RNN gibi uzmanlıkların geniş bir resmine sahip olmaktan daha iyidir.
Bazı uzmanlar onlara eklese de, bunlar temel beceriler üzerine kuruludur. Örneğin, bir KDnuggets listesi, Zhan'ın kodlama bileşenlerini içerir ve Hadoop platformu Apache Spark, veri görselleştirme, yapılandırılmamış veriler, makine öğrenmesi ve AI dahil olmak üzere teknik tarafta bilmeniz gereken bazı yararlı şeyleri ekler.
Ancak, ipuçlarımızı Kaggle anketi ile gerçek hayatta kullanım için en sık kullanılan araçlar üzerine yapılan bir anketten alırsak, biraz farklı sonuçlar elde ederiz. Aşağıdaki ilk 15 seçeneğin grafiğinden görebileceğiniz gibi, Python, R ve SQL kolayca ilk üçe giriyor, ancak dördüncü Jüpyter notebooklar, ardından TensorFlow, Amazon İnternet Servisleri, Unix kabuk, Tableau, C / C ++, NoSQL , MATLAB / Octave ve Java, hepsi Hadoop ve Spark'tan ileri. İnsanları şaşırtabilecek bir başka ek, Microsoft’un Excel Veri Madenciliği.
Resim Kaggle'ın izniyle
KDnuggets listesi, örgün eğitimle ilgili bir ipucu da içermektedir. Veri bilimcilerinin çoğu ileri derecelere sahiptir:% 46'sı doktora derecesine sahiptir ve% 88'i en az bir yüksek lisans derecesine sahiptir. Sahip oldukları lisans dereceleri genellikle ilgili alanlara bölünmüştür. Üçte biri matematikte ve istatistikte, ki bu kariyer pisti için en popüler olanı. Bir sonraki en popüler yüzde 19'luk bir bilgisayar bilimi derecesi ve yüzde 16'lık bir mühendislik seçenektir. Tabii ki, veri bilimine özgü teknik araçlar genellikle lisans programlarında değil, özel açılış kamplarında ya da çevrimiçi kurslarda çalışılmaktadır.
Kurslardan Fazla: İki Daha Fazla Tavsiye
Weill Cornell'deki Solunum Anabilim Dalı'nda araştırma asistanı ve NYC Veri Bilimi Akademisi öğrencisi olan Hank Yun, veri bilimcileri üzerinde çalışacakları şeyleri planlamalarını ve akıl hocalarını bulmalarını tavsiye ediyor. Dedi ki:
Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz
Hiç kimse yazılım kalitesini önemsemediğinde programlama becerilerinizi geliştiremezsiniz.
Veri bilimini bildiğinizi kendime söyleyerek yaptığım hatayı yapmayın, çünkü bir kursa aldınız ve bir sertifika aldınız. Bu harika bir başlangıç, ama çalışmaya başladığınızda, aklınızda bir projeye gidin. O zaman sahada bir danışman bulun ve hemen bir tutku projesine başlayın! Yeniyken, neyi bilmediğinizi bilmiyorsunuzdur, bu nedenle birileri oradayken, sizin için neyin önemli ve neyin önemli olmadığı konusunda kılavuzluk eder. Gösterecek bir şey olmadan ders çalışarak çok fazla zaman harcamak istemezsiniz!
Araç Kutunuzdan Hangi Aracı Çıkarmanız gerektiğini Öğrenmek: Eğrinin Önünde Kalmak için İpucu
Veri bilimi araçları sıralamasındaki eşitsizlik göz önüne alındığında, bazıları neye odaklanılması konusunda şaşkınlık duyabilir. Güvenlik yazılımı şirketi McAfee'nin baş veri uzmanı Celeste Fralick, bir veri bilimcisinin temel becerilerini inceleyen bir CIO makalesinde, “Bir veri bilimcisinin araştırmadaki eğrinin önünde kalması ve bunun yanında ne zaman uygulanacağını anlamak için hangi teknolojiyi anlayın. ”Bu, '' seksi '' ve yeni olanın, asıl sorunun değirmencilik için çok daha fazla bir şey gerektirdiği zaman cezalandırılmadığı anlamına gelir. “Ekosisteme hesaplanabilir maliyetin, yorumlanabilirliğin, gecikmenin, bant genişliğinin ve diğer sistem sınır koşullarının - hem de müşterinin vadesinin - farkında olmak, veri bilimcisinin hangi teknolojinin uygulanacağını anlamasına yardımcı olur.”
Temel Yumuşak Beceriler: Başka Bir Altı İpucu
Fralick'in gündeme getirdiği nokta, veri bilimci işinin gerektirdiği teknik olmayan becerilerle ilgilidir. Bu yüzden KDnuggets listesi şu dört maddeyi içeriyor: entelektüel merak, takım çalışması, iletişim becerileri ve iş zekası. Zhan, KDnuggets gibi “iletişim becerilerini” belirleyen, ancak “iş zekası” yerine “alan uzmanlığı” nı kullanan veri bilimcileriyle ilgili ipuçlarında önemli yumuşak becerileri de içeriyordu. iş. (İletişim becerileri hakkında daha fazla bilgi edinmek için, bkz. Teknik Profesyoneller için İletişim Becerilerinin Önemi.)
Olivia Parr-Rud bu konuda kendi önerisini sundu, “daha yumuşak bir yetenek olarak vurgulayarak, yaratıcılığın rolüne vurgu yaparak,“ veri bilimini bir bilim kadar bir sanat gibi düşünüyorum ”üzerine düşünmeyi gerektiren bir konu üzerinde durdu. beynin her iki tarafının kuvvetleri. “Birçok insan, veri bilimini öncelikle sol beyni kullanan bir kariyer olarak konuşuyor. Başarılı olmak için, veri bilimcilerinin tüm beynini kullanması gerektiğini buldum. ”
Alandaki ilerlemenin sadece teknik yetkinliği değil, yaratıcılığı ve liderlik için gerekli vizyonu gerektirdiğini söyledi:
Sol beyin / doğrusal görevlerin çoğu otomatikleştirilebilir veya kaynaklardan kaynaklanabilir. Veri bilimcileri olarak rekabet avantajı sağlamak için, beynimizin her iki tarafını kullanarak kalıpları tanıyabilir ve büyük miktarlarda bilgi sentezleyebilmeliyiz. Ve yenilikçi düşünürler olmalıyız. En iyi sonuçların çoğu sol ve sağ beynin entegrasyonundan kaynaklanır.
Ayrıca bir vizyonu açıkça ifade etmenin neden gerekli olduğunu vurguladı:
Veri bilimcileri olarak hedefimiz, müşterilerimizin kârlarını artırmalarına yardımcı olmak için verileri kullanmaktır. Çoğu yönetici ne yaptığımızı ya da nasıl yaptığımızı anlamıyor. Bu yüzden liderler gibi düşünmemiz ve bulgularımızı ve önerilerimizi paydaşlarımızın anlayacağı ve güveneceği bir dilde iletmemiz gerekir.
Veri Düzine
Önemli ipuçları, daha çok sayıda teknik araç, beceri ve yeteneklerin yanı sıra yaratıcılık ve liderlik için yetenek gibi daha az ölçülebilir nitelikler içermektedir. Sonuçta, bu sadece bir sayı oyunu değil. Veri bilimi sadece bir boşlukta modeller oluşturmakla ilgili olmadığından, işletmeler için gerçek hayat problemlerini çözmek için pratik uygulamalarla geldiğinden, bu alanda başarılı olacak olanların sadece teknolojide uzmanlaşmaları değil, aynı zamanda iş alanlarını da bilmeleri ve ihtiyaçlarını anlamaları gerekir. iş yerindeki ekibin çeşitli üyeleri.