Sadržaj:
- Što je podatkovna znanost?
- Vještine koje trebaju biti znanstveni podaci
- Kako postati znanstvenik podataka
- Samostalno istraživanje
- Boot Camp za znanost o znanosti
- Magisterij
Video: Award-winning teen-age science in action 2024
Danas su "veliki podaci", "analitika" i slično u trendu buzzwords. I zbog dobrog razloga.
HBR je još 2012. godine nazvao "znanstvenik podataka" kao "najseksi posao stoljeća". Ali što doista implicira podatkovna znanost? I što je još važnije, kako možete stjecati vještine potrebne da biste se zvali znanstvenikom?
Što je podatkovna znanost?
Jednom davno, znanstvenici su bili uglavnom u akademskom prostoru. Sada, uz porast velike količine podataka i potrebe za analizom, znanstvenici podataka postali su u velikoj potražnji u nizu tvrtki i industrija, malih i velikih.
Znanost o podacima kao profesiji uključuje niz vještina unutar matematike, statistike i računalnog programiranja. To je industrija u kojoj dominiraju muškarci, procjene žena u znanosti o podacima iznose oko 10%.
Prema Glassdooru, prosječna nacionalna plaća za znanstvenike podataka iznosi 113.436 dolara. Gledajući samo kompenzaciju, znanost o podacima mnogo je privlačnija od ostalih sličnih karijera.
Vještine koje trebaju biti znanstveni podaci
Kao i svi poslovi, specifične vještine potrebne za popunjavanje pozicija znanstvenih podataka ovise o pojedinoj tvrtki.
No, postoje određene vještine / softverski alati koji ostaju konzistentni.
- Statistički programski jezici, poput R i SAS
- Jezik upita baze podataka kao što je SQL
- Osnovne statistike kao što su statistički testovi, distribucije, procjenjivači maksimalnih vjerojatnosti i tako dalje
- Metode učenja stroja kao što su k-Najbliži susjedi, slučajne šume, metode ansambla itd.
- Multivaribilni račun i linearna algebra
- Zapisivanje podataka i razvoj novih proizvoda koji su upravljani podacima
- Upoznavanje s platformom Hadoop
- Alati za vizualizaciju kao što su Flare, HighCharts ili AmCharts
Kako postati znanstvenik podataka
Danas postoje tri opravdane mogućnosti da postanete znanstvenik podataka:
- Samostalno učenje putem programa kao što je Udacity
- Sudjelovanje u kampu za podizanje podataka u znanosti
- Odlazak na diplomu za magisterij
Naravno, postoje pro i kontra za svaku metodu.
Samostalno istraživanje
Pros:
- Zgodan: može se obaviti na vlastito vrijeme u bilo kojem okruženju iu bilo kojem trenutku
- Priuštivu: moglo bi koštati bilo gdje od 0 do 600 dolara.
- Štedi vrijeme: online tečajevi mogu biti završeni u roku od 8-18 mjeseci.
Cons:
- Potvrditi samo nakon završetka
- Nema uključivanja ravnopravnih sudionika ili učitelja / studenata
- Nema pomoći kod traženja posla
Boot Camp za znanost o znanosti
Pros:
- Mala predanost vremena: može se završiti u roku od 6 tjedana do 3 mjeseca
- Relativno pristupačne, barem u usporedbi s dobivanjem magistarskog stupnja (boot kampovi se kreću od besplatnih - 16.000 dolara)
- Idealno za one koji žele brzo promijeniti karijeru
- Mnogi kampovi za pokretanje nude pomoć u procesu traženja posla nakon završetka
Cons:
- Samo dobiti portfolio projekata - nema "stvarnog" radnog iskustva
- Puno naučiti u kratkom vremenu
- Moglo bi biti i do 40 sati tjedno na poslu (za razliku od samo-studija gdje možete ići vlastitim tempom i dalje rade puno radno vrijeme / puno radno vrijeme)
Magisterij
Pros:
- Diploma po završetku
- Strukturno učenje s profesionalno osposobljenim instruktorima
- Iskustvo u stvarnom svijetu: mnogi programi uključuju stažiranje koje će pridonijeti iskustvu i znanju
- Dovoljno je vrijeme za učenje i apsorbiranje svih informacija
Cons:
- Skupo: moglo bi koštati između 20.000 i 70.000 dolara - ne uključujući troškove života
- Potrebno je vrijeme: također može trajati najdulje (9-20 mjeseci)
Osiguravanje i upravljanje podacima o oblaku
Pri pohranjivanju podataka na računalo sve se drži zajedno na jednom mjestu. Podaci o oblaku, međutim, šire se diljem svijeta, često redundantno.
Pokrivenost računalima i podacima prema pravilima o poslovnoj imovini
Vaša tvrtka neće imati odgovarajuću zaštitu od oštećenja vaših računala, softvera i podataka.
Poboljšajte zapošljavanje s podacima koji se poduzimaju na donošenju odluka
Možete li poboljšati uspjeh regrutiranja s odlučivanjem na temelju podataka? Upotrijebite podatke za prepoznavanje postupaka koji rezultiraju superiornim zaposlenicima.