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;
Μια φορά κι έναν καιρό, 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, στα στατιστικά στοιχεία και στον προγραμματισμό 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 θέσεις εργασίας, οι συγκεκριμένες δεξιότητες που απαιτούνται για την πλήρωση των θέσεων επιστήμης δεδομένων εξαρτώνται από την μεμονωμένη επιχείρηση.
Υπάρχουν όμως ορισμένα εργαλεία / εργαλεία λογισμικού που παραμένουν συνεπή.
- Στατιστικές γλώσσες προγραμματισμού, όπως R και 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 για κάθε μέθοδο.
Αυτοδιδασκαλίας
Πλεονεκτήματα:
- Βολικό: μπορεί να γίνει με το 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:
- Μόλις 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
Πλεονεκτήματα:
- Μικρή δέσμευση χρόνου: μπορεί να ολοκληρωθεί σε 6 εβδομάδες έως 3 μήνες
- Σχετικά προσιτές, τουλάχιστον σε σύγκριση με την απόκτηση ενός μεταπτυχιακού τίτλου (τα camp boots 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 για 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 την εμπειρία και τη γνώση
- Έχουμε αρκετό χρόνο για να μάθουμε και να απορροφήσουμε 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)