{#4b19}
Analyzing several parameters & conditions before jumping into Data Science career
数据科学,机器学习和分析被认为是最热门的职业道路之一。工业,学术界和政府对熟练数据科学从业者的需求正在快速增长。因此,正在进行的"数据热潮"吸引了众多具有不同背景的专业人士,如物理,数学,统计学,经济学和工程学。数据科学家的就业前景非常乐观。 IBM预测到2020年数据科学家的需求将飙升28%:https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-飙升-28-通过-2020 /#7916f3057e3b。{#} 210E
本文将讨论在追求数据科学家职业之前,每个对数据科学感兴趣的人都应该考虑的10个重要问题。{#9517}
1. What does a data scientist do? {#92d0}
数据科学是一个广泛的领域,包括数据准备和探索等几个细分领域;数据表示和转换;数据可视化和演示;预测分析;机器学习等数据科学家使用数据来绘制可以推动机构决策的意义和深刻见解。他们的工作职责包括数据收集,数据转换,数据可视化和分析,构建预测模型,根据数据结果提供有关实施的行动建议。数据科学家在医疗保健,政府,工业,能源,学术,技术,娱乐等不同领域开展工作。一些聘请数据科学家的顶级公司是亚马逊,谷歌,微软,Facebook,LinkedIn和Twitter。{#592e}
- How much do data scientists make? {#db7b}
您作为数据科学家所取得的成就取决于您所在的组织或公司,您的教育背景,经验年数以及您的具体工作角色。数据科学家的工资从50,000美元到250,000美元不等,工资中位数约为120,000美元。这个article
讨论了有关数据科学家工资的更多信息。{#c388}
- What is the job outlook for data scientists? {#fb45}
数据科学家的就业前景非常乐观。 IBM预测到2020年数据科学家的需求将飙升28%:https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar- 28按2020 /#7916f3057e3b。{#} C640
4. Do I have a solid background in an analytical discipline such as mathematics, physics, computer science, engineering or economics? {#7aa2}
分析学科的强大背景是一个优势。数据科学是数学密集型的,需要以下知识:{#e238}
一种。统计和概率{#0e1f}
湾多变量微积分{#d10e}
C。线性代数{#6f1c}
d。优化方法{#8ab3}
5. Do I love working with data and writing programs to analyze the data? {#683d}
数据科学需要扎实的编程背景。该 top 5 programming languages
在大多数数据科学工作列表中提到(The Most in Demand Skills for Data Scientists --- Towards Data Science
) are:{#8772}
a. Python{#c11f}
b. R{#68df}
c. SQL{#3ca1}
d. Hadoop{#cd51}
e. Spark{#3fad}
如果您还没有读过这篇文章: "Teach Yourself Programming in Ten Years" by Peter Norvig (Director of Machine Learning at Google)
,我鼓励你这样做。以下是该文章的链接:http://norvig.com/21-days.html。这里的重点是,您不需要十年时间来学习编程的基础知识,但是学习编程的过程肯定没有用。成为一名优秀的程序员和数据科学家需要时间,精力,精力,耐心和承诺。{#9e70}
6. Do I enjoy solving challenging problems? {#65e3}
数据科学问题非常具有挑战性。典型的数据科学项目将涉及以下阶段:{#c3e3}
一种。问题框架{#8ba4}
湾数据收集和分析{#7ece}
C。模型构建,测试和评估{#5280}
d。模型应用{#d638}
从问题框架到模型构建和应用,该过程可能需要数周甚至数月,具体取决于问题的规模。只有那些热衷于解决具有挑战性问题的人才能成为数据科学家。{#57f3}
- Am I patient enough to keep on working even when a project seems to have hit a roadblock? {#426e}
数据科学项目可能非常漫长而且要求很高。从问题框架到模型构建和应用,该过程可能需要数周甚至数月,具体取决于问题的规模。作为一名实践数据科学家,与项目达成障碍是不可避免的。耐心,坚韧和毅力是数据科学事业成功的关键。{ae93}
- Do I have the business acumen that would enable me to draw out meaningful conclusions from a model that can lead to important data-driven decision making for my organization? {#227d}
数据科学是一个非常实用的领域。请记住,您可能非常擅长处理数据以及构建良好的机器学习算法,但作为数据科学家,真实世界的应用程序才是最重要的。每个预测模型都必须产生有意义和可解释的现实生活情境结果。必须根据现实验证预测模型,以使其被认为是有意义和有用的。您作为数据科学家的角色应该是从数据中提取意义洞察力,这些数据可用于数据驱动的决策,可以提高公司效率或改善业务运作方式,或帮助增加利润。{#5dd5}
- How long does it take to become a data scientist? {#afc9}
如果你在分析学科中有扎实的背景,比如 physics
, mathematics
, engineering
, computer science
, economics
, or statistics
,你基本上可以自学数据科学的基础知识。您可以从平台等免费在线课程开始 edX
, Coursera
, or DataCamp
。可能需要一到两年的深入研究来掌握数据科学的基础知识。请记住,仅从课程作业中获得的数据科学概念的坚实基础不会使您成为数据科学家。在建立了数据科学概念的坚实基础之后,您可以寻求实习或参加Kaggle比赛,在那里您可以开展真正的数据科学项目。练习数据科学技能的另一种方法是使用Github,LinkedIn等平台展示您的项目,或者在Medium上编写数据科学文章。以下是在媒体上撰写数据科学文章的一些建议:Beginner's Guide to Writing Data Science Blogs on Medium
.
{#99bd}
- What are some resources for learning about data science? {#f939}
有许多资源可用于学习数据科学的基础知识。以下是一些:{#e75c}
Data Science 101 --- A Short Course on Medium Platform with R and Python Code Included
{#e8f4}
Professional Certificate in Data Science (HarvardX, through edX)
{#1a3a}
Analytics: Essential Tools and Methods (Georgia TechX, through edX)
{#0e7f}
Applied Data Science with Python Specialization (the University of Michigan, through Coursera)
{#8f5a}
总之,我们已经讨论了10个重要问题,每个人都有兴趣从事数据科学职业。{#8f69}
公众号:银河系1号
联系邮箱:public@space-explore.com
(未经同意,请勿转载)