Начало или переход на новую карьеру в качестве специалиста по данным может быть очень пугающим. В какой-то момент мы все столкнулись с этой ошеломляющей реальностью пути, по которому нужно следовать.
Что касается меня, я начал с громкого имени «Наука о данных», даже не зная об истинных обязанностях специалиста по данным. Но когда я это сделал, мне пришлось отступить и спросить себя, чего я хочу.
После некоторого времени исследований я понял, что мне нужно прямое применение моих математических навыков без тяжелого программирования, но при этом быть частью людей, которые дают советы или принимают решения, которые продвигают бизнес вперед. Вот так я и оказался с «Аналитикой данных».
Существует несколько направлений работы с данными. Я придерживаюсь мнения, что при принятии решения стать таковым это решение должно основываться на проблемах, которые вы хотите решить, а не на высоких зарплатах и громких именах, связанных с ними.
Когда вы определитесь с проблемой, которую хотите решить, вы тщательно ищете профессию по работе с данными, которая лучше всего поможет вам в вашем путешествии. Для ясности я буду обсуждать это в трех пунктах.
- Выбор подходящей профессии, связанной с данными.
- Лучшие учебные ресурсы для вас.
- Общение с нужными людьми для получения рекомендаций и развития
Выберите для себя правильную профессию, связанную с данными.
#datascience, #dataanalyst или #dataengineers — это все профессии, но вы профессионал. Профессии не решают проблемы, это делают профессионалы. Вы используете знания, связанные с вашей профессией, для решения проблем бизнеса или человечества.
Итак, выбирайте с умом. Ниже приведены некоторые названия должностных инструкций, связанных с данными:
· Исследователь данных.
· Инженер по машинному обучению.
· Специалист по машинному обучению.
· Аналитик данных.
· Бизнес-аналитик.
· Архитектор данных.
· Инженер ИИ.
· Инженер данных.
· Аналитик бизнес-аналитики
· Data Storyteller
· Администратор базы данных
Не беспокойтесь, со всеми этими именами я лично рекомендую вам продолжить карьеру в области аналитики данных, науки о данных, инженерии данных, бизнес-аналитики или разработки искусственного интеллекта/машинного обучения. поскольку любой путь, по которому вы решите следовать, скорее всего, укоренится в любой из вышеперечисленных профессий.
Лучшие учебные ресурсы для вас.
Теперь, после выбора профессии, связанной с данными, начало может быть запутанным, так как существует множество материалов и видео по всем этим областям. Youtube — отличный ресурс для обучения, но многие видео там неструктурированы.
Я рекомендую вам следовать структурированному учебному плану, это поможет вам измерить ваш прогресс. Некоторые из них — это datacamp, qataquest, udemy и Coursera.
Я настоятельно рекомендую вам документировать каждый ваш прогресс своими словами и пониманием. Это для справочных целей и для использования другими будущими специалистами по данным.
В очень резкой форме мой друг Соломон Эсем скажет «задокументируйте процесс». Этот фрагмент документа может стать для вас полезным завтра.
Общение с нужными людьми для получения рекомендаций и развития
Важность установления правильных связей невозможно переоценить. Я постараюсь перечислить некоторых людей, на которых я подписан, и их ссылки. Это сильные голоса в обществе. Следуйте им, и вы не пропадете.
Я всегда буду начинать с Джорджа, он опытный специалист по управлению данными. Его еженедельное шоу Good Data Morning помогло мне стать лучше.
Во-вторых, это человек, который загрузил меня более чем сотней видео Udemy, я каждую неделю с нетерпением жду его бесплатных видео. Он Дэнни Ма. Он удивительный и всегда улыбающийся специалист по данным.
Если вы, как новичок, не подписаны на #DataWithDanny, то вы тратите много денег впустую. Эти курсы Udemy стоят целое состояние. Спасибо, Дэнни.
Третьей в моем списке является человек, которого я называю Леди-босс. Это имя показывает мне, как она руководит своим шоу. Особенно Виртуальная конференция Datacated.
Она вела целое 4-часовое шоу, не моргая. Эта конференция была богатой. Кейт — локомотив в области визуализации данных. Если вы хотите быть Datacated, пожалуйста, подпишитесь на Kate.
Четвертый в очереди человек с самым высоким уровнем энергии и как ему удается его поддерживать, я, честно говоря, не знаю. Он СКОТТ. С точки зрения управления данными, он человек, готовый к действию. Отправляйтесь к нему и узнайте, что означает Единый Источник Истины в мире Данных.
Пятый в очереди — человек #66DaysOfData, простой, мягко говорящий и наполненный знаниями специалист по данным Кен Джи. Он является ведущим #66DaysOfData, это очень замечательная концепция, которая действительно помогает многим новичкам развивать свои навыки.
Он один из тех, у кого есть сквозные проекты по науке о данных. Этот тип проекта помогает в создании портфолио.
В-шестых, это человек, которого мне нравится слушать, его зовут Алекс, поэтому на своем канале на Youtube он использует имя ATA, что означает Алекс Аналитик. Алекс работает с одной из компаний из списка Fortune500 и находит время для обучения будущих аналитиков данных.
Я видел, как люди получали работу благодаря навыкам, которым он учит. Я призываю вас следить за ним на youtube и LinkedIn.
Я не закончу эту статью, не упомянув о Равите, этот парень такой же, как Дэнни, и он загружает меня кучей книг по науке о данных, статистике, python, R и многим другим. Его Ravit Show — очень интересное еженедельное шоу. Следуйте за ним, и вы не пропустите книгу, которой он делится.
Как насчет челленджа Эла Беллами #showusyourdata? Следуйте за ним, и вы ничего не пропустите.
Список можно продолжить, но с ними вы обязательно встретите больше людей в сообществе, которые помогут вам стать лучше. Этот список никоим образом не предполагает, что первый человек лучше второго или третьего.
Просто когда я хочу сослаться, имя Джордж приходит мне на ум первым. Почему бы и нет, он поддерживал лично.
Я аналитик данных, и мне это очень удобно. Пожалуйста, тщательно выбирайте свой карьерный путь, исходя из проблем, которые вы хотите решить. Вы можете подписаться на меня здесь и в LinkedIn.
