Мой совет.

2020 год был настоящим приключением.

Этот год казался вечностью, но у нас осталось еще около шести месяцев.

COVID-19 заставил многих людей оставаться дома в определенных ситуациях. Некоторые решили использовать свое новое свободное от карантина время, чтобы научиться новым навыкам для карьеры, такой как наука о данных, с целью получить необходимые знания, чтобы проникнуть в отрасль.

Сначала вы взволнованы и мотивированы. Ваши первые 2–3 недели были наполнены продуктивным обучением. Но по прошествии нескольких недель кажется, что дела в мире продолжают ухудшаться. Наблюдение утомительно и сказывается на вашем обучении, потому что сейчас на нем еще труднее сосредоточиться.

Представьте, что вы находитесь в комнате, где есть два специалиста по данным из разных компаний.

А теперь представьте, что вы находитесь в другой комнате, где есть две одинаковые головоломки, на которых изображено одно гигантское красное яблоко.

Хотя вторая головоломка состоит из частей, отличных от первой, и должна быть построена по-другому, они обе имеют одинаковый конечный результат - создание последнего яблока.

Та же концепция может быть применена к двум аналитикам данных. Хотя у них одинаковое название должности, скорее всего, они пошли разными путями, чтобы добраться до этой должности.

Эта проблема

В какой-то момент те, кто заинтересован в изучении науки о данных, попытаются изучить, как нынешние специалисты по данным достигли того положения, которое они есть сегодня, в надежде последовать их примеру того, что они сделали. После того, как несколько специалистов по анализу данных спросили, как они начали работать в этой области, это кажется бесконечной паутиной информации, потому что нет единого прямого пути к тому, чтобы стать специалистом по данным.

Многие в этой профессии имеют разное образование, например, инженерное дело, экономику, преподавание, политологию, математику, информатику, информационные технологии и т. Д.

Некоторые даже начали, не имея большого опыта в какой-либо области, и на 100% являются самоучками.

Реальность

Наука о данных не очень линейна, в отличие от некоторых других профессий, где, если вы завершите A и B, то «пуф» вам гарантирована работа. Ваш путь будет уникальным, и вам придется проложить свой собственный путь.

Большинство людей, добившихся успеха в этой области, научились интегрировать Data Science с темами, в которых они уже разбираются. Например, известный создатель контента в сообществе Data Science с более чем 65 000 подписчиков YouTube и мой друг Кен Джи, со своими знаниями в этой области страстно увлечены спортивной аналитикой и интегрировали науку о данных. . Вот его канал для тех, кто интересуется применением науки о данных в спортивной аналитике.

Другой быстро набирающий популярность создатель контента в области науки о данных, а также мой друг Чанин Нантасенамат, который на YouTube известен под псевдонимом Data Professor, раньше был биологом. Сейчас он занимается наукой о данных с 2004 года, когда это в основном называлось Data Mining. Он демонстрирует, как применяет науку о данных с биоинформатикой на своем канале.

Что я могу сделать, чтобы стать специалистом по данным?

Вы хотите заняться наукой о данных и не знаете, с чего начать? Предполагая, что вы немного изучили Python, SQL и некоторые базовые статистические концепции, вы можете начать с выполнения небольших проектов для решения вопросов по определенной теме / нише, которые вас интересуют. Например, я Огромный автолюбитель и в настоящее время работает над проектом анализа данных о автомобилях BMW, который скоро будет доступен в моем портфолио.

Ключевым моментом является то, что, поскольку у меня уже есть страсть к автомобильной промышленности, я могу разрабатывать функции в моем наборе данных на основе моих знаний о том, какие переменные влияют на цену подержанного автомобиля.

Делая это, вы не только изучите науку о данных, но и получите от этого удовольствие, поскольку работа связана с тем, что вам нравится.