В какой-то момент большинство докторов наук и постдоков задаются вопросом, продолжать ли им или уйти на работу в промышленность. Больше денег, времени или влияния: мотивы будут разными и одинаково важны.
Вместе мы исследуем карьерный перекресток между исследованиями, преподаванием и производством:

  • Могу ли я узнать, когда оставить науку?
  • Куда мне уйти?
  • Как мне управлять переходом на Data Science?

Я думаю о переходе от науки к науке о данных как о построении моста (да, это очень старая инженерная метафора :-), для которой мы можем использовать три общие концепции, которые являются ключевыми в обоих мирах:

  • Воздействие. В науке мы учитываем цитирование, но в науке о данных у нас есть три важных показателя: доход, пользователи и патенты. Представление о том, что наука будет иметь большое влияние за пределами академических кругов (см. Закон Бэя-Доула от 1980 г.), не материализовалось. Напротив, продукты и стартапы, основанные на данных, внесли больше изменений.
  • Воспроизводимость. Для науки это важный вопрос (и в последние годы вызывал споры), но для науки о данных он важен для бизнес-процессов и воздействия. Программное обеспечение с открытым исходным кодом имеет хорошую воспроизводимость.
  • Прозрачность. Наука значительно продвинулась в направлении публикаций с открытым доступом и открытой науки в целом. Для сравнения: открытый искусственный интеллект - это всего лишь идея, а не реальное обязательство. Доктора и постдоки играют важную роль в повышении прозрачности машинного обучения и повышении общественного признания.

Но вернемся к перекрестку перед мостом: Когда мне уйти?

Недавно мне посчастливилось провести несколько дней с докторантами и докторантами в одном из лучших и самых престижных исследовательских институтов мира: в Обществе Макса Планка. В то время как в моем (более раннем) поколении многие понимали возрастающие трудности (например, краткосрочные контракты) и возрастающие недостатки (например, низкая заработная плата) академической карьеры, большинство, тем не менее, все же хотели продолжить академическую карьеру. Не так сейчас, восемь из десяти докторов наук и постдоков, может быть, даже больше, когда ясно, что они покидают исследования и академию.

Как я расскажу в следующих статьях, мост от науки к науке о данных можно построить и преодолеть менее чем за год. Вы можете начать на последнем курсе вашей докторской степени или использовать для начала любой контракт с постдоком.

Куда мне отправиться?

Большая часть науки о данных и машинного обучения происходит в городских центрах и инновационных горячих точках. Это происходит в стартапах и в солидных компаниях. Это также источник новых компаний и продуктов, и специалисты по анализу данных становятся соучредителями.

Вы можете посмотреть объявления о вакансиях, найти опросы о заработной плате и использовать многие другие онлайн-источники, чтобы понять, как развивается эта сфера (подробнее об этом в следующем посте).

Прежде всего, вы должны учитывать, что переход в отрасль означает изменение показателей воздействия. Наука о данных - это не наука, по крайней мере, не в том смысле, что вы пытаетесь генерировать новые знания и стремитесь к прорывам. Скорее, гораздо большее значение имеют привлекательность пользователей, доходы и прибыль. Возможно также патенты. Арбитром успеха является не ваш коллега, а ваш покупатель.

Как управлять переходом?

Для вас я построю здесь - https://medium.com/@chrisarmbruster в ближайшие недели мост от науки к науке о данных. Вы также поймете, что значит перейти по мосту. Кроме того, я предоставлю вам дорожную карту, как добраться до моста.

Однако, если вы хотите лично увидеть строительство моста, пожалуйста, поработайте с нами, чтобы организовать мастерскую в ближайшем к вам месте. Мы базируемся в Европе, но рассмотрим возможность вылететь к вам в Америку, Африку или Азию.