Руководство по тому, как начать свою карьеру в области науки о данных из дома, от профессионального специалиста по данным, который учился в Интернете.

Оглавление

  1. Вступление
  2. Онлайн-курсы
  3. Онлайн-дипломы
  4. Внеклассные
  5. Резюме
  6. использованная литература

Вступление

В нескольких статьях подчеркивается, насколько сложно и надумано добиться успеха в области науки о данных с помощью онлайн-курсов или ученых степеней. Поскольку вы читаете эту статью, возможно, вы верите в самообучение и успех онлайн-обучения. Хотя наука о данных кажется перспективной областью, она существует гораздо дольше, чем многие думают. Подумайте о поисковой системе Google, которая использует обработку естественного языка (NLP), аспект науки о данных.

Науку о данных можно объединить с людьми, которые изучают и работают в области анализа данных, машинного обучения, искусственного интеллекта, инженерии данных, разработки программного обеспечения, статистики и AB-тестирования. Большинство, если не все эти области так или иначе коснулись науки о данных. Самая важная часть изучения науки о данных - это научиться решать проблемы. Основное отличие традиционной статистики от современной науки о данных - автоматизация. Допустим, вы выполняли регрессионный анализ в Excel или SAS в 2000-х годах, что изменилось сейчас? Теперь есть языки программирования, которым отдается приоритет при изучении науки о данных. Python, пожалуй, самый важный инструмент для автоматизации традиционной статистики. Вместе с Python есть несколько библиотек или пакетов, которые делают науку о данных немного проще и эффективнее - sklearn, numpy и pandas. Доказано, что они работают на аналогичных или точных принципах исследователей и ученых 1990-х годов, но теперь ускоряются для получения почти мгновенных результатов, выводов и прогнозов. Никогда лучше, чем сейчас, во время глобальной пандемии, когда офисы и учреждения закрыты, это было самое подходящее время для обучения в Интернете.

Ниже приведены несколько примеров того, как стать успешным специалистом в области науки о данных в Интернете - от профессионального специалиста по данным, который учился в Интернете.

Онлайн-курсы

Coursera [3] - онлайн-платформа, предлагающая обширные курсы и специализации, а также сертификаты. Этой программой управляет Университет Джона Хопкинса. Вы получите множество навыков, в том числе:

  • GitHub, машинное обучение, программирование на R, регрессионный анализ, наука о данных, Rstudio, анализ данных, отладка, манипулирование данными, регулярное выражение (REGEX), очистка данных и кластерный анализ.

Эта программа показывает, что около 43% людей начинают новую карьеру, а 19% получили повышение заработной платы или повышение по службе после завершения курсов. Предполагается, что для успешного завершения этого обучения примерно за 11 месяцев необходимо около 7 часов в неделю. Поскольку он находится в сети, он имеет 10 гибких специализаций, в том числе:

  • Набор инструментов специалиста по данным, R-программирование, получение и очистка данных, исследовательский анализ данных, повторное исследование, статистический вывод, регрессионные модели, практическое машинное обучение, разработка продуктов для обработки данных и Capstone Data Science Capstone.

Доступ к программе Coursera бесплатный - для чтения и просмотра содержания курса; Однако, если вы хотите получить справку о выполненных работах, вам придется заплатить (также есть финансовая помощь). После завершения этой специализации, одобренной преподавателями обучения и одобренной такими компаниями, как LinkedIn, Coursera - отличный способ начать свою карьеру в области науки о данных.

Удемы [4]. В то время как Coursera фокусируется в основном на одной центральной программе, Udemy предлагает широкий выбор курсов по науке о данных. От машинного обучения до Python, эти курсы дешевы и могут быть более специализированными. Преимущества Udemy включают:

  • бесконечные видео
  • статьи
  • загружаемые ресурсы
  • пожизненный доступ
  • доступ с мобильных устройств и телевидения
  • сертификат об окончании

Около 3 миллионов студентов научились у Udemy, будь то начало с нуля, повышение или переключение своей карьеры на науку о данных.

Метис [5]. Этот тренинг полностью посвящен науке о данных от Kaplan - авторитетного учреждения. Метис подчеркивает, что выпускники в восторге от этой платформы. В авторитетных компаниях и стартапах они доказали, что их ученики действительно добиваются успеха. Они работают в таких компаниях, как Facebook, Airbnb, IMB, Spotify, Apple и BuzzFeed. Чтобы использовать свою онлайн-платформу, а не очный учебный курс, у них есть программа под названием Live Online.

Преимущества этой программы:

  • учиться на авторитетных инструкциях по науке о данных
  • инструкция в реальном времени
  • взаимодействовать и сотрудничать с другими одноклассниками

Metis - это гибридный вариант, предлагающий онлайн-обучение; онлайн-буткемп, где обучение в кампусе не обязательно.

Онлайн-дипломы

Более дорогой вариант - традиционно получить степень в университете, но в современном смысле онлайн. Это может быть более рискованным подходом к варианту меньшего размера курса, поскольку вы, скорее всего, потратите тысячи долларов, но более профессионально рассматриваются в рабочей силе. Есть бесчисленное количество университетов, в основном со степенью магистра.

Наиболее полный список находится здесь [7]. Этот сайт включает в себя: лучшие школы, онлайн-программы, по штатам, связанные степени, карьеры, онлайн-курсы, ресурсы, учебные курсы и около 2U. Обязательно изучите свои варианты, потому что это вложение будет дороже, но может помочь вам в долгосрочной перспективе.

Моя история: Я учился в Южном методистском университете (SMU) [8] онлайн, со степенью магистра наук в области науки о данных. Мне очень понравилась эта программа. Обучаясь онлайн, я смог сохранить свою текущую работу и заниматься исследованиями по вечерам. Уроки были живыми, и вы могли объединить их все за один вечер или распределить на всю неделю. Я мог сотрудничать с одноклассниками со всего мира из разных слоев общества; разнообразие в программе было выдающимся. По сравнению с моими очными занятиями в бакалавриате я смог более эффективно применить большинство своих знаний, полученных в Интернете. Я начал свою официальную карьеру аналитика в Indeed, затем перешел в HomeAway (Vrbo) и теперь работаю в ScaleFactor в качестве специалиста по данным. Большую часть своего опыта я получил, обучаясь онлайн. Большинство студентов начинают с нуля в науке о данных, а некоторые не знают кодирования в этой программе. К окончанию курсовой работы в онлайн-университете карьера моего друга в большинстве случаев изменилась в лучшую сторону. Например, студенты перешли с должностей бухгалтерского учета или технической поддержки на специалистов по анализу данных, а я переключился с аналитической химии на науку о данных.

Внеклассные

Сообщество. У онлайн-обучения есть удивительно большое сообщество. Поскольку социальные сети развиваются и расширяются, существует несколько форм внеклассного обучения. Сейчас существует множество конференций по науке о данных, которые проводятся онлайн, а не лично. Некоторые из них записаны, и их также можно просмотреть в Интернете. Благодаря Zoom и другим платформам для конференций быть частью большого сообщества стало еще проще и доступнее.

Еще несколько методов обучения - это Skillshare и YouTube. Skillshare более персонализирован, чем традиционные онлайн-курсы, а на YouTube есть тысячи видеороликов от специалистов по данным, которые увлечены обучением широкому спектру навыков, будь то программирование на Python или R или преодоление разрыва между наукой о данных и производственным машинным обучением. с такими инструментами, как Airflow и GitHub.

Резюме

Все больше карьер начинается с онлайн-обучения, и наука о данных не является исключением. Поскольку работа на дому становится все более популярной, все больше внимания уделяется аккредитации или опыту работы в Интернете, что открывает новые уважаемые возможности для достижения успеха в онлайн-обучении. Я изучил почти все свои знания в области науки о данных онлайн, будь то из SMU, из некоторых видео на YouTube или даже из руководств по направлению «Наука о данных».

После прочтения моей статьи я надеюсь, что вы почувствуете мотивацию, позволяющую начать или улучшить свою карьеру в области науки о данных, не выходя из дома.

использованная литература

[1] Фото Victoria Heath на Unsplash, (2018)

[2] Фотография Lewis Keegan - Skillscouter.com на Unsplash, (2020)

[3] Coursera, (2020)

[4] Удэмы, (2020)

[5] Метис, (2020)

[6] Фото Хани Янибель Миная Круз на Unsplash, (2018)

[7] 2U, Inc., mastersindatascience, (2020).

[8] СМУ, (2020)