Data vetenskap kompetens ger Direkt en konkurrensfördel
CTO Shawn Edwards säger att stark AI förmåga hjälper företaget att bygga data-led-produkter för sina kunder.
Om du vill ge ditt tech karriär ett uppsving, så har du förmodligen ansett att få in data vetenskap. Det har varit en 56-procentig ökning av lediga jobb i USA under det senaste året, enligt LinkedIn. Så, hur kan du få in data vetenskap? Fem experter från industrin, som talade vid den senaste Stora Data Världen händelse i London, ger sina bästa praxis tips.
1. Titta på gratis online-kurser…
Richard Freeman, leda data-och maskin-lärande ingenjör på fundraising specialist JustGiving, säger att det finns betydande buzz runt området för data vetenskap. Han rekommenderar alla intresserade att DET eller affärsmän att plaska i några av de gratis utbildning plattformar online.
“Skillnaden mellan nu och när jag gjorde min doktorsavhandling, är att det finns mer information. I gamla dagar, skulle du behöva gå igenom en utbildning – till exempel med någon som IBM – och du skulle få upskilled på det sättet. Nu är kurserna gratis, säger han.
Freeman säger alla typer av människor är angelägna om att utveckla data-vetenskap kompetens. Dessa individer är inte bara akademiker. Proffs i befintliga arbetstillfällen från en traditionell verksamhet i bakgrunden också vill fortbilda.
“Människor vet detta område är mycket spännande – de tror, som Harvard Business Review visar, att det är det sexigaste jobbet i det tjugoförsta århundradet. På internet, det finns fler kurser på plattformar som Coursera och Udemy än någonsin tidigare”, säger han.
2. …men för att utveckla djup för att få en konkurrensfördel
Alejandro Saucedo, chief scientist på UK-baserade thinktank Institutet för Etiska AI & Machine Learning, säger den första prospektiva data forskare bör förstå är att data vetenskap är nog inte så sexiga som de tror. Det är också sannolikt att vara svårare att lära sig än vad de kan uppfatta.
“Data vetenskap är inte så enkelt som att bara hoppa på en Coursera-session – du kommer inte att bli en expert. Det viktigaste att förstå är att du behöver djupet, inte bara på bredden – du behöver för att specialisera sig, säger Saucedo.
Han säger att jobbet rubriken “data scientist” är dåligt definierad och kan betyda många olika saker, från en analytiker i ett område som förstår affärer mått till någon som faktiskt kan bygga kod och extrahera informationen från data.
SE: Sensor skulle enterprise: IoT, ML, big data och (ZDNet särskild rapport) | Ladda ner rapporten som en PDF (TechRepublic)
Saucedo säger vissa uppgifter forskare gå djupare in i verksamheten, inklusive de som lär sig att justera analytics-motor Apache Spark i detalj. Om du är intresserad av att få in data vetenskap, måste du specialisera sig så småningom också.
“Få en bred förståelse och prova olika områden för att ta reda på vad som fungerar bäst för dig. Gå inte in i något du hatar. Ha initiativet till att bli mer än bara en ren data scientist. Bara att kunna arbeta i en, specifika vertikala räcker inte längre, säger Saucedo.
3. Få händerna smutsiga av att arbeta med kod
Mohammad Shokoohi-Yekta, som var tills nyligen en ledande data scientist på Apple, och som nu undervisar i en kurs på Stanford University som kallas “En Introduktion till Data-Vetenskap’, råd kandidater för att börja arbeta med kod så snabbt som möjligt.
“För människor som inte har så mycket bakgrund i detta område, den första sak som jag alltid rekommenderar är att få händerna smutsiga på koden. Får användas till problemlösning och kodning om du vill lära dig att tillämpa data vetenskap, säger han.
Shokoohi-Yekta säger data vetenskap är ett hett ämne. Hans kurs är den mest populära på Stanford just nu, med 500 personer på väntelistan varje kvartal. De som är intresserade av data vetenskapen erkänner också att det finns massor av jobbmöjligheter. Men att lära sig teorin för data vetenskap är bara början.
SE: Arbete beskrivning: Data scientist (Tech Pro Forskning)
“Det är mer än att få kunskap om begrepp, titta på några bilder, och tro att du vet vad lärande handlar om. Vår kurs på Stanford täcker 50 procent av begrepp och den andra hälften handlar om att få händerna smutsiga på koden, speciellt i R och Python, säger Shokoohi-Yekta.
“Om du funderar på att komma igång i data-vetenskap, bör du definitivt att vara mycket bekväm med kod och tillämpa data vetenskap, snarare än teoretiska.”
4. Se till att du har en stark förståelse
Claus Bentsen, verkställande direktör vid farmaceutiska jätten Astra Zeneca, hyr data forskare för sin organisation och håller med om att det händer-den komponent som är avgörande när man tittar på kandidater. Han ger råd till människor angelägna om att komma in i fältet för att jobba med projekt, oavsett om det är på din egen, som studerar, eller som en del av en verksamhet miljö.
“Du har massor av människor som kan prata, men vi föra människor genom vår screening processer och vi testar dem för att se till att de verkligen kan lösa problem. Det är hur vi sorterar vinnare från förlorare, säger Bentsen.
SE: Hur man ska genomföra AI och maskininlärning (ZDNet särskild rapport) | Ladda ner rapporten som en PDF (TechRepublic)
Astra Zeneca även tåg interna personalen att bli data forskare. Bentsen säger att det kan vara svårt att ta människor med generiska matematik, maskin-utbildning och data-vetenskap kompetens och tryck in dem i olika områden inom läkemedelsbranschen. Så, fast ofta snurrar strategi runt och i stället ser att övergången människor som har en allmän företags medvetenhet i data-vetenskap.
“Förståelse är mycket viktig när det gäller att lösa problem, säger Bentsen. “Vi har människor som har arbetat i verksamheten och som vi övergången till data vetenskap kunskaperna genom olika utbildningsprogram. Och igen, vi få dessa människor att arbeta med verkliga problem.”
5. Skapa en stor portfölj av erfarenhet
Krish Panesar, CTO på specialist-Diabetes Digitala Medier (DDM), säger den centrala faktor som kommer att få dig i data-vetenskap är en upplevelse. “Oavsett om det är hemma eller i ett företag – det spelar egentligen ingen roll var. Få lite erfarenhet och få en portfölj”, säger han.
Andra experter menar att det är vettigt att gå med i Tablån Allmänheten, som är en kostnadsfri tjänst som låter vem som helst publicera interaktiva data visualiseringar till webben. Denna tjänst gör att data forskare till att dela sitt arbete med berörda parter, och en portfölj i Tablån Allmänheten är ofta ses som en viktig tillgång för data-manipulera arbetssökande.
SE: jämförelse av funktioner: Data analytics programvara och tjänster (Tech Pro Forskning)
Panesar, som var chef för maskininlärning på DDM innan de blir CTO förra året, säger att det har varit många tillfällen där hans organisation har stött machine-learning sökande som inte har portfölj.
“Det är ganska chockerande. Om du är en starter i detta område, få huvudet runt grunderna och få huvudet runt ledningen för produktion och allmän översikt av stegen i pipeline, säger Panesar.
“Och om du letar efter för att fortbilda, eller om du har begränsad erfarenhet nivåer, jag skulle definitivt titta på att plocka en specifik del av produktionslinjen och som specialiserat sig på detta område.”
TIDIGARE OCH RELATERADE TÄCKNING
IT-strategi: Lära sig från experiment med nya tekniker
Det kan vara svårt att hitta rätt passform för ny teknik; det betyder inte att det är fel att testa nya idéer.
Flytta över HR: Varför tech är att ta ansvar för företagets kultur
Som företag är uppslukad av förändring, kanske datanörd som kan hjälpa personalen vettigt av det hela.
Vad är en CIO? Allt du behöver veta om Chief Information Officer förklarade
Vad gör en CIO göra och hur de förhåller sig till CTO och CDO? Allt du behöver veta om rollen som CIO.
Formel 1: Hur snabbare tillgång till data är att ge denna grupp kanten
Automatisk lagring och big data hjälper till Mercedes F1-fatta bättre beslut snabbare.
IT-strategi: Hur till hålla din bästa personalen glad och motiverad
CIO Strategier: att se till Att din bästa personal att hålla sig handlar om mer än bara pengar.
Data för forskare lägre löner för första gången sedan 2016 (TechRepublic)
En färsk rapport visar att 1,4 procent nedgång i lön för data forskare. Karen Roby samtal med en Glassdoor analytiker om orsakerna bakom dopp.
Ansiktsigenkänning: Apple, Amazon, Google och loppet för ditt ansikte (CNET)
Tekniken för ansiktsigenkänning är både innovativa och oroande. Här är hur det fungerar och vad du behöver veta.
Relaterade Ämnen:
Big Data Analytics
Digital Omvandling
Innovation
Trodde Ledarskap
Tech-Industrin