Data videnskab færdigheder giver Bloomberg en konkurrencemæssig fordel
CTO John Edwards siger, at stærk AI evne hjælper virksomheden med at opbygge data-led-produkter til sine kunder.
Hvis du ønsker at give din tech karriere et skub, så har du sikkert overvejet at få i data videnskab. Der har været en 56 procent stigning i nye job i USA i de seneste år, i henhold til LinkedIn. Så, hvordan kan du komme ind i data videnskab? Fem eksperter, der talte ved den seneste Store Data World begivenhed i London, levere deres bedste-praksis-tips.
1. Har et kig på gratis online-kurser…
Richard Freeman, emnedata og machine-learning ingeniør på fundraising specialist JustGiving, siger, at der er betydelige buzz omkring området af data videnskab. Han rådgiver alle interesserede, DET eller erhvervsfolk til at fuske i nogle af de gratis uddannelse platforme på nettet.
“Forskellen mellem nu, og når jeg gjorde mit Ph.d., er der mere information. I gamle dage, ville du nødt til at gå gennem et kursus – fx med en person, som IBM – og du vil få upskilled på den måde. Nu, kurserne er gratis,” siger han.
Freeman siger, at alle typer af mennesker, der er ivrige efter at udvikle data-videnskab og færdigheder. Disse individer er ikke blot kandidater. Fagfolk i eksisterende job fra en traditionel forretning baggrund ønsker også at få løftet.
“Folk ved, at dette område er meget spændende – de tror, som Harvard Business Review tyder på, at det er det mest sexede job i det enogtyvende århundrede. På internettet, der er flere kurser på platforme som Coursera og Udemy end nogensinde før,” siger han.
2. …men udvikler sig dybde til at opnå en konkurrencemæssig fordel
Alejandro Saucedo, chef videnskabsmand ved UK-baserede tænketank Institute for Etiske AI & Machine Learning, siger den første ting potentielle data, at forskerne burde forstå, er, at data videnskab er nok ikke så sexede som de tror. Det er også sandsynligt, at være sværere at lære end de kan opfatte.
“Data videnskab er ikke så let som bare at hoppe på en Coursera session – du vil ikke blive en ekspert. Det mest vigtige ting at forstå er, at du har brug for dybde, ikke kun bredde – du er nødt til at specialisere sig,” siger Saucedo.
Han siger, at den jobtitel ‘videnskabsmand’ er dårligt defineret og kan betyde mange ting, fra en analytiker i et felt, der forstår forretning målinger til en person, der rent faktisk kan bygge kode og udtrække viden fra data.
SE: Sensoren vil virksomheden: IoT, ML, og big data (ZDNet særlige rapport) | Download rapporten som PDF (TechRepublic)
Saucedo siger, at nogle data forskere går dybere ind drift, herunder dem, der lære at justere analytics engine Apache Gnist i detaljer. Hvis du er interesseret i at komme ind i data videnskab, du bliver nødt til at specialisere sig i sidste ende, også.
“Få en bred forståelse og prøve forskellige områder, for at finde ud af, hvad der virker bedst for dig. Må ikke gå ind i noget du hader. Har taget initiativ til at blive mere end bare en ren data videnskabsmand. Bare det at være i stand til at arbejde i en specifik lodret er ikke længere nok,” siger Saucedo.
3. Få dine hænder beskidte af at arbejde med kode
Mohammad Shokoohi-Yekta, der var indtil for nylig en senior data scientist hos Apple, og som nu underviser på et kursus på Stanford University, der kaldes “En Introduktion til Data Videnskab’, rådgiver kandidater til at begynde at arbejde med kode så hurtigt som muligt.
“For folk, der ikke har meget baggrund i dette område, den første ting, jeg altid anbefale at få dine hænder beskidte på kode. Vænne sig til problemløsning og kodning, hvis du ønsker at lære at anvende data videnskab,” siger han.
Shokoohi-Yekta siger data videnskab er et varmt emne. Hans vej er den mest populære på Stanford lige nu, med 500 mennesker på venteliste hvert kvartal. Dem, der er interesseret i data videnskab anerkender også, at der er masser af jobmuligheder. Men at lære teorien af data videnskab er netop udgangspunktet.
SE: jobbeskrivelse: Data videnskabsmand (Tech Pro Forskning)
“Det er mere end at få viden om begreber, der kigger på nogle slides, og tænker du ved hvad machine learning handler om. Vores kursus på Stanford dækker 50 procent begreber, og den anden halvdel handler om at få dine hænder beskidte på kode, specielt i R og Python,” siger Shokoohi-Yekta.
“Hvis du tænker på at få gang i data videnskab, bør du helt sikkert være meget komfortabel med kode og anvendelse af data videnskab, snarere end at være teoretisk.”
4. Sørg for, at du har en stærk forretningsmæssig forståelse
Claus Bentsen, administrerende direktør ved farmaceutiske gigant Astra Zeneca, udlejer data forskere for sin organisation, og er enig i, at den hands-on komponent er afgørende, når man ser på kandidaterne. Han rådgiver folk ivrige efter at komme ind på området for at arbejde på projekter, uanset om det er på egen hånd, at studere, eller som en del af en virksomhed miljø.
“Du har masser af mennesker, der kan tale, men vi bringer mennesker gennem vores screening processer, og vi teste dem for at sikre, at de virkelig kan løse problemer. Det er, hvordan vi sorterer de vindere fra tabere,” siger Bentsen.
SE: Hvordan man gennemfører AI og machine learning (ZDNet særlige rapport) | Download rapporten som PDF (TechRepublic)
Astra Zeneca også tog interne medarbejdere til at blive data-forskere. Bentsen siger, at det kan være svært at tage folk med generiske matematik, machine-learning og data-videnskabelige færdigheder, og skub dem ind i de forskellige områder af den farmaceutiske virksomhed. Så, vil virksomheden ofte drejer tilgang omkring og i stedet ser ud til at overgangen mennesker, der har en generel virksomhedernes kendskab til data videnskab.
“Den forretningsmæssige forståelse er meget vigtig, når det kommer til problem-løsning,” siger Bentsen. “Vi har folk, der har arbejdet i erhvervslivet, og som vi overgangen til data videnskab færdigheder gennem forskellige uddannelsesprogrammer. Og igen, vi får de mennesker til at arbejde på rigtige problemer.”
5. Opret en stor portefølje af erfaring
Krish Panesar, CTO hos specialist Diabetes Digitale Medier (DDM), siger den centrale element, der vil få dig ind i data videnskab, er erfaring. “Uanset om det er derhjemme eller i en virksomhed – det betyder ikke så meget hvor. Få nogle erfaringer og få en portefølje,” siger han.
Andre eksperter peger på, at det giver mening at slutte sig Tableau Offentlige, som er en gratis service, der lader alle udgive interaktive data visualiseringer til internettet. Denne service giver data for forskere til at dele deres arbejde med de berørte parter – og en portefølje i Tableau Offentlige ofte ses som et væsentligt aktiv for data-manipulation jobsøgende.
SE: Funktion sammenligning: Data analytics-software og-tjenester (Tech Pro Forskning)
Panesar, der var leder af machine learning på DDM, før de bliver CTO sidste år, siger, at der har været mange lejligheder, hvor hans organisation har fundet machine-learning ansøgere, der er uden portefølje.
“Det er temmelig chokerende. Hvis du starter på dette område, får dit hoved omkring det grundlæggende og få dit hoved omkring støbeskeen, for produktionen og den generelle oversigt over trinene i denne pipeline,” siger Panesar.
“Og hvis du er på udkig for at få løftet, eller hvis du har en moderat erfaring niveauer, jeg vil helt sikkert kigge på, picking en bestemt del af produktionen og har specialiseret sig i dette område.”
TIDLIGERE OG RELATEREDE DÆKNING
IT-strategi: at Lære fra eksperimenter med nye teknologier
Det kan være svært at finde den rigtige pasform til nye teknologier; det betyder ikke, at det er forkert at afprøve nye ideer.
Flytte over HR: Hvorfor tech tager sig af virksomhedens kultur
Som virksomheder, der er opslugt af forandring, måske teknikere kan hjælpe personalet gøre følelse af det hele.
Hvad er en CIO? Alt, hvad du behøver at vide om den Chief Information Officer forklarede
Hvad betyder en CIO gøre, og hvordan de relaterer sig til KAMPAGNEN, og CDO? Alt hvad du behøver at vide om den rolle, CIO.
Formel 1: Hvordan hurtigere adgang til data, er at give dette hold kanten
Opbevaring automatisering og big data hjælper Mercedes F1 træffe bedre beslutninger hurtigere.
IT-strategi: Sådan holder du dit bedste medarbejdere glade og motiverede
CIO Strategier: at sikre, at dine bedste medarbejdere bliver hængende handler om mere end blot penge.
Data forskernes løn nedgang for første gang siden 2016 (TechRepublic)
En ny rapport viser en 1,4% nedgang i løn for data forskere. Karen Roby samtaler med en Glassdoor analytiker om årsagerne bag dip.
Facial anerkendelse: Apple, Amazon, Google og løb for dit ansigt (CNET)
Ansigtsgenkendelse teknologi er både innovative og bekymrende. Her er hvordan det virker og hvad du har brug for at vide.
Relaterede Emner:
Big Data Analytics
Digital Transformation
Innovation
Thought Leadership
Tech-Branchen