콘텐츠
- 교육 기반 구축 : 3 가지 기본 팁
- 코스 이상 : 두 가지 팁
- 버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
- 도구 상자에서 어떤 도구를 꺼내야하는지 알기 : 곡선을 벗어나기위한 팁
- 필수 소프트 기술 : 또 다른 6 가지 팁
- 데이터 다스
출처 : Artinspiring / Dreamstime.com
테이크 아웃 :
데이터 과학자에게는 분명히 강력한 수학 및 코딩 기술이 필요하지만 의사 소통 및 기타 소프트 기술도 성공에 필수적입니다.
데이터 과학자는 Glassdoor에서 미국에서 2019 년 최고의 직업으로 선정되었습니다. 평균 기본급이 $ 108,000이고 직업 만족도는 5 점 만점에 4.3이며, 상당히 많은 개원이 예상된다는 것은 놀라운 일이 아닙니다. 문제는이 직무에 자격이 되려면 어떻게해야합니까?
이를 알아보기 위해이 경력을 쌓고 자하는 사람들에게 제공되는 조언을 찾았습니다. 코딩과 수학의 어려운 기술이 많이 있습니다. 그러나 그 강력한 계산만으로는 그것을 자르지 않습니다. 성공적인 데이터 과학자는 비즈니스 용어와 관련하여 소프트 스킬 및 리더십과 관련된 기능을 요구할 수 있어야합니다. 데이터 과학자의 의무에 대한 자세한 내용은 직무 역할 : 데이터 과학자를 참조하십시오.
교육 기반 구축 : 3 가지 기본 팁
NYC Data Science Academy의 데이터 과학자 인 Drace Zhan은 코딩 및 수학 능력의 필수 요소를 포함한 교육 기반의 필요성을 강조합니다.
- R / Python + SQL. 코딩 기술이 없다면이 적자를 강화하기 위해 많은 네트워킹 능력과 다른 영역이 필요합니다. 수학이 약하고 도메인 경험이 거의없는 데이터 과학자를 보았지만 항상 코딩 능력이 뛰어났습니다. 파이썬은 이상적이지만 R은 훌륭한 대체 도구입니다. 무기고에 둘 다있는 것이 가장 좋습니다. SQL은 또한 데이터 분석가에게 매우 중요합니다.
- 강력한 수학 능력. 일반화 된 선형 모델, 의사 결정 트리, K- 평균 및 통계 테스트와 같이 일반적으로 사용되는 몇 가지 방법을 잘 이해하는 것이 RNN과 같은 다양한 모델 또는 전문화에 대한 광범위한 그림을 갖는 것보다 낫습니다.
일부 전문가는 추가하지만 핵심 기술은 기본 기술입니다. 예를 들어 KDnuggets 목록에는 Zhan이 언급 한 코딩 구성 요소가 포함되어 있으며 Hadoop 플랫폼 Apache Spark, 데이터 시각화, 비정형 데이터, 기계 학습 및 AI를 포함하여 기술적 인 측면에서 알아야 할 다른 유용한 사항이 추가되었습니다.
그러나 Kaggle 설문 조사에 의해 실제 생활에서 사용되는 가장 일반적으로 사용되는 도구에 대한 설문 조사에서 단서를 얻으면 다소 다른 결과를 얻습니다. 아래 상위 15 개 선택 항목의 그래프에서 볼 수 있듯이 Python, R 및 SQL은 상위 3 개를 쉽게 만들 수 있지만 네 번째는 Jupyter 노트북, TensorFlow, Amazon Web Services, Unix 셸, Tableau, C / C ++, NoSQL , MATLAB / Octave 및 Java 모두 하둡 및 스파크보다 앞서 있습니다. 사람들을 놀라게 할 또 하나의 추가 사항은 Microsoft의 Excel 데이터 마이닝입니다.
Kaggle의 이미지 제공
KD 너겟 목록에는 공식 교육에 관한 팁도 포함되어 있습니다. 대부분의 데이터 과학자는 고급 학위를 가지고 있습니다. 46 %는 박사 학위를, 88 %는 석사 학위를 소지하고 있습니다. 그들이 가지고있는 학부 학위는 일반적으로 관련 영역으로 나뉩니다. 약 3 분의 1은 수학과 통계에 있으며,이 경력 트랙에서 가장 인기가 있습니다. 다음으로 가장 인기있는 것은 컴퓨터 과학 학위이며 19 %, 공학은 16 %입니다. 물론, 데이터 과학에 특화된 기술 도구는 학위 프로그램이 아닌 전문 부트 캠프 나 온라인 코스를 통해 종종 연구됩니다.
코스 이상 : 두 가지 팁
Weill Cornell Medicine 폐학과의 연구 조교이며 NYC Data Science Academy의 학생 인 Hank Yun은 야심 찬 데이터 과학자들에게 그들이 할 일을 계획하고 멘토를 찾도록 조언합니다. 그는 말했다 :
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
코스를 수료하고 수료증을 받았기 때문에 데이터 과학을 알고 있다고 스스로 말함으로써 실수를 저 지르지 마십시오. 시작은 훌륭하지만 공부를 시작할 때 프로젝트를 염두에 두십시오. 그런 다음 현장에서 멘토를 찾아 즉시 열정 프로젝트를 시작하십시오! 당신이 신선 할 때, 당신은 당신이 모르는 것을 알지 못해서 누군가가 당신에게 중요한 것과 그렇지 않은 것을 안내해 줄 때 도움이됩니다. 당신은 그것을 보여주기 위해 아무것도 공부하지 않고 많은 시간을 보내고 싶지 않습니다!
도구 상자에서 어떤 도구를 꺼내야하는지 알기 : 곡선을 벗어나기위한 팁
데이터 과학 도구 순위의 불일치로 인해 일부는 무엇에 집중해야하는지에 대해 당황하게 느낄 수 있습니다. 보안 소프트웨어 회사 McAfee의 최고 데이터 과학자 인 Celeste Fralick은 CIO 기사에서 데이터 과학자의 필수 기술을 살펴보면서 다음과 같이 선언합니다. 언제 어떤 기술을 적용해야하는지 이해해야합니다.”즉, '실제 문제 일 때' '섹시하고 새로운'기술에 매혹되지 않는 것은 훨씬 더 많은 것을 요구합니다. "고객의 성숙도뿐만 아니라 생태계에 대한 계산 비용, 해석 가능성, 대기 시간, 대역폭 및 기타 시스템 경계 조건을 알고 있으면 데이터 과학자가 어떤 기술을 적용해야하는지 이해하는 데 도움이됩니다."
필수 소프트 기술 : 또 다른 6 가지 팁
Fralick이 제시하는 요점은 데이터 과학자가 요구하는 비 기술적 기술과 관련이 있습니다. 이것이 바로 KDnuggets 목록에 지적 호기심, 팀워크, 의사 소통 기술 및 비즈니스 통찰력의 네 가지가 포함됩니다. Zhan은 또한 데이터 과학자를위한 팁에 핵심 소프트 기술을 포함시켜 KDnuggets와 같은 "통신 기술"을 식별하지만 "비즈니스 통찰력"대신 "도메인 전문 기술"을 사용했습니다. 사업. 의사 소통 기술에 대한 자세한 내용은 기술 전문가의 의사 소통 기술의 중요성을 참조하십시오.
Olivia Parr-Rud는 창의력의 역할에 중점을 두어 더 부드러운 기술 두 가지를 추가하여 자신의 스핀을 제시했습니다.“나는 데이터 과학을 과학만큼이나 예술이라고 생각합니다. 뇌 양쪽의 강점. “많은 사람들이 주로 왼쪽 뇌를 사용하는 직업으로 데이터 과학에 대해 이야기합니다. 성공하기 위해서는 데이터 과학자들이 뇌 전체를 사용해야한다는 것을 알게되었습니다.”
그녀는 현장에서 발전하려면 기술 역량뿐만 아니라 창의성과 리더십에 필요한 비전이 필요하다고 설명했습니다.
대부분의 좌뇌 / 선형 작업을 자동화하거나 아웃소싱 할 수 있습니다. 데이터 과학자로서의 경쟁 우위를 제공하려면 뇌의 양쪽을 사용하여 패턴을 인식하고 대량의 정보를 합성 할 수 있어야합니다. 그리고 우리는 혁신적인 사상가 여야합니다. 최상의 결과 중 다수는 왼쪽과 오른쪽 뇌의 통합으로 인해 발생합니다.
그녀는 또한 비전을 명확하게 전달하는 것이 필수적인 이유를 강조했습니다.
데이터 과학자로서, 우리의 목표는 데이터를 사용하여 고객의 수익 증대를 돕는 것입니다. 대부분의 경영진은 우리가하는 일이나 수행 방식을 이해하지 못합니다. 따라서 우리는 지도자처럼 생각하고 이해 관계자가 이해하고 신뢰하는 언어로 우리의 연구 결과와 권고 사항을 전달해야합니다.
데이터 다스
핵심 팁에는 창의성과 리더십에 대한 적성과 같은 정량화 할 수없는 특성뿐만 아니라 많은 수의 기술 도구, 기술 및 기능이 통합되어 있습니다. 궁극적으로, 그것은 단지 숫자 게임이 아닙니다. 데이터 과학은 진공 상태에서 모델을 만드는 것이 아니라 비즈니스의 실제 문제를 해결하기위한 실용적인 응용 프로그램을 제공하기 때문에 현장에서 성공하는 사람들은 기술을 습득 할뿐만 아니라 비즈니스 영역을 알고 요구 사항을 이해해야합니다. 직장에서 팀의 다양한 구성원.