Kirill Eremenko.

作为教育者,没有更高的快乐,而不是帮助我们的学生在数据科学中找到他们的方式。几个月前,我们向所有社区成员发出了一项调查,向他们询问他们在开始数据科学事业方面的担忧。

我们收到了超过1,000个回复!将其分组成共同主题,出现了以下问题:

我本来希望有机会在我的职业生涯的一端问这些问题。I’ll offer my best hacks for getting your foot in the door, give you a ton of ideas as to where you can look for jobs, and show how you can start in data science with zero experience (it’s not as impossible as you may think!)

数据科学A-Z™:包括现实数据科学练习

上次更新6月2021日

  • 217讲座
  • 各级
4.6 (29,851)

通过实际分析示例一步一步地学习数据科学。数据挖掘,建模,Tableau可视化等等!|由吉尔埃梅亨科,利历团队

探索课程

为什么我们需要数据科学?

我喜欢回答这个问题 - 数据科学家总是在寻找业务的“Whys”的答案。

要得出结论,我们需要了解该领域的实际情况。数据科学包含与数据有关的一切。当您考虑无处不在的数据是如何,这可能会很广泛,但这只是它的方式。

曾几何时,数据科学只能在其他字段中作为组件。多年来,这些领域开发了自己的算法,方法,以及与数据合作以回答业务问题的群体。但随着数据驱动所有内容,这只是一个纪律才能在自己的权利中出现的时间问题。

并出现它有:该领域经历了严重的增长,从我们可以从这些搜索词“数据科学”的结果上看起来谷歌趋势:

自己试试吧。与所有大型数据科学工具一样,您可以过滤结果(根据时间,位置,主题类别)过滤结果(此处。

由于该学科可以应用于具有数据的任何地方,并且作为其原则增加价值,我们可以对企业运营的方式产生重大影响。

结束:

我们需要数据科学

我需要在数据科学中工作什么?

随着数据科学变得更加明显,很多人都接受了该领域的通知,但他们仍然是他们如何访问它的态度。好消息是,这个主题是如此新的,尚未进入业界的“标准”。

哈德林德·庞特维斯和我采取不同的路线在数据科学中成为企业家,所以你可能会发现你在我们的一个故事中认识自己:

哈德琳德·庞特维斯

当他对数学的热情开发了高中时,Hadelin于高中开始了他的数据科学之旅。当它来选择大学学位时,Hadelin自然选择了数学。在完成他的本科学位后,哈德林决定他尚未结束这个主题,所以他在数学硕士学位。

这是哈德林的逻辑举动,然后在法国工程学学校学习。在那里,他在专业机器学习(ML)和应用数学之前,他深化了他对经济学,生物学,生物学,甚至哲学的一系列科目的了解。

为了加强他的投资组合,Hadelin还借此机会在法国优质电视有线电视频道,运河+实习,在那里他学会了财务和战略的绳索。最终,Hadelin想要的是在某处找到他可以继续他的教育,并将他的理论应用于业务。

在他的学习后不久,谷歌被谷歌抢购,他曾担任商业智能单位的数据科学家。在像谷歌这样的大规模集团工作,给了他在深度学习的不可估量的经历。但他的目标一直是成为一个企业家,所以哈德林决定是时候开始在下一代数据科学家制作在线课程。

他成功的真正关键?Hadelin每天都会发誓一块大巧克力巧克力!吃巧克力的山脉不会让你进入下一个哈德莱林,但我们的外卖是做什么让你感到快乐和充满活力。数据科学的旅程需要奉献和技巧:别忘了善待自己。

Kirill Eremenko.

我的故事开始第一次坐在棋盘上。我喜欢国际象棋,特别是游戏背后的逻辑和战略。我总是花了我的举动,因为我痴迷于分析每个可能的胜利可能性!

这种早期逻辑的兴趣是让我在大学的物理学。虽然我很喜欢这个主题,但它给了我一些基本面,我可以在其他地方申请,我没有在大学后继续使用它,因为它会限制我到一个地区。

此外,我始终表现出对以商业为导向的科目的兴趣,更广泛而多才多艺,无论可能发生什么。因此,我在会计和金融中进行了硕士学位。这两个科目都是基本作品,以积累创业可能的信心。

即便如此,我很谨慎 - 我知道要成功,我需要看别人如何做到这一点。为了获得这种知识,我申请了在德勤会计部门的工作,并且幸运能够得到工作。在我的第一天,德勤伴侣看着我的简历,并说我会非常适合他们的数据科学部 - 我是谁说不?

我发现为Deloitte工作了一个迷人的研究,进入专业服务公司如何运营,并且能够了解如何在数据科学中擅长的。

虽然德勤可能是许多人想要进入业界的金色鹅,但不要因为最大的名字而拍摄。我在那里度过了如此伟大的体验,不是因为它是一个着名的跨国公司,而是因为他们允许我申请我的知识并提高我的技能。这就是任何人为行业都需要擅长的东西 - 有机会发展。只需选择一个行业并探索其中的许多类型的公司。

这就是我的下一份工作所需的东西:创造和建立我所学到的东西。当我被养老基金引起初军时,他们让我让我从头开始发展他们的数据科学部门,设计一种帮助其组织在其数据上共同努力的方式,并为客户体验提供不同的方法。

我在那里工作了很大的时光,但这让我觉得为自己工作。一旦他觉得他准备好了并聚集了足够的经历,我跃入了企业家精神,开始创造了关于数据科学的Udemy课程。

结束:

没有一个到数据科学的路线,所以世界是你的牡蛎。对于我们而言,关键是确保您在教育和经验的平衡方面,以为知识渊博和对业界充满信心,但这取决于您到您的地址以及如何获取它们。

在其他人的经历中找到知识,尽可能多地阅读,与其他人一起参与您想要成为的人,同时在尝试实现自己的数据科学目标时!

我怎么能证明我的工作?

随着数据呈指数增长,它受到推理,我们需要更多的数据科学家来生产可以处理它的工具。这可能让我们认为数据科学的职业是安全的自动化。

然而,这不是整个故事 - 我们在生产工具时越好,以应对数据,我们制作自己的现场的自动化越多。有机器人可以处理整个数据科学过程,而无需人类互动。

那么,数据科学家会被自己的算法取代吗?

哈德琳和我已经用Datarobot首席执行官Jeremy Achin讨论了这项确切的事情。Achin和他的团队创建了一个自助式ML平台,任何人都可以上传他们的数据来处理机器。这些机器人几乎没有基本。它们允许您不仅从输入的数据中获得洞察,而且还必威中文官网可以获得需要解决方案的特定问题。DataRobot是自动化数据分析的众多公司之一。

我们知道该领域正在移动的方式,我们不想卖掉你任何虚假的梦想,如果你成为一个数据科学家,你的工作将是100%的安全。保持领先于游戏的方式是要了解,虽然数据机器人可能确实推出数字暗惊,但数据科学也依赖于梦想捕获,存储和处理信息的新方法。

一台机器可能能够更快地做事,甚至可以识别任务的最佳解决方案,但它不能(又一)设计了数据科学项目的完全新方法。

考虑一下 - 遵守规则更难遵守结果,或者锻炼完全新的途径来实现它们?

进入现场现在是将自己抵销的最佳时机,在您不做'处于风险的任务的水平,保护您免受自动化威胁。我们可以给出的最好建议是专注于加强创造力。

为了更多地洞察未来必威中文官网证明您的职业生涯,只有一个真正的建议可以遵循:保持自己好奇,让自己饿,尽可能多地学习。即使有数据潮汐波以这种方式移动,我们也不想闹脑,并且有数百个新的和令人兴奋的机会。你只需要准备好,最好的方式是立即开始!

结束:

机器人将变得更聪明,数据科学并不完全免于自动化。但我们还需要数据科学家了解这些机器人,机器人和算法的机制。他们的功能如何工作?他们怎样才能管理?我们如何为公司获得可行的输出?我们还需要思想家 - 可以承担机器能够减少处理的创造性任务的人。在早期进入游戏,当自动化开始发生时,您将成为前面的条纹。

我什么时候应该开始在数据科学中?

考虑到这个领域是在相对阶段,有些人想知道是否会在弄湿脚之前等待它。如果您阅读了前一点,您应该知道我们对此问题的答案:目前没有时间。

公司正在立即开始向其组织推出数据科学团队 - 即使是那些与科学无关的核心输出!我们生活在一个竞争激烈的世界中。Savvy公司了解到留在游戏中,他们需要一个数据科学团队,以获得洞察力的洞察力,为他们提供竞争优势的业务,确保他们不被驱逐出市场。必威中文官网

这意味着当一家公司开始使用数据科学时,其竞争对手将别无选择,只能遵循西装。

由于大多数公司现在正在创建数据科学团队,更多的机会将出现。兰嘎嘎嘎嘎,由数据科学领导人委托的燃烧玻璃技术报告IBM指出:

到2020年,根据IBM,所有美国数据专业人员的工作数量将增加364,000次开口为2,720,000。

如果我们认为美国人口接近4亿,这将有效意味着超过一半的美国人口将在今年的数据科学中!数据科学工作通常保持开放45天,这是“比市场平均值的五天”(燃烧玻璃技术,2017)。这意味着公司为填补这些角色而难以努力,这告诉我们人员目前不存在。

那你还在等什么?现在进入该领域,但您可以在教育或练习中,确保您成为未来社区的一部分。

结束:

有很多方法可以开始,你今天可以这样做:为什么不采取课程,抓住几本好书,成为实习生,与现实世界的数据集一起练习,或者在公民科学项目中帮助练习?即使你在这个阶段只是'唯一'教育自己,你也仍然在游戏和社区中保持自己。如果你只是俯视你的时间,请不要。公司正在寻找你,他们愿意为您提供一大笔钱。

数据科学的最佳课程

r编程:R族的高级分析用于数据科学
吉尔埃梅亨科,辉煌队
4.7 (7,069)
数据科学课程2021:完整的数据科学训练营
365职业,365名职业团队
4.5 (93,011)
畅销书
R编程A-Z™:R用于实际锻炼的数据科学!
吉尔埃梅亨科,辉煌队
4.6 (40,888)
畅销书
机器学习,数据科学与Python的深度学习
弗兰克凯恩,弗兰克凯恩的晒太惠教育
4.6 (25,185)
数据科学与业务分析的统计数据
365职业,365名职业团队
4.5 (23,081)
畅销书
完整的机器学习和数据科学训练营2021
andrei neage,丹尼尔博克
4.6 (7,411)
完成2020年数据科学与机器学习训练营
Philipp Muellauer,Angela Yu博士
4.6 (3,252)
数据科学职业指南 - 面试准备
何塞波罗拉
4.6 (2,018)
畅销书
机器学习实用锻炼|8个现实世界项目
Ryan Ahmed博士,博士,MBA,Mitchell Bouchard,Ligency团队
4.3 (990)
数据科学2021:完整的数据科学和机器学习
Jitesh Khurkhuriya,Python,数据科学与机器学习A-Z团队
4.6 (1,746)
数据科学A-Z™的职业
Kirill Eremenko,哈德林德·佩特维斯,Ligency团队
4.6 (2,141)
Python数据科学与熊猫:硕士12个高级项目
Alexander Hagmann.
4.5 (310)
畅销书

更多数据科学课程

数据科学生也会学习

赋予你的团队。引领行业。

通过Udemy为Business获取组织的在线课程和数字学习工具库的订阅。

请求演示

Kirill Eremenko的课程

数据科学A-Z™:包括现实数据科学练习
吉尔埃梅亨科,辉煌队
4.6 (29,849)
Tableau采访问答:数据科学事业的Tableau
吉尔埃梅亨科,辉煌队
4.1 (435)
R编程A-Z™:R用于实际锻炼的数据科学!
吉尔埃梅亨科,辉煌队
4.6 (40,873)
畅销书
r编程:R族的高级分析用于数据科学
吉尔埃梅亨科,辉煌队
4.7 (7,069)
Python A-Z™:用于数据科学的Python与真实练习!
吉尔埃梅亨科,辉煌队
4.6 (20,744)
Tableau 2020 A-Z:数据科学的实践Tableau培训
吉尔埃梅亨科,辉煌队
4.6 (66,584)
畅销书
Tableau 20高级培训:数据科学中的Tableau
吉尔埃梅亨科,辉煌队
4.7 (12,911)
收视率最高
机器学习A-Z™:Data Science的实践Python&R
Kirill Eremenko,Hadelin de Ponteves,SuperdAtcascence支持,Ligency团队
4.5 (146,760)
畅销书
Power BI A-Z:DOULDS-ON POWER BI培训数据科学!
吉尔埃梅亨科,辉煌队
4.5 (13,774)
数据科学的颜色A-Z:数据可视化颜色理论
Kirill Eremenko,Patrycja Angelika Jeleniewicz,Ligency团队
4.7 (918)
收视率最高
深度学习A-Z™:实践人工神经网络
Kirill Eremenko,哈德林德·佩特维斯,Ligency团队
4.5 (37,144)
畅销书
业务分析和数据科学A-Z™的统计数据
吉尔埃梅亨科,辉煌队
4.4 (8,531)

Kirill Eremenko的课程