Kirill Eremenko

作为教育工作者,没有什么比帮助我们的学生在数据科学中找到自己的道路更令人愉快的了。几个月前,我们向所有社区成员发送了一份调查,询问他们对开始数据科学职业生涯的担忧。

我们收到了1000多份回复!在将它们分为共同主题时,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!)

Data Science A-Z™:包括现实生活中的数据科学练习

2021年9月

  • 217次讲座
  • 各级
4.6 (30,422)

通过真实的分析实例一步一步地学习数据科学。数据挖掘,建模,Tableau可视化和更多!|作者:Kirill Eremenko, Ligency Team

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商业“为什么”的答案。

为了得出结论,我们需要了解这个领域实际上是什么。数据科学包括与数据有关的一切。当你考虑到数据无处不在的时候,这可能听起来很宽泛,但它就是这样。

曾几何时,数据科学只能作为其他领域的一个组成部分。多年来,这些领域发展了自己的算法、方法和社区,这些领域使用数据来回答业务问题。但当数据驱动一切时,一门学科的出现只是时间问题。

它已经出现了:这个领域已经经历了严重的增长,正如我们从谷歌趋势搜索词“数据科学”的结果中所看到的:

你自己试试吧. 与所有优秀的数据科学工具一样,您可以过滤您的结果(这里,根据时间、地点、主题类别)。

由于该原则可以应用于任何有数据的地方,并且其原则增加了价值,因此我们可以对业务运营方式产生重大影响。

结束:

我们需要数据科学

我在数据科学领域需要做什么?

随着数据科学变得越来越明显,许多人已经注意到了这个领域,但他们仍然对如何访问它感到困惑。好消息是,这是一个非常新的主题,目前还没有进入这个行业的“标准”方式。

Hadelin de Ponteves和我通过不同的途径成为了数据科学领域的企业家,所以你可能会在我们的故事中发现你自己:

哈德林·德蓬特维斯

哈德林在高中时开始了他的数据科学之旅,当时他对数学产生了热情。在选择大学学位时,哈德琳很自然地选择了数学。在完成他的本科学位时,哈德林认为他还没有完成这门学科,所以他攻读了数学硕士学位。

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。

研究结束后不久,Hadelin被谷歌收购,在谷歌的商业智能部门担任数据科学家。在谷歌这样的大型企业集团工作给了他在深度学习方面不可估量的经验。但他的目标一直是成为一名企业家,因此Hadelin决定是时候开始为下一代数据科学家制作在线课程了。

他成功的真正关键是什么?哈德林发誓每天吃一大块巧克力!吃大量的巧克力不会让你变成下一个哈德林,但我们从中得到的是让你感到快乐和充满活力。数据科学之旅需要献身精神和技能:途中不要忘记善待自己。

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!

这种早期对逻辑的兴趣吸引了我在大学里学习物理。虽然我很喜欢这门课程,它给了我一些可以在其他地方应用的基础知识,但我在大学毕业后没有继续学习,因为它会把我限制在一个领域。

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?

我发现在德勤工作是对专业服务公司如何运作的有趣研究,并能够学习如何在数据科学方面出类拔萃。

虽然德勤可能是许多想进入这个行业的人的金鹅,但不要只瞄准最大牌的公司。我在那里有过非常棒的经历,不是因为它是一家知名的跨国公司,而是因为他们允许我应用我的知识,提高我的技能。这是任何一个刚进入这个行业的人都需要做到的——发展的机会。只要选择一个行业,探索其中的许多类型的公司。

这就是我在下一份工作中想要的:在我学到的东西的基础上创造和发展。当我被一家养老基金猎头时,他们让我从头开始发展他们的数据科学部门,设计一种方法来帮助其组织在他们的数据上合作,并提供一种不同的客户体验方法。

我在那里工作很愉快,但这让我渴望为他自己工作。一旦他觉得自己准备好了,并且积累了足够的经验,我就跳进了创业领域,开始开设数据科学课程。

结束:

数据科学没有单一的途径,所以世界就是你的牡蛎。对我们来说,关键是要确保你在教育和经验之间取得平衡,从而在行业中获得知识和信心,但在何处以及如何获得这些知识和经验则取决于你自己。

从别人的经验中寻找知识,尽可能多地阅读,与你想去的地方的人交往,在努力实现你自己的数据科学目标的同时享受乐趣!

我怎样才能证明我的工作是可靠的?

随着数据呈指数级增长,我们理所当然地需要更多的数据科学家来开发能够处理数据的工具。这可能让我们相信,从事数据科学的职业不会受到自动化的影响。

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,数据科学家会被他们自己的算法取代吗?

Hadelin和我已经和DataRobot的首席执行官Jeremy Achin讨论过这个问题。Achin和他的团队已经创建了一个自助式ML平台,任何人都可以上传数据供机器处理。这些机器人几乎不是最基本的。它们不仅可以让您从输入的数据中获得见解,还可以帮助您了解需要解决的特定问题。DataRobot是众多自动化数据分析的公司之一。必威中文官网

我们知道这个领域的发展方向,我们不想卖给你任何虚假的梦想,如果你成为一名数据科学家,你的工作将100%安全。保持领先的方法是理解,虽然数据机器人确实可能会淘汰数字运算器,但数据科学也依赖于人们想出新的方法来捕获、存储和处理信息。

机器可能能够更快地完成任务,甚至能够识别任务的最佳解决方案,但它(还)无法为数据科学项目设计出全新的方法。

想想看——是遵循规则来获得结果更难,还是想出全新的方法来实现它们更难?

现在进入这个领域是将自己提升到一个不做“有风险”任务的水平的最佳时机,这样可以保护你免受自动化的威胁。因此,我们能给出的最好建议是专注于增强你的创造力。

对于未来职业的更多必威中文官网洞察,只有一条真正的建议可以遵循:保持好奇心,保持饥饿感,尽可能多地学习。尽管数据浪潮正以这种方式发展,但我们不想让您惊慌,它带来了数百个令人激动的新机会。你只需要做好准备,最好的方法就是马上开始!

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。

我应该什么时候开始学习数据科学?

考虑到这一领域还处于起步阶段,一些人想知道是否最好等到它长大后再动手。如果你读过前面的观点,你应该知道我们对这个问题的回答:没有时间比得上现在。

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,只能效仿。

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。定量紧缩,一份由数据科学领导者IBM委托编写的燃烧玻璃技术报告指出:

据IBM称,到2020年,美国所有数据专业人员的就业机会将增加364000个,达到272000个。

如果我们认为美国的人口接近4亿,这将意味着今年超过一半的美国人口将处于数据科学领域。数据科学工作通常持续45天,这“比市场平均水平长5天”(Burning Glass Technologies,2017)。这意味着公司填补这些职位的难度要高出10%,这告诉我们,目前没有相关人员。

那你还在等什么?无论你是在教育领域还是在实践领域,现在就尽可能地进入这个领域,确保你是未来社区的一份子。

结束:

有很多方法可以开始,而你今天就可以开始:为什么不参加一门课程,拿几本好书,成为一名实习生,用真实世界的数据集练习,或者在公民科学项目中帮忙?即使你在这一阶段“只是”学习自己,你仍然可以将自己留在游戏和社区中。如果你只是在等待时机,那就不要。公司在找你,他们愿意付给你一大笔钱。

数据科学顶级课程

数据科学与业务分析的统计数据
365职业,365职业团队
4.6 (25577)
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 (8,348)
数据科学与机器学习(理论+项目)A-Z 90小时
人工智能科学,人工智能科学团队
4.4 (136)
数据科学课程2021:完成数据科学训练营
365职业,365职业团队
4.6 (97054)
畅销书
R编程A-Z™: R为数据科学提供真实的练习!
基里尔·埃雷门科,光明队
4.6 (42,560)
畅销书
机器学习,数据科学与Python的深度学习
圣道格教育由弗兰克凯恩,弗兰克凯恩,圣道格教育团队
4.7 (25,842)
数据科学与机器学习训练器与r
何塞Portilla
4.7 (13745)
最高评级
R编程:数据科学R中的高级分析
基里尔·埃雷门科,光明队
4.7 (7,333)
完成2020年数据科学与机器学习训练营
philip Muellauer, Angela Yu博士
4.6 (3,549)
数据科学职业指南-面试准备
何塞Portilla
4.6 (2,096)
畅销书
机器学习实践训练| 8个真实世界项目
Ryan Ahmed博士,博士,MBA,Mitchell Bouchard,Ligency团队
4.6 (1,087)

更多数据科学课程

数据科学学生也会学习

让你的团队。领导行业。

使用Udemy for Business订阅您所在组织的在线课程和数字学习工具库。

请求演示

Kirill Eremenko的课程

Data Science A-Z™:包括现实生活中的数据科学练习
基里尔·埃雷门科,光明队
4.6 (30,422)
图表访谈问答:数据科学职业图表
基里尔·埃雷门科,光明队
4.2 (440)
R编程A-Z™: R为数据科学提供真实的练习!
基里尔·埃雷门科,光明队
4.6 (42,560)
畅销书
R编程:数据科学R中的高级分析
基里尔·埃雷门科,光明队
4.7 (7,333)
Python A-Z™: Python数据科学与真实练习!
基里尔·埃雷门科,光明队
4.7 (21820)
Tableau 2020 A-Z:数据科学的实践Tableau培训
基里尔·埃雷门科,光明队
4.6 (70,970)
畅销书
Tableau 20高级培训:数据科学Tableau硕士
基里尔·埃雷门科,光明队
4.7 (13536)
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 (150,746)
畅销书
Power BI A-Z:DOULDS-ON POWER BI培训数据科学!
基里尔·埃雷门科,光明队
4.5 (16872)
数据科学的色彩A-Z:数据可视化色彩理论
基里尔·埃雷门科,帕特里卡·安吉丽卡·杰列涅维奇,宗教团队
4.5 (957)
畅销书
深度学习A-Z™:实践人工神经网络
Kirill Eremenko, Hadelin de Ponteves, Ligency Team
4.6 (38,262)
畅销书
商业分析和数据科学统计A-Z™
基里尔·埃雷门科,光明队
4.6 (8,893)

Kirill Eremenko的课程