Karriere Spotlight: Was ist Data Science?

Heutzutage sind "große Datenmengen", "Analysen" und dergleichen Trendthemen. Und das aus gutem Grund.

Bereits im Jahr 2012 nannte HBR den "Datenwissenschaftler" als "sexiest job des Jahrhunderts". "Aber was bringt Data Science wirklich mit sich? Und was noch wichtiger ist: Wie können Sie die Fähigkeiten erwerben, um sich als Datenwissenschaftler zu bezeichnen?

Was ist Datenwissenschaft?

Es waren einmal Datenwissenschaftler vor allem im akademischen Raum. Mit dem Aufkommen der Big-Data-Sammlung und dem Bedarf an Analysen sind Datenwissenschaftler nun in einer Vielzahl von Unternehmen und Branchen, kleinen und großen, sehr gefragt.

Data Science als Beruf umfasst eine Reihe von Fähigkeiten in Mathematik, Statistik und Computerprogrammierung. Es ist eine Industrie, die von Männern dominiert wird, Schätzungen von Frauen in der Datenwissenschaft liegen bei 10%.

Den Glassdoor zugeordneten durchschnittlichen Gehälter der Datenwissenschaftler beträgt $ 113, 436 (Anfang Februar, 2017). Betrachtet man die Vergütung allein, ist die Datenwissenschaft viel attraktiver als andere ähnliche Karrieren.

Fähigkeiten, die man braucht, um ein Data Scientist zu werden

Wie bei allen Jobs hängen die spezifischen Fähigkeiten, die benötigt werden, um Data Science-Positionen zu besetzen, vom jeweiligen Unternehmen ab.

Aber es gibt bestimmte Skillsets / Software-Tools, die konsistent bleiben.

• Statistische Programmiersprache, wie R und SAS
• Datenbankabfrage-Sprache wie SQL
• Grundlegende Statistiken wie statistische Tests, Verteilungen, Maximum-Likelihood-Schätzer und so weiter
• Maschinelle Lernmethoden wie k-Nearest Nachbarn, zufällige Wälder, Ensemble-Methoden usw.

• Multivariable Analysis und lineare Algebra
• Datenlogging und Entwicklung neuer Produkte, die datengesteuert sind
• Vertrautheit mit Hadoop-Plattformen
• Visualisierungswerkzeuge wie Flare, HighCharts oder AmCharts > Erfahren Sie mehr darüber, wie Sie ein Datenwissenschaftler werden und Fähigkeiten, die hier benötigt werden.

Wie man ein Datenwissenschaftler wird

Heutzutage gibt es drei Möglichkeiten, ein Datenwissenschaftler zu werden:

Selbststudium durch Programme wie Udacity

• Teilnahme an einem Data Science Boot Camp
• Abschluss Schule für einen Master-Abschluss
• Natürlich gibt es für jede Methode Vor- und Nachteile.

Selbststudium

Vorteile:

Bequem: kann in jeder Umgebung und in jedem Tempo auf eigene Faust durchgeführt werden

• Kostengünstig: Kosten zwischen 0 und 600 US-Dollar.
• Spart Zeit: Online-Kurse können innerhalb von 8-18 Monaten abgeschlossen werden.
• Contra:

Erhalten Sie nur ein Zertifikat nach Abschluss

• Keine Peer-to-Peer oder Lehrer-Schüler-Beteiligung
• Keine Unterstützung bei der Jobsuche
• Data Science Boot Camp

Vorteile:

Wenig Zeitaufwand: kann in 6 Wochen bis 3 Monaten abgeschlossen werden

• Relativ erschwinglich, zumindest im Vergleich zu einem Master-Abschluss (Bootcamps reichen von kostenlos - $ 16, 000)
• Ideal für alle, die etwas ändern wollen Karrieren schnell
• Viele Bootcamps bieten Unterstützung bei der Jobsuche nach Abschluss an
• Contra:

Erhalten Sie nur ein Portfolio von Projekten - keine "echte" Arbeitserfahrung

• Viel zu lernen in kurzer Zeit Zeit
• Kann bis zu 40 Stunden pro Woche Arbeit betragen (im Gegensatz zum Selbststudium, bei dem Sie in Ihrem eigenen Tempo arbeiten und trotzdem Teilzeit / Vollzeit arbeiten können)
• Master-Abschluss

Pro:

Diplom nach Abschluss

• Strukturiertes Lernen mit professionell ausgebildeten Lehrern
• Erfahrung aus der Praxis: Viele Programme beinhalten Praktika, die zu Erfahrung und Wissen beitragen
• Viel Zeit zu lernen und alle Informationen zu absorbieren
• Nachteile:

Teuer: könnte zwischen $ 20, 000- $ 70, 000 kosten - ohne Lebensunterhalt

• Zeitraubend: kann auch am längsten dauern (9-20 Monate)
• Weitere Informationen zum Abwägen der Vor- und Nachteile des Lernens von Data Science finden Sie in diesem Artikel.