Admissibilité : je ne connais pas votre technologie/domaine/domaine de travail actuel, mais je vous dis certainement que si vous souhaitez changer de carrière dans la science des données, vous devez apprendre divers cours (beaucoup d’analyse quantitative, un peu de programmation, statistiques et bonnes pratiques de communication dans ce nouveau domaine).
Science des données = Statistiques + Mathématiques + CS + Connaissance du domaine + Excellentes compétences en communication
Rôle : Data Scientist évangéliser et créer des produits alimentés par les données qui aident nos clients à améliorer les résultats. Il creuse et devient un expert sur l’un des ensembles de données de l’industrie et du domaine. Il fournit des informations sur les principales pratiques analytiques, conçoit et dirige des cycles d’apprentissage et de développement itératifs, et produit finalement des solutions analytiques nouvelles et créatives.
Il travaille avec les membres de l’équipe interfonctionnelle pour identifier et hiérarchiser les informations exploitables et à fort impact dans une variété de domaines d’activité clés. Il dirige des initiatives d’analyse qui sont exploitées dans l’ensemble des solutions pour l’industrie. Il recherche, conçoit, met en œuvre et valide des algorithmes de pointe pour analyser diverses sources de données afin d’obtenir des résultats ciblés.
Il fournit une expertise sur les concepts mathématiques à l’ensemble de l’équipe d’analyse appliquée et inspire l’adoption d’analyses avancées et de la science des données dans l’ensemble des organisations.
La science des données est sans aucun doute en train de devenir l’une des compétences les plus demandées dans un secteur en évolution rapide. Dans tous les principaux secteurs, les recruteurs sont à la recherche de professionnels axés sur les données et capables d’analyser les données pour générer des informations exploitables pour l’entreprise. La demande croissante semble être sans fin, le monde devant faire face à une pénurie d’au moins un demi-million de scientifiques des données d’ici 2025. Par conséquent, l’apprentissage de la science des données pourrait être votre chance pour une carrière prometteuse.
Maintenant, il existe de nombreuses façons d’apprendre la science des données – vous pouvez vous inscrire dans une université, opter pour un Boo
Continuer la lecture
La science des données est sans aucun doute en train de devenir l’une des compétences les plus demandées dans un secteur en évolution rapide. Dans tous les principaux secteurs, les recruteurs sont à la recherche de professionnels axés sur les données et capables d’analyser les données pour générer des informations exploitables pour l’entreprise. La demande croissante semble être sans fin, le monde devant faire face à une pénurie d’au moins un demi-million de scientifiques des données d’ici 2025. Par conséquent, l’apprentissage de la science des données pourrait être votre chance pour une carrière prometteuse.
Il existe désormais de nombreuses façons d’apprendre la science des données – vous pouvez vous inscrire dans une université, opter pour un programme Bootcamp ou même vous essayer à des cours en ligne de courte durée proposés par des organisations et des plateformes indépendantes. Cependant, avant de passer à la partie où vous commencez à comparer les cours et à prendre un appel, laissez-nous d’abord comprendre quelles sont toutes les compétences que vous devez acquérir.
Comprendre les compétences à acquérir
Devenir un professionnel de la science des données est plus facile à dire qu’à faire. Il y a beaucoup de compétences que vous auriez besoin d’ajouter à votre sac afin de vous qualifier en tant que data scientist. Mais pour commencer, il y a trois compétences techniques absolument nécessaires que vous devez apprendre –
- Un langage de programmation comme Python ou R pour utiliser les ensembles de données (je recommande Python). S’il s’agit de votre première expérience avec un langage de programmation, je vous recommande fortement de commencer par Python.
- Pour le traitement et la manipulation des données, SQL
- Un peu de machine learning et les fondamentaux des statistiques. Afin de bien comprendre et de comprendre le fonctionnement de l’écosystème de données, je vous recommande de réviser vos bases de statistiques et d’apprendre un peu d’apprentissage automatique (pas nécessaire si vous vous inscrivez à un cours universitaire ou à un Bootcamp à part entière).
Opter pour le bon cours
La recherche du bon cours vous embrouillera encore plus – surtout si vous êtes débutant et n’avez aucune idée de ce qui vous convient. Comme je l’ai mentionné plus tôt, vous trouverez peut-être des centaines de plateformes proposant des Bootcamp et des cours de courte durée. Mon conseil – allez vous inscrire à un cours offert par une université. Apprendre dans un environnement de classe et travailler avec des pairs va sûrement susciter en vous un passionné de données.
Cependant, si vous n’êtes pas à l’aise avec les programmes à temps plein, vous pouvez sûrement opter pour des cours en ligne à temps partiel proposés par les universités, offrant des résultats de carrière similaires.
Étant donné que j’ai vu plusieurs étudiants devenir des professionnels des données à succès avec ces programmes spécialisés, je recommande fortement les programmes de diplôme et de diplôme accrédités par l’université de LEARNXT dans le domaine des sciences des données. Actuellement, la plateforme propose trois cours –
- MBA en science des données
- MSc en science des données appliquées
- Diplôme PG en science des données appliquées
L’un des principaux avantages de choisir LEARNXT est son offre d’apprentissage hybride – vous pouvez choisir le programme d’apprentissage à temps partiel du week-end si vous n’êtes pas à l’aise avec le programme à temps plein. En dehors de cela, voici quelques autres avantages –
- Vous êtes enseigné par les meilleurs professeurs des IIT et des universités mondiales réputées
- Plus de 50% du temps est consacré à des projets et des missions
- Accès à vie au didacticiel sur la plate-forme basée sur l’IA StudyNxt
- Accès aux services du portail carrière CareerNxt
Développer les compétences essentielles (non techniques)
L’acquisition de compétences techniques est cruciale pour devenir un data scientist à l’avenir. Cependant, vous devez accorder autant d’importance à l’affinement de votre esprit critique, à vos capacités de résolution de problèmes qu’à l’attention portée aux détails. Jouant avec des ensembles de données où même une seule position décimale pourrait avoir des impacts énormes, vous devez être attentif, rapide et rationnel dans votre approche. Je ne vous demande pas d’actionner un interrupteur car ces compétences prennent du temps, mais commencez à les travailler pendant que vous ajoutez des compétences techniques à votre sac.
Bien pratiquer et s’engager
Dernier point mais non le moindre, PRATIQUE. Pratiquez autant que vous le pouvez, car la science des données n’est pas une compétence que vous pouvez tirer des livres – elle ne peut être acquise et améliorée qu’avec le temps lorsque vous pratiquez. Le cours que vous choisissez vous exposera sûrement à des défis de données du monde réel, mais de temps en temps, vous pouvez vous rendre sur des plateformes comme Kaggle et consulter leurs forums pour travailler sur les derniers problèmes et perfectionner vos compétences en matière de gestion des données.
Tout le meilleur pour votre parcours d’apprentissage et votre avenir en tant que data scientist !
On m’a posé cette question plusieurs fois au cours des derniers mois. En fait, au moment où j’écris cette réponse, c’est arrivé juste aujourd’hui. Il n’y a pas de réponse simple à votre question car il existe de nombreux types d’emplois de data scientist et le concept même de « data scientist » est en constante évolution.
La façon dont je définis le scientifique des données (et la façon dont vous me verrez utiliser le terme tout au long de mes blogs) est quelqu’un qui a fait ses preuves dans la résolution de problèmes difficiles/non triviaux avec de grandes quantités de données désordonnées à l’aide d’outils logiciels comme Hadoop, Spark, Hive , Cochon etc… Ils savent comment concevoir un co
Continuer la lecture
On m’a posé cette question plusieurs fois au cours des derniers mois. En fait, au moment où j’écris cette réponse, c’est arrivé juste aujourd’hui. Il n’y a pas de réponse simple à votre question car il existe de nombreux types d’emplois de data scientist et le concept même de « data scientist » est en constante évolution.
La façon dont je définis le scientifique des données (et la façon dont vous me verrez utiliser le terme tout au long de mes blogs) est quelqu’un qui a fait ses preuves dans la résolution de problèmes difficiles/non triviaux avec de grandes quantités de données désordonnées à l’aide d’outils logiciels comme Hadoop, Spark, Hive , Pig etc… Ils savent concevoir une architecture de collection pour des quantités massives de données. Ils savent comment écrire des tâches Map Reduce personnalisées en Java (et probablement en Python et R). Ils comprennent la différence entre le réglage de l’exécution, l’optimisation des requêtes et l’architecture d’entreprise.
En bref, je ne pense pas que quiconque puisse devenir data scientist sans passer au moins plusieurs années à travailler avec de nombreux ensembles de données volumineux/désordonnés. Cela prend-il 5 ans ? 10 années? Je ne suis pas sûr – mais même si vous travaillez pour une entreprise établie qui utilise déjà Hadoop en production, ils ne vous considéreront probablement pas comme un “data scientist” tant que vous n’aurez pas eu suffisamment de formation pour développer des compétences/connaissances uniques. ou résoudre vous-même des problèmes difficiles. Mon conseil est donc le suivant : choisissez un gros problème compliqué et passez trois mois à créer une solution personnalisée pour le résoudre. Cela vous donnera une expérience réelle qui montrera aux employeurs que vous pouvez vous appeler un scientifique des données.
Il y a beaucoup d’informations sur Internet sur la façon de résoudre des problèmes particuliers de science des données (voir ici pour un exemple), mais très peu sur la façon de devenir un praticien efficace. J’adorerais que plus de gens écrivent sur leurs propres expériences – à la fois des succès ET des échecs – parce que ce genre de chose peut vraiment aider les débutants en leur montrant où ils devraient concentrer leur temps et leur énergie au début. Vous n’avez pas besoin d’argent ou de compétences particulières – tout ce dont vous avez besoin est de la patience et de la curiosité.
Si vous souhaitez devenir un data scientist professionnel, voici mon conseil : choisissez un problème gros/obscur qui vous intéresse vraiment et essayez de le résoudre en utilisant vos propres outils logiciels (Hadoop, Spark etc…). Blog sur le processus – en commençant par la question à laquelle vous essayez de répondre jusqu’à la façon dont vous avez créé votre carte pour réduire les tâches. Soyez amusant/divertissant et utilisez beaucoup de visuels. Cela donnera non seulement aux autres quelque chose à lire lorsqu’ils rechercheront de l’aide en ligne, mais cela montrera également aux autres scientifiques des données que vous savez ce que vous faites lorsqu’ils voient votre travail ! Chaque fois que je reçois un vote positif sur StackOverflow ou que quelqu’un laisse un commentaire disant “wow, c’est vraiment utile !” Je sais que je suis sur le point de devenir data scientist.
Les data scientists et les data analysts ne sont pas interchangeables, mais ils ont un objectif commun : tirer des enseignements des données.
Bien que leurs compétences se chevauchent (à bien des égards, les scientifiques des données sont des analystes avancés), les scientifiques des données auront généralement un ensemble de compétences plus large et plus approfondie, en particulier en ce qui concerne leur sens des affaires. Ils auront des connaissances techniques dont un analyste n’aura pas nécessairement besoin au quotidien, telles qu’une connaissance approfondie de Hadoop, de la modélisation statistique avancée et de l’apprentissage automatique.
Analyste de données vs Data Scientist : quelle est la solution idéale pour votre projet ? aide à expliquer les différences
Continuer la lecture
Les data scientists et les data analysts ne sont pas interchangeables, mais ils ont un objectif commun : tirer des enseignements des données.
Bien que leurs compétences se chevauchent (à bien des égards, les scientifiques des données sont des analystes avancés), les scientifiques des données auront généralement un ensemble de compétences plus large et plus approfondie, en particulier en ce qui concerne leur sens des affaires. Ils auront des connaissances techniques dont un analyste n’aura pas nécessairement besoin au quotidien, telles qu’une connaissance approfondie de Hadoop, de la modélisation statistique avancée et de l’apprentissage automatique.
Analyste de données vs Data Scientist : quelle est la solution idéale pour votre projet ? aide à expliquer la différence. Voici quelques-uns des points clés :
Analystes de données
Les analystes de données prennent des données connues et glanent des informations exploitables et trouvent des réponses aux questions spécifiques que vous vous posez sur vos données. Par exemple, un analyste de données peut analyser les données de santé ou de voyage pour aider des entreprises comme les hôpitaux ou les compagnies aériennes à mieux fonctionner et à offrir un meilleur service aux clients. Certaines des tâches qu’un analyste de données peut effectuer sont les suivantes :
- Nettoyer et trier les données
- Découvrez de nouveaux modèles et corrélations
- Trouvez des informations exploitables et regroupez-les pour une utilisation professionnelle
- Utilisez des visualisations et des tableaux de bord interactifs pour présenter les résultats
- Interroger les données pour répondre à des besoins spécifiques
- Créer des rapports pour les principales parties prenantes
Lorsqu’il s’agit de données non structurées, les analystes peuvent travailler avec un spécialiste des données ou un ingénieur de données pour obtenir de l’aide pour extraire de nouveaux ensembles de données à analyser.
Scientifiques des données
Les scientifiques des données ont un ensemble de compétences plus large et plus approfondie, en particulier en ce qui concerne leur sens des affaires. Ces professionnels créent des algorithmes et des modèles que les entreprises utilisent pour prédire les ventes futures, prendre des décisions critiques ou lancer des produits. Ils sont capables de faire plus avec des données plus complexes. Les tâches d’un data scientist peuvent inclure les suivantes :
- Extraction de grandes quantités de données structurées ou non structurées
- Entreposage de données
- Programmation avancée, avec R, SQL, Python, MatLab et SAS
- Modélisation statistique
- Développer des modèles d’apprentissage automatique et d’analyse prédictive
- Travailler avec l’écosystème Hadoop, y compris Hive et Pig
- Formuler des questions et hypothèses commerciales importantes, puis tester la validité avec des mathématiques et des statistiques
La grande différence réside dans la capacité d’un data scientist à travailler avec des données plus complexes et non structurées, comme des données que votre entreprise ne comprend pas actuellement ou avec lesquelles elle ne peut pas travailler car elles proviennent de plusieurs sources déconnectées. Si un analyste travaille principalement avec vos « données connues », un scientifique des données est équipé pour travailler avec toutes les données de votre entreprise qui ne sont pas connues ou actuellement comprises.
Réponse courte : Oui !
Réponse plus longue :
j’ai parcouru rapidement l’article fourni par Sukesh et bien que toutes les compétences mentionnées soient absolument nécessaires, l’article prend également quelques raccourcis.
« Si vous apprenez toutes ces technologies, vous pouvez commencer votre carrière en tant que Data Scientist »
Oui, savoir travailler avec les différentes technologies sera une base importante sur laquelle vous pourrez vous appuyer, mais à mon humble avis, c’est là que commence le véritable apprentissage. Appliquer les bases que vous avez apprises à des cas d’utilisation réels est infiniment plus difficile que d’apprendre comment fonctionnent les technologies. Tous les cours sur et
Continuer la lecture
Réponse courte : Oui !
Réponse plus longue :
j’ai parcouru rapidement l’article fourni par Sukesh et bien que toutes les compétences mentionnées soient absolument nécessaires, l’article prend également quelques raccourcis.
« Si vous apprenez toutes ces technologies, vous pouvez commencer votre carrière en tant que Data Scientist »
Oui, savoir travailler avec les différentes technologies sera une base importante sur laquelle vous pourrez vous appuyer, mais à mon humble avis, c’est là que commence le véritable apprentissage. Appliquer les bases que vous avez apprises à des cas d’utilisation réels est infiniment plus difficile que d’apprendre comment fonctionnent les technologies. Tous les cours en ligne et hors ligne qui vous promettent de faire de vous un data scientist en 12, 15, 30 jours, quels que soient les jours qui mentent. Je pense cependant qu’ils peuvent vous fournir un aperçu rapide et bon de ce qui existe. Je pense que cela peut être un bon point de départ, mais examinez les cours proposés par une université ou une entreprise de renom.
J’ai eu la chance d’avoir passé les 5 dernières années dans un environnement académique pendant mon doctorat, ce qui m’a permis d’apprendre beaucoup sur la science des données. Mes deux centimes? Apprenez également en recherchant un scientifique des données prêt à vous montrer des choses, à vous guider, à vous enseigner et à vous suivre, à les mettre en pratique à votre rythme. Essayez-vous aux nombreux défis d’ensemble de données qui existent (par exemple, Yelp Dataset).
Enfin, et c’est surtout une affaire personnelle, mais je ne crois pas qu’il existe un « data scientist full-stack ». J’ai rencontré de nombreux data scientists et il existe de nombreux profils différents. J’aime cet article qui en décrit quelques-uns (rien de scientifique, mais il vous donne une idée de ce qui existe): 7 types de profils de poste de data scientist
C’est donc possible tout seul, mais très difficile. Je vous suggère de tendre la main, de commencer petit et de partir de là ! J’espère que cela vous aidera un peu et bonne chance!
Salut:
Permettez-moi de répondre à cette question en trois parties.
Est-ce possible ?
Absolument. À mon avis, vous pouvez absolument travailler à domicile ou à distance en tant que scientifique des données, car tout le travail se déroule sur votre système ou sur un système distribué auquel vous pouvez accéder à distance.
Qui permet cela ?
- Startups avec pas assez d’espace de bureau pour tous les employés ou essayant de maintenir les coûts bas lors du démarrage. Vous pouvez trouver de nombreuses entreprises de ce type dans la région de la baie.
- Les grandes entreprises (comme IBM) qui ont une empreinte mondiale et des technologies de pointe le permettent à leurs employés.
- Si quelqu’un vous embauche en tant que pigiste ou entrepreneur et y
Continuer la lecture
Salut:
Permettez-moi de répondre à cette question en trois parties.
Est-ce possible ?
Absolument. À mon avis, vous pouvez absolument travailler à domicile ou à distance en tant que scientifique des données, car tout le travail se déroule sur votre système ou sur un système distribué auquel vous pouvez accéder à distance.
Qui permet cela ?
- Startups avec pas assez d’espace de bureau pour tous les employés ou essayant de maintenir les coûts bas lors du démarrage. Vous pouvez trouver de nombreuses entreprises de ce type dans la région de la baie.
- Les grandes entreprises (comme IBM) qui ont une empreinte mondiale et des technologies de pointe le permettent à leurs employés.
- Si quelqu’un vous embauche en tant que pigiste ou entrepreneur et que votre évaluation de performance / paiement est lié à un résultat très bien défini et à un calendrier associé.
etc.
Y a-t-il des mises en garde-
- « Hors de la vue, hors de l’esprit » – vous devrez faire des efforts supplémentaires pour maintenir votre visibilité
- Auto-motivation – il n’y a personne pour regarder par-dessus votre épaule, vous devez donc être motivé ou vous prendrez du retard
- Apprentissage et développement de carrière – L’absence de lien étroit/de camaraderie avec l’ensemble de l’équipe signifie que les possibilités d’apprentissage en cours d’emploi sont limitées.
- Communication – vous devrez trop communiquer pour compenser le fait de ne pas être physiquement disponible dans la même pièce
- Équilibre travail-vie personnelle : pouvez-vous séparer votre vie professionnelle et votre vie privée lorsque vous travaillez à distance ?
J’espère que cela t’aides.
À votre santé!
Merci d’avance pour vos votes positifs. Ils me font avancer ! Merci!
Avis de non-responsabilité : les opinions exprimées ici sont uniquement celles de l’écrivain à titre privé.
*Copié de mes autres réponses*
La science des données est un vaste concept. Il y a tellement de termes inventés avec ce titre. Laissez-moi vous expliquer avec le diagramme de Venn :
Comme vous pouvez le voir, vous devez avoir une connaissance des mathématiques, des statistiques, de la connaissance des langages de programmation et d’autres éléments essentiels de l’informatique, de l’apprentissage automatique fortement basé sur les mathématiques ainsi que de certaines matières de l’informatique.
L’expertise du domaine viendra lorsque vous aurez un diplôme ou une spécialisation spécifique. Tout comme Economist traitera plus efficacement les données économiques, les actuaires traiteront plus efficacement les données d’assurance. Ne pas str
Continuer la lecture
*Copié de mes autres réponses*
La science des données est un vaste concept. Il y a tellement de termes inventés avec ce titre. Laissez-moi vous expliquer avec le diagramme de Venn :
Comme vous pouvez le voir, vous devez avoir une connaissance des mathématiques, des statistiques, de la connaissance des langages de programmation et d’autres éléments essentiels de l’informatique, de l’apprentissage automatique fortement basé sur les mathématiques ainsi que de certaines matières de l’informatique.
L’expertise du domaine viendra lorsque vous aurez un diplôme ou une spécialisation spécifique. Tout comme Economist traitera plus efficacement les données économiques, les actuaires traiteront plus efficacement les données d’assurance. Ne vous stressez pas sur ces expertises de domaine. Parce que si vous êtes susceptible de travailler sur ces données, votre entreprise vous fournira la formation.
Maintenant, quel diplôme devriez-vous l’avoir?
N’importe quel diplôme est acceptable tant que vous travaillez et que vous travaillez avec des nombres.
Les ingénieurs, en particulier CS/IT, ont-ils un avantage pour la science des données ?
Oui, ils ont un avantage ici car leur éducation est une combinaison de mathématiques et de tous les concepts informatiques.
Diplôme d’études en science des données (Meilleur choix):
- Ingénieur
- Mathématiciens ou tout diplôme en mathématiques
- Statisticiens ou tout diplôme en statistique
- Économiste
- Actuaires
- MBA
- Licence de commerce
Ne soyez pas triste si vous ne faites pas partie du groupe de personnes mentionné ci-dessus. N’importe quel diplôme convient, mais ce que je suggère, c’est d’avoir des connaissances sur les prérequis en science des données.
Vous n’avez pas besoin de doctorat ici, un baccalauréat fera votre travail.
Si vous avez un doute, n’hésitez pas à demander.
Cela dépend évidemment des pays. À mon avis, c’est un travail très bien rémunéré.
A titre d’exemple, j’ai entendu dire qu’aux USA, les Data Scientist sont très bien payés : environ 100k$ pour un Data Scientist d’entrée de gamme dans une grande entreprise, probablement environ 80k$ dans les moyennes et petites entreprises.
En France, où je travaille pour le moment, les Data Scientist sont moins payés mais les études sont beaucoup moins chères. Comme dit le proverbe : vous en gagnez, vous en perdez.
Je prévois de déménager aux États-Unis ou au Royaume-Uni sur le long terme.
[Edit 6-6-2015]
Comme promis, voici quelques références :
- Selon PayScale, le salaire médian fo
Continuer la lecture
Cela dépend évidemment des pays. À mon avis, c’est un travail très bien rémunéré.
A titre d’exemple, j’ai entendu dire qu’aux USA, les Data Scientist sont très bien payés : environ 100k$ pour un Data Scientist d’entrée de gamme dans une grande entreprise, probablement environ 80k$ dans les moyennes et petites entreprises.
En France, où je travaille pour le moment, les Data Scientist sont moins payés mais les études sont beaucoup moins chères. Comme dit le proverbe : vous en gagnez, vous en perdez.
Je prévois de déménager aux États-Unis ou au Royaume-Uni sur le long terme.
[Edit 6-6-2015]
Comme promis, voici quelques références :
- Selon PayScale, le salaire médian d’un Data Scientist aux États-Unis pour 2015 est de 93 967 $.
- Selon itjobswatch, le salaire médian d’un Data Scientist au Royaume-Uni pour 2015 est de 57 500 £ (soit environ 86 250 $ selon le taux de change actuel de Google)
- Selon courriercadres, le salaire moyen d’un Data Scientist en France pour 2015 est d’environ 60K€ (soit environ 66K$ selon le taux de change actuel de Google)
De plus, Data Scientist peut obtenir des primes de performance, des actions, des stock-options et de nombreux autres moyens de rémunération supplémentaires. Le salaire moyen donne une idée approximative, sans plus.
[/Éditer]
Si vous voulez aller plus loin, vous pouvez lire mes autres réponses connexes :
- La réponse de Yassine Alouini à Si les data scientists sont si demandés, pourquoi ne sont-ils pas mieux payés ?
- La réponse de Yassine Alouini à Que peut créer un data scientist en 1 heure, 1 jour, 1 semaine ou 1 mois ? A quels problèmes peuvent-ils s’attaquer ? Quels outils utiliseraient-ils ?
Sources:
- USA : Data Scientist, IT Salaire
- Royaume-Uni : Emplois de Data Scientist
- France : Salaire : les Data Scientist gagnent entre 50 000 et 70 000 euros par an
Avis de non-responsabilité :
- Ces sources sont juste là pour donner une idée approximative et pour comparer entre les pays. Les salaires pourraient changer à l’avenir et varier entre les différents secteurs et niveaux d’expérience.
- Les taux de change sont extraits du service google finance pour la date du 6-6-2015
Fondamentalement, je n’avais pas l’intention de le devenir, mais finalement la situation m’a fait.
J’étais dans une start-up basée sur des produits, où j’ai rejoint en tant qu’ingénieur logiciel, puis j’ai travaillé sur le front-end du produit. J’ai commencé à m’intéresser aux aspects commerciaux de ce produit. aspects commerciaux, alors maintenant je suis devenu développeur d’intelligence d’affaires en me salissant les mains sur des outils de visualisation comme tableau, Qlik sense et comme d’habitude la construction de programmation de Jsp, jquery, json avec des concepts d’entreposage de données.
Plus tard, j’ai dû servir un magasin de détail pour
Continuer la lecture
Fondamentalement, je n’avais pas l’intention de le devenir, mais finalement la situation m’a fait.
J’étais dans une start-up basée sur des produits, où j’ai rejoint en tant qu’ingénieur logiciel, puis j’ai travaillé sur le front-end du produit. J’ai commencé à m’intéresser aux aspects commerciaux de ce produit. aspects commerciaux, alors maintenant je suis devenu développeur d’intelligence d’affaires en me salissant les mains sur des outils de visualisation comme tableau, Qlik sense et comme d’habitude la construction de programmation de Jsp, jquery, json avec des concepts d’entreposage de données.
Plus tard, j’ai dû desservir un magasin de détail pour une analyse prédictive. Voici donc le cache d’apprentissage automatique. De nouvelles choses pour moi, l’entreprise et j’ai dû y faire face. donc commencé avec le langage python pour la science des données. Sa construction largement utilisée avec R pour tous les ML, AI ..
Parallèlement à cela, j’ai suivi un cours de coursera et quelques vidéos gratuites en ligne sur l’apprentissage automatique et la science des données. Avec l’entretien, ma desgination s’est finalement avérée être ingénieur de données ou analyste de données.
Et c’est ainsi que mon parcours d’ingénieur de données a commencé..Mais il reste encore beaucoup de chemin à parcourir.!!. Ce n’est qu’un début et je suis encore un bambin dans ce domaine.
Merci pour A2A.
En général, cela signifie mettre la main à la pâte. L’une des choses que j’ai trouvées les plus frustrantes lorsque j’apprenais Python était à quel point toutes les ressources d’apprentissage étaient génériques. Je voulais apprendre à créer des sites Web en utilisant Python, mais il semblait que chaque ressource d’apprentissage voulait que je passe 2 mois longs et ennuyeux sur la syntaxe Python avant même de pouvoir penser à faire ce qui m’intéressait.
Au fur et à mesure que vous apprenez les bases du codage, vous devriez commencer à créer des projets qui répondent à des questions intéressantes et mettent en valeur vos compétences en science des données. Les projets n’ont pas besoin d’être extrêmement complexes. Par exemple, vous pouvez analyser Su
Continuer la lecture
En général, cela signifie mettre la main à la pâte. L’une des choses que j’ai trouvées les plus frustrantes lorsque j’apprenais Python était à quel point toutes les ressources d’apprentissage étaient génériques. Je voulais apprendre à créer des sites Web en utilisant Python, mais il semblait que chaque ressource d’apprentissage voulait que je passe 2 mois longs et ennuyeux sur la syntaxe Python avant même de pouvoir penser à faire ce qui m’intéressait.
Au fur et à mesure que vous apprenez les bases du codage, vous devriez commencer à créer des projets qui répondent à des questions intéressantes et mettent en valeur vos compétences en science des données. Les projets n’ont pas besoin d’être extrêmement complexes. Par exemple, vous pouvez analyser les gagnants du Super Bowl pour trouver des modèles. La clé est de trouver des ensembles de données intéressants, de poser des questions sur les données, puis de répondre à ces questions avec du code. Si vous avez besoin d’aide pour trouver des ensembles de données, consultez cet article pour une bonne liste d’endroits où les trouver.
Lorsque vous construisez des projets, n’oubliez pas que :
- La plupart des travaux de science des données sont le nettoyage des données.
- Tout le monde commence quelque part. Même si vous avez l’impression que ce que vous faites n’est pas impressionnant, cela vaut quand même la peine d’y travailler.
Non seulement la création de projets vous aide à comprendre le travail réel de la science des données et à mettre en pratique vos compétences, mais elle vous aide également à créer un portefeuille à montrer aux employeurs potentiels. Voici quelques guides plus détaillés sur la construction de projets par vous-même :
- Raconter des histoires avec des données
- Projet d’apprentissage automatique
La science des données vous permet d’avoir un impact massif sur le monde tout en faisant un travail intéressant, comme l’apprentissage automatique. Vous devriez en profiter et faire de l’apprentissage une expérience pratique et agréable.
Avis de non-responsabilité : je suis le fondateur de Dataquest, où vous pouvez apprendre en écrivant du code, en travaillant avec des données et en créant des projets dans votre navigateur.
Hey! La meilleure façon de débuter dans la science des données serait d’acquérir les compétences et les techniques requises. Ceci peut être réalisé en utilisant des cours et des tutoriels en ligne, car ceux-ci sont pour la plupart offerts gratuitement. Ils fournissent souvent une certification qui est appréciée dans l’industrie. Une fois les compétences pertinentes acquises, on peut s’exercer sur des bases de données nouvelles et avancées et commencer à se connecter avec des recruteurs afin d’obtenir un bon poste.
Il existe ce site Web appelé « EdAuthority » qui fournit des informations et des critiques sur les opportunités de carrière et d’apprentissage en science des données. J’espère que cela t’aides 🙂
La question la plus posée concernant Quel est le rôle et l’éligibilité du data scientist ? :
- Dans quelle mesure-est-respectueux-et-réputé-un-emploi-d’un-maître-de-gare-dans-les-chemins-de-fer-indiens-par-comparé-aux-autres-ministères-gouvernementaux ?
- Quel-serait-le-salaire-minimum-d’un-ingénieur-en-cyber-sécurité-en-Inde ?
- Quelles-sont-les-carrières-les-plus-payantes-?
- Est-ce-qu’Arvind-Kejriwal-veut-une-Inde-sans-corruption-ou-utilise-t-il-ce-ci-comme-une-plate-forme-pour-accéder au pouvoir ?
- En tant que-chercheur-comment-avez-vous-façonné-votre-mode-de-vie-qui-a-stimulé-votre-concentration-énergétique-ce-qui-a-résulté-en-excellents-résultats-de-recherche ?
- Est-ce-une-bonne-idée-de-postuler-à-plusieurs-emplois-à-la-fois ?
- Qu’est-ce-que-l’approche-de-l’innovation-des-emplois-à-faire-?
- Quels-sont-les-domaines-les-mieux-payés-pour-les-ingénieurs-industriels-et-sur-quelle-spécialisation ?
- Ai-je-besoin-d’un-stage-pour-obtenir-mon-premier-emploi-en-data-science ?
- La-ville-de-l’Inde-du-Sud-est-Trivandrum-se-croît-elle-plus-rapidement-par rapport-aux-autres-villes-indiennes-Ma-famille-de-cousins-aimerait-relocaliser-des-EAU-vers-l’un-l’autre- Kochi-Trivandrum-ou-Bangalore ?
- Quel-est-le-travail-le-plus-facile-au-monde ?
- Comment-être-interviewé-pour-un-emploi-par-Bill-Gates-ou-Mark-Zuckerberg ?
- Quels-types-de-travaux-sont-faits-dans-les-émissions-de-voyage-tels-que-Travel-XP-Fox-Life-etc ?
- Quel-pourcentage-est-nécessaire-pour-les-emplois-gouvernementaux ?
- Est-ce-que-les-enfants-adoptés-ont-tendance-à-rechercher-leurs-parents-biologiques-quand-ils-grandissent-?
- Quel-type-d-emploi-les-ingénieurs-automobiles-obtiennent-ils-Pourquoi-les-ingénieurs-mécaniques-sont-ils-préférés-aux-ingénieurs-automobiles-dans-l-industrie-automobile ?
- Quels-cours-dois-je-faire-a-fin-d’obtenir-un-emploi-d’hôte-de-voyage-ou-d’animateur-d’émission-de-la-faune-avec-Fox-Traveller-and-TLC ?
- Est-ce-une-trahison-à-votre-organisation-actuelle-si-vous-recherchez-un-nouvel-emploi-tout-en-étant-encore-employé ?
- Quelles-sont-les-carrières-de-l’avenir ?
- Je-veux-vraiment-démissionner-de-mon-emploi-immédiatement-mais-je-n’ai-toujours-pas-le-choix-où-je-obtiendrai-mon-nouvel-emploi- Qu’est-ce que je dois faire?
- Quelles-sont-les-meilleures-excuses-pour-quitter-votre-emploi-immédiatement ?
- Quels-traits-autistes-vous-ont-vous-licencié-des-emplois ?
- Quel-chemin-de-carrière-est-le-meilleur-avenir-à-venir ?
- Pourquoi-personne-ne-me-donnera-un-emploi ?
- Quelles-sont-les-étapes-que-je-devrais-suivre-pour-obtenir-un-emploi-aux-Nations Unies ?
- Quel-code-devrais-je-apprendre-pour-obtenir-un-emploi-dans-Google ?
- Quels-types-d’emplois-aviez-vous-comme-adolescent ?
- Comment-un-enfant-trouve-son-père-biologique ?
- Quels-sont-les-meilleurs-emplois-de-travail-à-maison ?
- Pourquoi-Google-embauche-t-il-autant-de-personnes ?