Tilbake i 2012 heter HBR "datavitenskapsmann" som "sexiest jobb i århundret." Men hva innebærer datavitenskap virkelig? Og enda viktigere, hvordan kan du skaffe seg de ferdighetene som trengs for å kalle deg en datavitenskapsmann?
Hva er datalogi?
En gang i tiden var dataforskere mesteparten av det akademiske rommet. Nå, med vekst av stor datainnsamling og behovet for analyse, har dataforskere blitt høy etterspørsel i en rekke bedrifter og næringer, små og store.
Datavitenskap som yrke inkluderer en rekke ferdigheter innen matematikk, statistikk og dataprogrammering. Det er en bransje dominert av menn, estimater av kvinner i datavitenskap er rundt 10%.
Ifølge Glassdoor er gjennomsnittlig nasjonal lønn for datavitenskapere $ 113.436. Ser på kompensasjon alene, datavitenskap er mye mer attraktiv enn andre lignende karrierer.
Ferdigheter som trengs for å være dataforsker
Som alle jobber er de spesifikke ferdighetene som kreves for å fylle datavitenskapsposisjonene, avhengig av det enkelte selskap.
Men det er visse ferdigheter / programvareverktøy som forblir konsistente.
- Statistiske programmeringsspråk, som R og SAS
- Database spørrende språk som SQL
- Grunnleggende statistikk som statistiske tester, distribusjoner, maksimal sannsynlighet estimatorer og så videre
- Maskininlæringsmetoder som k-Nærmeste naboer, tilfeldige skoger, ensemblemetoder, etc.
- Multivariabel kalkulator og lineær algebra
- Data logging og utvikling av nye produkter som er data-drevet
- Kjennskap til Hadoop-plattformen
- Visualiseringsverktøy som Flare, HighCharts eller AmCharts
Hvordan bli en datavitenskapsmann
I dag er det tre levedyktige muligheter for å bli dataforsker:
- Selvstudium via programmer som Udacity
- Delta i en datalogi oppstartsleir
- Kommer til å oppgradere skolen til en mastergrad
Selvfølgelig er det fordeler og ulemper ved hver metode.
Selvstudium
Pros:
- Praktisk: kan gjøres på egen tid i ethvert miljø og i ethvert tempo
- Rimelig: kan koste alt fra $ 0-600.
- Sparer tid: Nettkurs kan fullføres innen 8-18 måneder.
Ulemper:
- Bare motta et sertifikat etter ferdigstillelse
- Ingen peer-to-peer eller lærer-til-student engasjement
- Ingen assistanse med jobbjakt
Data Science Boot Camp
Pros:
- Liten tidsforpliktelse: kan fullføres i 6 uker til 3 måneder
- Relativt overkommelig, i hvert fall i forhold til å få en mastergrad (oppstartsleirer spenner fra gratis - $ 16 000)
- Ideelt for de som ønsker å bytte karriere raskt
- Mange oppstartsleirer tilbyr assistanse i jobbsøkingsprosessen etter ferdigstillelse
Ulemper:
- Få bare en portefølje av prosjekter - ingen "ekte" arbeidserfaring
- Mye å lære på kort tid
- Kan være opptil 40 timer i uken av arbeidet (i motsetning til selvstudium hvor du kan gå i ditt eget tempo og fortsatt jobbe deltid / heltid)
Mastergrad
Pros:
- Diplom ved ferdigstillelse
- Strukturert læring med profesjonelt trente instruktører
- Real-World Experience: Mange programmer inkluderer praktikplasser som vil legge til erfaring og kunnskap
- Rikelig med tid til å lære og absorbere all informasjonen
Ulemper:
- Dyrt: kan koste mellom $ 20.000 - $ 70.000 - ikke inkludert levekostnader
- Tidkrevende: kan også ta lengst (9-20 måneder)