Kirill Eremenko

作为教育者,没有什么比帮助我们的学生在数据科学中找到自己的路更快乐的了。几个月前,我们向所有社区成员发送了一份调查,询问他们在开始数据科学生涯时的担忧。

我们收到了超过1000条回复!关于将它们分成共同主题,出现了下列问题:

我会喜欢的机会,在我职业生涯的一开始就问这些问题。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™:包括真实的数据科学练习

最后更新2020年9月

  • 217个讲座
  • 所有级别
4.6 (27583)

通过真实的分析示例一步一步地学习数据科学。数据挖掘,建模,图表可视化和更多!|通过Kirill Eremenko,SuperDataScience团队

探索课程

我们为什么需要数据科学?

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。

要得出结论,我们需要了解这个领域到底是什么。数据科学包含与数据相关的一切。当你考虑到数据是多么的无处不在时,这听起来有些宽泛,但事实就是如此。

曾几何时,数据科学只能作为其他领域中的一个组件。多年来,这些领域开发了自己的算法、方法和使用数据来回答业务问题的社区。但是,由于数据驱动一切,一个学科独立出现只是时间问题。

而出现它具有:领域已经出现了严重的增长,因为我们可以从谷歌趋势的搜索术语“数据科学”的这一结果看:

你自己试试吧。与所有伟大的数据科学工具一样,你可以过滤你的结果(这里,根据时间、地点、主题类别)。

由于学科可以适用于任何地方,有数据,并作为其原则增加价值,我们可以对企业的运作方式一个显著的影响。

总之:

我们需要数据科学

从事数据科学工作需要什么?

随着数据科学越来越引人注目,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,这个主题是如此的新以至于目前还没有进入这个行业的“标准”方法。

Hadelin de Ponteves和我走上了不同的道路成为数据科学领域的企业家,所以你可能会发现你在我们的故事中发现了自己:

Hadelin de Ponteves

Hadelin在高中时就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,哈德林自然选择了数学。在完成他的本科学位后,Hadelin认为他还没有完成这门学科,所以他开始攻读数学硕士学位。

这是在法国工程学校Hadelin合乎逻辑的行动来再研究。在那里,他加深了他的一系列科目的知识,从数学到经济学,生物学,甚至理念,专业从事机器学习(ML),数学与应用数学之前。

为了加强他的投资组合,也Hadelin趁机实习生法国付费电视的有线电视频道,Canal +频道,在那里他学会了在财务和战略的绳索。归根结底,Hadelin想要的是找了个地方,他都可以继续他的教育和他的理论应用到企业。

毕业后不久,Hadelin就被谷歌公司收购了,他在谷歌公司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,给了他无限的深度学习经验。但他的目标一直是成为一名企业家,所以Hadelin决定是时候开始为下一代数据科学家制作在线课程了。

真正的关键,他的成功?Hadelin发誓一家大型酒吧的巧克力,每天一次!巧克力吃山是不会把你变成下一个Hadelin,但是我们从这个外卖是做什么让你感到快乐,充满活力。旅程数据的科学,需要奉献精神和技巧:不要忘记善待自己的方式。

Kirill Eremenko

我的故事开始了我第一次坐到棋盘。我喜欢下棋,尤其是逻辑和策略后面的比赛。它总是花了很长时间为我做出的举动,因为我与可能分析每种可能赢得痴迷!

早期对逻辑的兴趣是吸引我在大学学习物理的原因。尽管我很喜欢这门课,它也给了我一些可以应用于其他领域的基础知识,但我没有在大学毕业后继续学习它,因为它会把我局限在一个领域。

另外,我一直显示在面向企业的科目,更加广阔和灵活的任何可能到来的兴趣。正是出于这个原因,我在会计和财务承担硕士学位。这两个问题都是基础部件建立起来的信心,创业是可能的。

即便如此,我还是持谨慎态度 - 我知道,要看到别人是怎么做的成功需要我。为了获得这些知识,我申请了德勤会计部门工作,是幸运地得到这份工作。在我的第一天,德勤合伙人看着我的简历,说我会为他们的数据理科非常适合 - 谁是我说不?

我发现,在德勤工作,对专业服务公司运营方式的研究很有吸引力,也让我学会了如何在数据科学方面表现出色。

对于许多想要进入这个行业的人来说,德勤可能是下金蛋的鹅,但不要只瞄准那些最大牌的公司。我在那里有这么好的经历,不是因为它是一个著名的跨国公司,而是因为他们允许我运用我的知识,提高我的技能。这是任何一个刚进入这个行业的人想要脱颖而出所需要的——发展的机会。只要选择一个行业,并探索其中多种类型的公司。

这是我从我的下一份工作想:创造和建设上我所学到的东西。当我被一个养老基金挖走,他们有我发展自己的数据科学部从无到有,想出一个方法来帮助一起在他们的数据的组织工作,并提供了不同的方法,以客户体验。

我在那里工作过得很愉快,但这让我渴望为他工作。当他觉得自己准备好了,积累了足够的经验后,我一跃成为企业家,开始创建Udemy的数据科学课程。

总之:

数据科学没有唯一的途径,所以世界是你的。对我们来说,关键是确保你在教育和经验之间取得平衡,从而在这个行业中变得有知识和自信,但在哪里以及如何获得这些取决于你自己。

从别人的经验中寻找知识,尽可能多地阅读,与曾经有过类似经历的人交流,在实现自己的数据科学目标的过程中享受乐趣!

我怎样才能保证我的工作不受未来的影响?

随着数据呈指数级增长,按理说,我们将需要更多的数据科学家,以产生可以处理它的工具。这可能使我们相信,在科学数据的职业生涯是从自动化安全。

然而,这并不是故事的全部 - 在生产工具,我们得到了更好地应对数据,更多的自动化,我们做我们自己的领域。有迹象表明,可以处理整个数据科学的过程,不需要任何人机交互的机器人。

那么,数据科学家会被他们自己的算法所取代吗?

Hadelin和我已经和DataRobot的CEO Jeremy Achin讨论过这个问题。Achin和他的团队已经创建了一个自助的ML平台,任何人都可以上传他们的数据供机器处理。这些机器人还不太初级。它们不仅能让你从输入的数据中获得洞察力,还能让你对需要解决的特定问题有更深刻的了解。DataRobot是实现数据分析自动化的众多公司之一。

我们知道,该领域是移动的方式,我们不想卖给你任何虚假的梦想,如果你成为一个数据科学家,你的工作将是100%的安全。保持领先的游戏方式是理解的是,虽然数据机器人可能确实推动了数字打交道,数据科学也依赖于人们梦想着新的方式来获取,存储和处理信息。

机器也许能够更快地完成任务,甚至能够确定任务的最佳解决方案,但它(目前)还不能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困难,还是想出全新的途径来实现结果更困难?

现在就进入这个领域是提高自己技能的最佳时机,这样你就不会去做那些“有风险”的任务,保护自己不受自动化的威胁。因此,我们能给出的最好建议就是集中精力增强你的创造力。

要想对你的职业有更长远的见解,只有一个切实可行的建议可以遵循:保持自己的好奇心,让自己保持饥渴,并尽可能多地学习。即使有一股数据浪潮正朝着这个方向移动,我们也不想让你惊慌,因为随之而来的是数百个新的、令人兴奋的机会。你只需要做好准备,最好的方法就是马上开始!

总之:

机器人将变得更聪明,和数据科学不是完全免疫自动化。但是,我们也需要数据科学家了解这些机器人,机器人和算法的机制。如何做好自己的工作职能?他们如何进行管理?我们怎样才能为企业可操作的产出?我们也需要思想家 - 谁可以承担创作任务是机器能够处理的人少。进入游戏的早期,当自动化开始发生,你会提前条纹。

我应该什么时候开始学习数据科学?

考虑到这个领域还处于起步阶段,有些人想知道,等到它发展成熟后再涉足是否更好。如果你读过前面的观点,你应该知道我们对这个问题的答案:没有比现在更好的时间。

公司现在正在开始推出数据科学团队,他们的组织 - 甚至是那些核心输出无关与科学!我们生活在一个高度竞争的世界。精明的企业明白,要留在游戏中,他们需要一个数据科学团队,洞悉客户和业务运营,给他们一个竞争优势,确保他们不是市场的赶了出来。

这意味着,当一家公司开始使用数据科学时,它的竞争对手将别无选择,只能效仿。

由于大多数公司现在正在打造数据科学团队,更多的机会将出现。定量紧缩,刻录玻璃科技汇报委托数据的科学领导IBM注意到:

IBM表示,到2020年,美国所有数据专业人士的就业岗位将增加36.4万个,至272万个。

如果我们考虑到美国的人口接近4亿,这实际上意味着今年超过0.5%的美国人口将从事数据科学!数据科学工作通常会持续45天,“比市场平均水平长5天”(Burning Glass Technologies, 2017年)。这意味着公司要想找到合适的人选要困难10%,这说明目前没有合适的人才。

那么,你还在等什么?现在尽你所能进入这个领域,无论是在教育领域还是实践领域,确保你是未来社会的一份子。

总之:

有很多方法可以开始,而且你现在就可以这样做:为什么不上一门课,抓几本好书,成为一名实习生,用真实的数据集练习,或者在公民科学项目中提供帮助呢?即使你在这个阶段“只是”在自我教育,你仍然可以让自己留在游戏和社区中。如果你只是在等待时机,那就不要这样做。公司正在寻找你,他们愿意给你丰厚的薪水。

在数据科学顶级球场

对数据科学和商业分析统计
365个职业,365个职业团队
4.5 (17121)
畅销书
数据科学商业|6现实世界的案例研究
瑞恩·艾哈迈德博士,博士,MBA,基里尔Eremenko,Hadelin德蓬特韦,SuperDataScience队,米切尔布沙尔,Stemplicity Q&A支持
4.6 (275)
畅销书
数据科学:Python的深度学习
懒惰的程序员公司
4.6 (6809)
R编程:用于数据科学的R高级分析
Kirill Eremenko,超级数据科学团队
4.7 (6147)
数据科学:Python中的监督机器学习
懒惰的程序员公司
4.6 (1915)
机器学习实践锻炼| 8现实世界的项目
瑞恩·艾哈迈德博士,博士,MBA,基里尔Eremenko,Hadelin德蓬特韦,SuperDataScience队,米切尔布沙尔
4.5 (649)
因果数据科学与有向无环图
保罗Hunermund
4.7 (142)
使用Python专门化的数据科学
总裁戴夫
4.9 (44)
机器学习A-Z™:动手的Python&R在数据科学
Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队,超级数据科学支持
4.5 (130731)
畅销书
数据科学课程2020:完成数据科学训练营
365个职业,365个职业团队
4.5 (75176)
畅销书

更多数据科学课程

数据科学专业的学生也要学习

让你的团队。领导行业。

通过Udemy for Business为你的组织订阅在线课程和数字学习工具库。

申请演示

Kirill Eremenko的课程

从A到Z的深度学习
Hadelin德蓬特韦,基里尔Eremenko,查尔斯·博尔德
4.5 (1983)
畅销书
数据科学A-Z™:包括真实的数据科学练习
Kirill Eremenko,超级数据科学团队
4.6 (27583)
访谈问答:数据科学职业
Kirill Eremenko,超级数据科学团队
4.2 (416)
R编程A-Z™:R用于数据科学与实际练习!
Kirill Eremenko,超级数据科学团队
4.6 (35108)
畅销书
数据驱动营销A-Z:提高你的活动表现
大卫Tanaskovic,基里尔Eremenko,SuperDataScience团队
4.4 (343)
Z的数据科学
Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队
4.4 (2091)
畅销书
R编程:用于数据科学的R高级分析
Kirill Eremenko,超级数据科学团队
4.7 (6147)
Python A-Z™:带实际练习的Python数据科学!
Kirill Eremenko,超级数据科学团队
4.6 (17457)
Tableau 2020 A-Z:动手进行数据科学的Tableau培训
Kirill Eremenko,超级数据科学团队
4.6 (54373)
畅销书
Tableau 20高级培训:掌握数据科学中的Tableau
Kirill Eremenko,超级数据科学团队
4.7 (10943)
机器学习A-Z™:动手的Python&R在数据科学
Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队,超级数据科学支持
4.5 (130798)
畅销书
双向电力A-Z:动手电力BI培训对于数据科学!
Kirill Eremenko,超级数据科学团队
4.5 (9562)

Kirill Eremenko的课程