Karriere Spotlight: Hvad er datalogi?

I dag er "store data", "analytics" og lignende trendingord. Og med god grund.

Tilbage i 2012 kaldte HBR "datavidenskabsmand" som "sexiest job i århundredet. "Men hvad indebærer datalogi virkelig? Og vigtigere, hvordan kan du erhverve de færdigheder, der er nødvendige for at kalde dig selv en datavidenskabsmand?

Hvad er datalogi?

Dataforskere var engang på det akademiske område. Nu med datalagernes stigning i stor dataindsamling og behovet for analyse er dataforskere blevet efterspurgt i en række virksomheder og brancher, små og store.

Datavidenskab som et erhverv indeholder en række færdigheder inden for matematik, statistik og computerprogrammering. Det er en industri, der domineres af mænd, skøn over kvinder inden for datalogi er omkring 10%.

Ifølge Glassdoor er den gennemsnitlige nationale løn for datavidenskaberne $ 113, 436 (i begyndelsen af ​​februar 2017). Kig på kompensation alene, datavidenskab er meget mere attraktiv end andre lignende karriere.

Færdigheder, der er nødvendige for at være datavidenskaber

Ligesom alle job er de specifikke færdigheder, der er nødvendige for at udfylde datavidenskabspositioner, afhængige af det enkelte firma.

Men der er visse færdigheder / software værktøjer, der forbliver konsekvente.

• Statistisk programmeringssprog, som R og SAS
• Databasevalgssprog som SQL
• Grundlæggende statistikker som statistiske tests, distributioner, maksimale sandsynligheds estimatorer mv.
• Maskinindlæringsmetoder som k-Nærmeste naboer, tilfældige skove, ensemble metoder mv.

• Multivariabel beregning og lineær algebra
• Data logging og udvikling af nye produkter, der er data-drevne
• Kendskab til Hadoop platforming
• Visualiseringsværktøjer som Flare, HighCharts eller AmCharts > Lær mere om, hvordan man bliver en datavidenskabsmand og færdigheder, der er nødvendige her.

Sådan bliver en datavidenskaber

I dag er der tre levedygtige muligheder for at blive datavidenskabsmand:

Selvstudium via programmer som Udacity

• Deltager i en datalogisk startlejr
• Går til kandidat skole for en kandidatgrad
• Der er selvfølgelig fordele og ulemper ved hver metode.

Selvstudium

Fordele:

Praktisk: Kan gøres på egen tid i ethvert miljø og i ethvert tempo

• Overkommelig: kan koste alt fra $ 0-600.
• Sparer tid: online kurser kan udfyldes inden for 8-18 måneder.
• Ulemper:

Modtag kun et certifikat efter afslutning

• Ingen deltagelse i peer-to-peer eller lærer-til-studerende
• Ingen hjælp til job jagt
• Data Science Boot Camp

Lidtidsforpligtelse: Kan gennemføres i 6 uger til 3 måneder

• Forholdsvis overkommelig, i det mindste i forhold til at få en kandidatgrad (boot camps spænder fra gratis - $ 16.000)
• Ideel til dem der ønsker at ændre karriere hurtigt
• Mange boot camps tilbyder assistance i jobsøgningsprocessen efter afslutning
• Ulemper:

Få kun en portefølje af projekter - ingen "rigtig" erhvervserfaring

• Meget at lære om en kort mængde tid
• Kan være op til 40 timer om ugen i arbejde (i modsætning til selvstudium hvor du kan gå i eget tempo og stadig arbejde deltid / fuld tid)
• Mastergrad

Fordele:

Diplom efter afslutningen

• Struktureret læring med professionelt uddannede instruktører
• Erfaring i verden: Mange programmer omfatter praktikophold, der vil føje til erfaring og viden
• Rikelig tid at lære og absorbere al informationen.
• Cons:

Dyre: kan koste mellem $ 20.000- $ 70.000 - ikke inklusive leveomkostninger

• Tidskrævende: kan også tage længst (9-20 måneder)
• For mere information om vejning af fordele og ulemper ved at lære datalogi, se denne artikel.