Karriere Spotlight: Hva er datalogi?

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

Tilbake i 2012, heter HBR "datavitenskapsmann" som "sexiest jobb i århundret." Men hva innebærer datavitenskap virkelig? Og enda viktigere, hvordan kan du få de ferdighetene som trengs for å kalle deg en datavitenskapsmann?

Hva er datateknologi?

En gang var dataforskere for det meste i det akademiske rommet. Nå, med vekst av stor datainnsamling og behovet for analyse, har dataforskere blitt etterspurt 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
• Maskininnlæringsmetoder 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 platforming
• 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 oppstartslære
• Kommer til å oppgradere skolen for 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 involvering
• Ingen hjelp 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 erfaring: Mange programmer inkluderer internships 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)