ຈຸດສຸມອາຊີບ: ນັກວິທະຍາສາດຂໍ້ມູນ
ເນື້ອຫາ
- ວິທະຍາສາດຂໍ້ມູນແມ່ນຫຍັງ?
- ທັກສະຕ້ອງການເປັນນັກວິທະຍາສາດດ້ານຂໍ້ມູນ
- ວິທີການເປັນນັກວິທະຍາສາດຂໍ້ມູນ
- ຮຽນດ້ວຍຕົນເອງ
- Data Science Boot Camp
- ປະລິນຍາໂທ
ມື້ນີ້ "ຂໍ້ມູນໃຫຍ່," "ບົດເຝິກຫັດ," ແລະຄ້າຍຄືກັນແມ່ນ ຄຳ ສັບທີ່ ໜ້າ ສົນໃຈ. ແລະດ້ວຍເຫດຜົນທີ່ດີ.
ກັບມາໃນປີ 2012, HBR ໄດ້ຕັ້ງຊື່ວ່າ "ນັກວິທະຍາສາດຂໍ້ມູນ" ວ່າເປັນ "ວຽກທີ່ ໜ້າ ຮັກທີ່ສຸດໃນສັດຕະວັດ." ແຕ່ວ່າວິທະຍາສາດຂໍ້ມູນມີຄວາມ ໝາຍ ແນວໃດແທ້ໆ? ແລະສິ່ງທີ່ ສຳ ຄັນກວ່ານັ້ນ, ທ່ານສາມາດຮຽນຮູ້ທັກສະທີ່ ຈຳ ເປັນເພື່ອເອີ້ນຕົວເອງວ່ານັກວິທະຍາສາດຂໍ້ມູນແນວໃດ?
ວິທະຍາສາດຂໍ້ມູນແມ່ນຫຍັງ?
ຄັ້ງ ໜຶ່ງ, ນັກວິທະຍາສາດຂໍ້ມູນສ່ວນຫຼາຍແມ່ນຢູ່ໃນພື້ນທີ່ການສຶກສາ. ປະຈຸບັນ, ດ້ວຍການລວບລວມຂໍ້ມູນໃຫຍ່ແລະຄວາມຕ້ອງການການວິເຄາະ, ນັກວິທະຍາສາດຂໍ້ມູນໄດ້ກາຍເປັນຄວາມຕ້ອງການສູງໃນບໍລິສັດແລະອຸດສາຫະ ກຳ, ຂະ ໜາດ ນ້ອຍແລະໃຫຍ່.
ວິທະຍາສາດຂໍ້ມູນເປັນອາຊີບ ໜຶ່ງ ລວມເອົາທັກສະຫຼາຍຢ່າງພາຍໃນຄະນິດສາດ, ສະຖິຕິແລະການຂຽນໂປແກຼມຄອມພິວເຕີ. ມັນແມ່ນອຸດສາຫະ ກຳ ທີ່ຄອບ ງຳ ໂດຍຜູ້ຊາຍ; ການຄາດຄະເນຂອງແມ່ຍິງໃນວິທະຍາສາດຂໍ້ມູນແມ່ນປະມານ 10%.
ອີງຕາມ Glassdoor, ເງິນເດືອນລະດັບຊາດໂດຍສະເລ່ຍ ສຳ ລັບນັກວິທະຍາສາດຂໍ້ມູນແມ່ນ $ 113,436. ການເບິ່ງການຊົດເຊີຍຢ່າງດຽວ, ວິທະຍາສາດຂໍ້ມູນແມ່ນມີຄວາມ ໜ້າ ສົນໃຈຫຼາຍກ່ວາອາຊີບອື່ນໆທີ່ຄ້າຍຄືກັນ.
ທັກສະຕ້ອງການເປັນນັກວິທະຍາສາດດ້ານຂໍ້ມູນ
ເຊັ່ນດຽວກັບວຽກທັງ ໝົດ, ທັກສະສະເພາະທີ່ ຈຳ ເປັນໃນການຕື່ມ ຕຳ ແໜ່ງ ວິທະຍາສາດຂໍ້ມູນແມ່ນຂື້ນກັບບໍລິສັດສ່ວນບຸກຄົນ.
ແຕ່ມີທັກສະ / ເຄື່ອງມືຊອຟແວທີ່ແນ່ນອນທີ່ຍັງຄົງສອດຄ່ອງ.
- ພາສາການຂຽນໂປແກຼມສະຖິຕິ, ເຊັ່ນ R ແລະ SAS
- ພາສາການສອບຖາມຖານຂໍ້ມູນເຊັ່ນ SQL
- ສະຖິຕິພື້ນຖານເຊັ່ນ: ການທົດສອບສະຖິຕິ, ການແຈກຈ່າຍ, ການຄາດຄະເນຄວາມເປັນໄປໄດ້ສູງສຸດ, ແລະອື່ນໆ
- ວິທີການຮຽນຮູ້ເຄື່ອງຈັກເຊັ່ນ: ເພື່ອນບ້ານ k-ທີ່ໃກ້ທີ່ສຸດ, ປ່າໄມ້ແບບສຸ່ມ, ວິທີການລວບລວມ, ແລະອື່ນໆ.
- ການຄິດໄລ່ແບບທະວີຄູນແລະພຶດຊະຄະນິດເສັ້ນໃບ
- ການຕັດໄມ້ຂໍ້ມູນແລະການພັດທະນາຜະລິດຕະພັນ ໃໝ່ ທີ່ຜັກດັນຂໍ້ມູນ
- ຄວາມຄຸ້ນເຄີຍກັບເວທີ Hadoop
- ເຄື່ອງມືໃນການເບິ່ງເຫັນເຊັ່ນ: Flare, HighCharts ຫຼື AmCharts
ວິທີການເປັນນັກວິທະຍາສາດຂໍ້ມູນ
ດຽວນີ້, ມີສາມທາງເລືອກທີ່ ເໝາະ ສົມ ສຳ ລັບການກາຍມາເປັນນັກວິທະຍາສາດຂໍ້ມູນ:
- ຮຽນດ້ວຍຕົນເອງຜ່ານໂປຣແກຣມຕ່າງໆເຊັ່ນ: Udacity
- ເຂົ້າຮ່ວມການຕັ້ງຄ້າຍພັກວິທະຍາສາດຂໍ້ມູນ
- ໄປຮຽນຈົບປະລິນຍາໂທ
ແນ່ນອນ, ມັນມີຂໍ້ດີແລະຂໍ້ດີຂອງແຕ່ລະວິທີ.
ຮຽນດ້ວຍຕົນເອງ
Pros:
- ຄວາມສະດວກ: ສາມາດເຮັດໄດ້ຕາມເວລາຂອງເຈົ້າເອງໃນສະພາບແວດລ້ອມແລະໃນຈັງຫວະໃດກໍ່ຕາມ.
- ລາຄາບໍ່ແພງ: ສາມາດໃຊ້ໄດ້ທຸກບ່ອນຈາກ 0-600 ໂດລາ.
- ປະຫຍັດເວລາ: ຫຼັກສູດ online ສາມາດເຮັດໃຫ້ ສຳ ເລັດພາຍໃນ 8 ຫາ 18 ເດືອນ.
Cons:
- ໄດ້ຮັບໃບປະກາສະນີຍະບັດພາຍຫຼັງ ສຳ ເລັດ
- ບໍ່ມີເພື່ອນຮ່ວມກັນຫລືຄູອາຈານຕໍ່ນັກຮຽນ
- ບໍ່ມີການຊ່ວຍເຫຼືອໃນການລ່າສັດເຮັດວຽກ
Data Science Boot Camp
Pros:
- ຄວາມມຸ້ງ ໝັ້ນ ໃນເວລາ ໜ້ອຍ: ສາມາດເຮັດ ສຳ ເລັດໃນ 6 ອາທິດເຖິງສາມເດືອນ
- ລາຄາບໍ່ແພງພໍສົມຄວນ, ຢ່າງ ໜ້ອຍ ເມື່ອທຽບກັບການໄດ້ຮັບປະລິນຍາໂທ (ລະບົບຕັ້ງແຄ້ມພັກຕັ້ງແຕ່ບໍ່ເສຍຄ່າ - 16,000 ໂດລາ)
- ເໝາະ ສຳ ລັບຜູ້ທີ່ຊອກຫາການປ່ຽນແປງອາຊີບໂດຍໄວ
- ສູນອົບພະຍົບຫຼາຍແຫ່ງສະ ເໜີ ການຊ່ວຍເຫຼືອໃນຂະບວນການຊອກວຽກຫຼັງຈາກ ສຳ ເລັດ
Cons:
- ພຽງແຕ່ໄດ້ຮັບຜົນງານຂອງໂຄງການ - ບໍ່ມີປະສົບການເຮັດວຽກທີ່ແທ້ຈິງ
- ຫຼາຍທີ່ຈະຮຽນຮູ້ໃນເວລາສັ້ນໆ
- ສາມາດເຮັດວຽກໄດ້ເຖິງ 40 ຊົ່ວໂມງຕໍ່ອາທິດ (ບໍ່ຄືກັບການຮຽນດ້ວຍຕົນເອງບ່ອນທີ່ທ່ານສາມາດໄປຕາມຈັງຫວະຂອງທ່ານເອງແລະຍັງເຮັດວຽກບໍ່ເຕັມເວລາ - ຫລືວຽກເຕັມເວລາ)
ປະລິນຍາໂທ
Pros:
- ໃບປະກາດຈົບຊັ້ນ
- ການຮຽນຮູ້ທີ່ມີໂຄງສ້າງກັບຜູ້ສອນທີ່ມີຄວາມ ຊຳ ນານດ້ານວິຊາຊີບ
- ປະສົບການຕົວຈິງ: ຫລາຍໆແຜນງານປະກອບມີການຝຶກງານເຊິ່ງຈະເປັນການເພີ່ມປະສົບການແລະຄວາມຮູ້ໃຫ້ແກ່ພວກເຂົາ
- ພໍໃຊ້ເວລາໃນການຮຽນຮູ້ແລະດູດເອົາຂໍ້ມູນທັງ ໝົດ
Cons:
- ລາຄາແພງ: ອາດຈະມີລາຄາລະຫວ່າງ $ 20,000- $ 70,000 - ບໍ່ລວມທັງຄ່າໃຊ້ຈ່າຍໃນການ ດຳ ລົງຊີວິດ
- ການໃຊ້ເວລາໃນການໃຊ້ເວລາ: ຍັງສາມາດໃຊ້ເວລາດົນທີ່ສຸດ (ເກົ້າຫາ 20 ເດືອນ)
