Кто такой Citizen Datа scientist?
Вряд ли вы встретите такую вакансию на hh.ru, но в компаниях уже много таких людей!
Это специалисты с опытом работы в своём направлении, которым поручается часть рутинной работа Data scientista, либо это люди, которые используют автоматизированные системы построения моделей машинного обучения (Auto ML).
Все что требуется, так это понимание и знание основ ML, бизнеса и soft skills.
➕низкий порог входа;
➕компенсация нехватки высококвалифицированных специалистов в DS;
➕дешевле;
➕подходит для быстрого тестирования гипотез;
➖поверхностное понимание происходящего;
➖больше риск допустить ошибку;
➖увеличение обязанностей, если не рассматривается вариант повышения;
А вы слышали о такой профессии?
Почитать подробнее:
https://www.dataversity.net/so-you-want-to-be-a-citizen-data-scientist/
Вряд ли вы встретите такую вакансию на hh.ru, но в компаниях уже много таких людей!
Это специалисты с опытом работы в своём направлении, которым поручается часть рутинной работа Data scientista, либо это люди, которые используют автоматизированные системы построения моделей машинного обучения (Auto ML).
Все что требуется, так это понимание и знание основ ML, бизнеса и soft skills.
➕низкий порог входа;
➕компенсация нехватки высококвалифицированных специалистов в DS;
➕дешевле;
➕подходит для быстрого тестирования гипотез;
➖поверхностное понимание происходящего;
➖больше риск допустить ошибку;
➖увеличение обязанностей, если не рассматривается вариант повышения;
А вы слышали о такой профессии?
Почитать подробнее:
https://www.dataversity.net/so-you-want-to-be-a-citizen-data-scientist/
DATAVERSITY
How to Become a Citizen Data Scientist - DATAVERSITY
The job responsibilities of a citizen data scientist include dealing with new data and using automated tools to process big data.
КАК ПОНЯТЬ, ЧТО DATA SCIENCE ЭТО ТВОЁ?
Трудно оценить то, чего никогда не пробовал, поэтому:
1. Необходимо разобраться какие специальности есть в данном направлении и что в них требуется уметь делать ( также помним, что Data science “Наука о данных” применима везде, где есть данные);
2. Реально взглянуть на вашу точку А и отнести себя к каждой специальности, где наибольшее число соответствий, с того и можно начать ( важно понимать, хотите ли вы с нуля освоить новую профессию или сделать апгрейд своих навыков/ применить DS в своей деятельности);
3. Выбрать бесплатный курс/вебинар и попробовать пройти / повторить / использовать знания ( после этого этапа, вам уже должно быть примерно понятно «ЧТО ТАКОЕ НАУКА О ДАННЫХ»);
Сделав эти ТРИ шага, вы получите ответы на большинство своих первичных вопросов, что позволит вам самостоятельно принять решение «ваше это или нет», хотя и займёт у вас не мало времени.
Но есть и другие способы:
1️⃣Читать мой блог: большинство постов это ответы на эти и другие вопросы с директа;
2️⃣Записаться ко мне на консультацию: в индивидуальном порядке я помогу вам совершить эти три шага и получить ответы на все вопросы за один час .
Трудно оценить то, чего никогда не пробовал, поэтому:
1. Необходимо разобраться какие специальности есть в данном направлении и что в них требуется уметь делать ( также помним, что Data science “Наука о данных” применима везде, где есть данные);
2. Реально взглянуть на вашу точку А и отнести себя к каждой специальности, где наибольшее число соответствий, с того и можно начать ( важно понимать, хотите ли вы с нуля освоить новую профессию или сделать апгрейд своих навыков/ применить DS в своей деятельности);
3. Выбрать бесплатный курс/вебинар и попробовать пройти / повторить / использовать знания ( после этого этапа, вам уже должно быть примерно понятно «ЧТО ТАКОЕ НАУКА О ДАННЫХ»);
Сделав эти ТРИ шага, вы получите ответы на большинство своих первичных вопросов, что позволит вам самостоятельно принять решение «ваше это или нет», хотя и займёт у вас не мало времени.
Но есть и другие способы:
1️⃣Читать мой блог: большинство постов это ответы на эти и другие вопросы с директа;
2️⃣Записаться ко мне на консультацию: в индивидуальном порядке я помогу вам совершить эти три шага и получить ответы на все вопросы за один час .
Все таки решилась провести вебинар для новичков « Первые шаги в сферу Data Science”
В это воскресенье в 18:00 мск.
Вебинар платный, так как хочу, чтобы пришли, только те, кому действительно нужно!
Ссылка на регистрацию:
https://monecle.com/buy/42307
В это воскресенье в 18:00 мск.
Вебинар платный, так как хочу, чтобы пришли, только те, кому действительно нужно!
Ссылка на регистрацию:
https://monecle.com/buy/42307
ЧТО БУДЕТ НА ВЕБИНАРЕ?
Этот вебинар предназначен для новичков, людей которые либо только начали изучать, либо только думают/ слышали о Data Science и хотят узнать подробнее!
После вебинара вы получите ответы на вопросы:
1. Что такое DS, где применимо?
2. Какие специальности есть в этой сфере, в чем отличия?
3. Что необходимо знать/ уметь в каждой из них?
4. Как понять ваше или нет, как примерить профессию на себя?
5. Где можно обучаться, где брать информацию, ответы, поддержку?
6. Как обучаться самостоятельно и в какой последовательности.
7. Что спрашивают на собеседовании на junior позицию?
Также у вас будет возможность задавать свои вопросы и получать развёрнутые ответы!!!
После у вас сформируется полное понимание этой сферы, ее перспектив и какие шансы у вас освоить одну из профессий в этом направлении.
Ссылка регистрации на вебинар:
https://monecle.com/buy/42307
Этот вебинар предназначен для новичков, людей которые либо только начали изучать, либо только думают/ слышали о Data Science и хотят узнать подробнее!
После вебинара вы получите ответы на вопросы:
1. Что такое DS, где применимо?
2. Какие специальности есть в этой сфере, в чем отличия?
3. Что необходимо знать/ уметь в каждой из них?
4. Как понять ваше или нет, как примерить профессию на себя?
5. Где можно обучаться, где брать информацию, ответы, поддержку?
6. Как обучаться самостоятельно и в какой последовательности.
7. Что спрашивают на собеседовании на junior позицию?
Также у вас будет возможность задавать свои вопросы и получать развёрнутые ответы!!!
После у вас сформируется полное понимание этой сферы, ее перспектив и какие шансы у вас освоить одну из профессий в этом направлении.
Ссылка регистрации на вебинар:
https://monecle.com/buy/42307
До вебинара осталось чуть больше 30 мин.
Кто ещё не зарегистрировался, жду!!!
Будет Мега полезно!
https://monecle.com/buy/42307
Кто ещё не зарегистрировался, жду!!!
Будет Мега полезно!
https://monecle.com/buy/42307
Судя по отзывам вебинар прошел хорошо, хотя еще есть над чем работать: техническая сторона, моя речь((
Но все же я решила дать запись вебинара, так как были те, кто не смог прийти и интересовались записью.
Забирайте запись вебинара "Первые шаги в сферу Data Science"по ссылке: https://l.instagram.com/?u=https%3A%2F%2Fmonecle.com%2Fbuy%2F42440&e=ATPYGkEKOUfgH6DoxTkOdfPmmSYXoxNmDXYbpm-TLJbtq8mXeEunlz6FrAfjuq4z8glt4yXIlZhislZ0tjkrjd8&s=1
Ключевой навык в Data science
Программирование - основной навык, который требуется в сфере анализа данных!
Тем эта сфера и сложна, что программирование достаточно серьёзный скил.
Кто-то говорит, что нужно иметь определённый склад ума, кто-то, что потратить n-количество часов чтобы освоить данный навык.
Я склоняюсь ко второму варианту и думаю, что на то он и навык, что его необходимо тренировать, постоянно.
По себе знаю, что чем больше пишешь код, тем быстрее и лучше получается следующая строчка 👩🏼💻
Поэтому go решать задачи по программированию, например, те, что публикуются на Leetcode, HackerRank и подобных сайтах. Вы можете решать их не за то нормативное время, что подразумевается, а, допустим, в два-три раза медленнее. Но вы должны чувствовать, что вам нравится и хочется погружаться в это глубже.
Тогда вам будет также занимательно решать задачки в DS.
А у вас как с программированием?
Программирование - основной навык, который требуется в сфере анализа данных!
Тем эта сфера и сложна, что программирование достаточно серьёзный скил.
Кто-то говорит, что нужно иметь определённый склад ума, кто-то, что потратить n-количество часов чтобы освоить данный навык.
Я склоняюсь ко второму варианту и думаю, что на то он и навык, что его необходимо тренировать, постоянно.
По себе знаю, что чем больше пишешь код, тем быстрее и лучше получается следующая строчка 👩🏼💻
Поэтому go решать задачи по программированию, например, те, что публикуются на Leetcode, HackerRank и подобных сайтах. Вы можете решать их не за то нормативное время, что подразумевается, а, допустим, в два-три раза медленнее. Но вы должны чувствовать, что вам нравится и хочется погружаться в это глубже.
Тогда вам будет также занимательно решать задачки в DS.
А у вас как с программированием?
ПЕРЕНАСЫЩЕНИЕ РЫНКА ПРОГРАММИСТАМИ
Начнём с рассмотрения всей сферы IT(айти), которая стремительно растёт, развивается и внедряется в каждую сферу нашей жизни. Многие уже просто не представляют свою life без технологических решений.
❗️Это наше настоящее и точно будущее!
Поэтому освоить профессию именно в этой сфере считается очень перспективным - работа точно будет.
Неудивительно, что при этом возникает мысль о перенасыщении рынка айтишникамии/ программистами.
Но рынок труда айти стремительно растёт и даже не думает переходить на этап стагнации!
⁉️Чем же это обусловлено?
⁉️Что позволяет поддерживать такие позиции?
📈А все очень просто - рынок постоянно эволюционирует, видоизменяется, как бы перешагивая этап насыщения и тем более спада.
🤦♀️Кто в айти, точно поймут!!!
Эта сфера требует от тебя постоянного развития, ты должен успевать осваивать новые языки, технологии и инструменты.
Как правило, через три года ты уже занимаешься совсем не тем, что делал в начале.
Опыт программиста чаще оценивается не количеством лет, а количеством «вещей», которые ты успел попробовать/ изучить/ поработать/ проблем решить.
В итоге, ты становишься специалистом с уникальными навыками, где конкуренции не так уж много.
Это только мое видение.
И будет ещё пост продолжение.
Ну а пока интересно ваше мнение!
Согласны?
Что думаете?
Начнём с рассмотрения всей сферы IT(айти), которая стремительно растёт, развивается и внедряется в каждую сферу нашей жизни. Многие уже просто не представляют свою life без технологических решений.
❗️Это наше настоящее и точно будущее!
Поэтому освоить профессию именно в этой сфере считается очень перспективным - работа точно будет.
Неудивительно, что при этом возникает мысль о перенасыщении рынка айтишникамии/ программистами.
Но рынок труда айти стремительно растёт и даже не думает переходить на этап стагнации!
⁉️Чем же это обусловлено?
⁉️Что позволяет поддерживать такие позиции?
📈А все очень просто - рынок постоянно эволюционирует, видоизменяется, как бы перешагивая этап насыщения и тем более спада.
🤦♀️Кто в айти, точно поймут!!!
Эта сфера требует от тебя постоянного развития, ты должен успевать осваивать новые языки, технологии и инструменты.
Как правило, через три года ты уже занимаешься совсем не тем, что делал в начале.
Опыт программиста чаще оценивается не количеством лет, а количеством «вещей», которые ты успел попробовать/ изучить/ поработать/ проблем решить.
В итоге, ты становишься специалистом с уникальными навыками, где конкуренции не так уж много.
Это только мое видение.
И будет ещё пост продолжение.
Ну а пока интересно ваше мнение!
Согласны?
Что думаете?
ПЕРЕНАСЫЩЕНИЕ РЫНКА ПРОГРАММИСТАМИ часть 2
Почему это мало вероятно?
1. 👩🏼💻Программист - это достаточно сложная профессия. Это также подтверждает тот факт, что людей с техническим образование в «два раза» меньше, чем с гуманитарным.
2. 👩🏼💻Программисты - это люди с очень пытливым умом, любят осваивать новые направления и области знаний. Более 50% специалистов в DS ( data scientist, ML engineer, Data engineer и тд.) это программисты в прошлом.
3. 🌎Это международная профессия, как и DS, и наши ребята на хорошем счету на мировом рынке. Также очень ВЫГОДНЫ, например, для компаний в США.
Продолжите список...
4??
5??
Почему это мало вероятно?
1. 👩🏼💻Программист - это достаточно сложная профессия. Это также подтверждает тот факт, что людей с техническим образование в «два раза» меньше, чем с гуманитарным.
2. 👩🏼💻Программисты - это люди с очень пытливым умом, любят осваивать новые направления и области знаний. Более 50% специалистов в DS ( data scientist, ML engineer, Data engineer и тд.) это программисты в прошлом.
3. 🌎Это международная профессия, как и DS, и наши ребята на хорошем счету на мировом рынке. Также очень ВЫГОДНЫ, например, для компаний в США.
Продолжите список...
4??
5??
ГЛАВНОЕ ОТЛИЧИЕ BIG DATA от DATA SCIENCE
Как бы очевидно это не звучало, я обязана с этого начать.
‼️Объемы данных, которые стало необходимо хранить, обрабатывать, анализировать.
❗️Именно объёмы - volumes (англ.) в первую очередь, привели к появлению целого направления Big data, которое включает в себя подходы, методы и инструменты для работы с огромными размерами данных.
😰Классический DS и его подходы просто стали неспособны справляться с такими потоками данных. Например, реляционные базы данных или всем знакомый Excel - просто зависнет на очень долго, при попытке загрузить в него более 1 миллиона строк данных.
📚Поэтому, если обучаться анализу BigData, то вам необходимо освоить ряд инструментов типа: Hadoop, Spark, язык программирования Scala и тд.
📈Если говорить о востребованности, то она растёт с каждым днём, как и растут объёмы данных, генерируемые человечеством.
🤗В идеальном мире, когда все научаться собирать и хранить данные, больших данных будет большинство.
🚨Но также есть ряд сложностей и проблем связанных с работой с такими данными, по которым ещё только ищутся и разрабатываются решения.
❓А вы как думаете, есть будущее за большими данными - Big Data?
Как бы очевидно это не звучало, я обязана с этого начать.
‼️Объемы данных, которые стало необходимо хранить, обрабатывать, анализировать.
❗️Именно объёмы - volumes (англ.) в первую очередь, привели к появлению целого направления Big data, которое включает в себя подходы, методы и инструменты для работы с огромными размерами данных.
😰Классический DS и его подходы просто стали неспособны справляться с такими потоками данных. Например, реляционные базы данных или всем знакомый Excel - просто зависнет на очень долго, при попытке загрузить в него более 1 миллиона строк данных.
📚Поэтому, если обучаться анализу BigData, то вам необходимо освоить ряд инструментов типа: Hadoop, Spark, язык программирования Scala и тд.
📈Если говорить о востребованности, то она растёт с каждым днём, как и растут объёмы данных, генерируемые человечеством.
🤗В идеальном мире, когда все научаться собирать и хранить данные, больших данных будет большинство.
🚨Но также есть ряд сложностей и проблем связанных с работой с такими данными, по которым ещё только ищутся и разрабатываются решения.
❓А вы как думаете, есть будущее за большими данными - Big Data?