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?

Engang var dataforskere hovedsagelig i det akademiske rum. 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 erhverv omfatter 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 dollar. Kig på kompensation alene, datavidenskab er meget mere attraktiv end andre lignende karriere.

Færdigheder, der skal bruges til datavidenskab

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

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

• Statistiske programmeringssprog, som R og SAS
• Database forespørgselssprog som SQL
• Grundlæggende statistikker som statistiske tests, distributioner, maksimal sandsynlighed estimatorer og så videre
• Maskinindlæringsmetoder som k-Nærmeste naboer, tilfældige skove, ensemblemetoder mv.
• Multivariabel beregning og lineær algebra
• Datalogning og udvikling af nye produkter, der er data-drevne
• Kendskab til Hadoop platforming
• Visualiseringsværktøjer som Flare, HighCharts eller AmCharts

Sådan bliver du en dataforsker

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

• Selvstudium via programmer som Udacity
• Deltager i en datalogi boot camp
• Går til skole for en kandidatgrad

Selvfølgelig er der fordele og ulemper ved hver metode.

Selvstudie

Fordele:

• Praktisk: Kan gøres på din 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 færdiggørelsen
• Ingen peer-to-peer eller lærer-til-studerende involvering
• Ingen hjælp til job jagt

Data Science Boot Camp

Fordele:

• Lidt engagement: kan afsluttes om 6 uger til 3 måneder
• Relativt overkommelige, i det mindste i forhold til at få en kandidatgrad (boot camps spænder fra gratis - $ 16.000)
• Ideel til dem, der ønsker at skifte karriere hurtigt
• Mange bootlejre tilbyder assistance i jobsøgningsprocessen efter færdiggørelsen

Ulemper:

• Få kun en portefølje af projekter - ingen "rigtig" erhvervserfaring
• Meget at lære på kort tid
• Kunne være op til 40 timer om ugen i arbejde (i modsætning til selvstudium hvor du kan gå i dit eget tempo og stadig arbejde deltid / fuld tid)

Kandidatgrad

Fordele:

• Diplom ved afslutning
• Struktureret læring med professionelt uddannede instruktører
• Erhvervserfaring: Mange programmer omfatter praktikophold, der vil føje til erfaring og viden
• God tid til at lære og absorbere al information

Ulemper:

• Dyrt: kan koste mellem $ 20.000 - $ 70.000 - ikke inklusive leveomkostninger
• Tidskrævende: kan også tage længst (9-20 måneder)