Садржај
- Визуализација података
- Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
- Дата Моделинг
- Питхон
- Како / где можете научити ове вештине
Извор: Маккабаков / Дреамстиме.цом
Одузети:
Свет технологије путује брзим темпом, па чак ни нови дипломанти можда нису научили све вештине које су им потребне за каријеру. Прегледавамо врхунске вештине и разговарамо о томе како да их стекнемо.
Зависно од вашег главног, након што завршите факултет, можда ћете требати да научите додатне вештине да бисте били продајнији. А према ЛинкедИн-у, три најбоље вештине које нови дипломирани науче у шест месеци након дипломирања су визуализација података, моделирање података и Питхон.
„2020. године свет ће генерисати 50 пута већу количину података коју је направио у 2011. години“, каже Дерек Стеер, извршни директор Моде, платформе за анализу података. Снага за обраду података је сада јефтина и доступна практично свакој компанији, а Стеер каже да је право уско грло проналазак људи с правим вештинама.
Међутим, компаније проширују дефиницију ко би требало да има вештине да разумеју и манипулишу подацима.
„Донедавно је улога предиктивне анализе углавном падала на искусне, елитне научнике података, док је обрада природних језика или стварање софистицираних модела података резервисано за стручњаке са подацима који имају снажну инжењерску позадину“, изјавио је Харри Гласер, председник компаније за податке у Сисенсеу, који пружа алате за помоћ професионалним подацима да направе аналитичке апликације. "Међутим, притисак на тржишту присилио је да анализа будућности буде редован дио пословања."
А Гласер каже да су за то потребни напреднији сетови вештина. „То значи велике промене и нове захтеве, што значи разумевање више језика за манипулацију подацима који се често користе за напредну анализу, попут Питхон-а и Р.“
Испитајмо ове вештине, зашто су важне и како нови градови - или било ко - може да их научи.
Визуализација података
Визуализација података је врхунска вештина коју наводи ЛинкедИн, али шта је то? „Визуализација података претвара податке у графичке репрезентације, попут графикона и других визуелно привлачнијих формата, како би се пружио ефикасан начин интерпретације и разумевања скупа података“, каже Роберто Реиф, извршни директор науке о подацима у компанији Метис, која пружа програми обуке из науке о подацима.
На пример, претварање бројева из табеле у низ бар или пита графикона олакшава варење. „Циљ визуелизације података је претварање скупова информација у ефикасно визуелно приповиједање прича и пружање увида на начин на који ваша публика може да разуме“, каже Реиф.
Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
Не можете побољшати своје вештине програмирања када никога није брига за квалитет софтвера.
И то је вештина потражње из више разлога. „Визуализација података се не учи широко у школи, тако да се нови градови са овим вештинама дефинитивно издвајају из гомиле“, каже Ии Зоу, виши директор инжењерства и руководи тимом за инжењеринг производа из АСМЛ Силицијске долине. „Оно што је још важније, добра визуализација података омогућава бољи увид, што доводи до бољих одлука, посебно у фази истраживања.“
И постоји још један разлог зашто је та вештина велика потражња. „Запослени који су у стању да испричају упечатљиве приче са висококвалитетним графиконима и графиконима обично су ефикаснији у очигледној комуникацији са својим налазима“, каже Зоу. (Да бисте сазнали више, погледајте Визуална радост података: Подаци које нисте тражили.)
Дата Моделинг
Према ЛинкедИн-у, моделирање података је друга најпопуларнија вештина коју последњи студенти улажу у учење. „Моделирање података подразумева разумевање и коришћење података за проналажење односа између различитих скупова информација“, објашњава Реиф.
На пример, ако планирате да своју кућу пласирате на тржиште и покушавате да предвидите продајну цену, он каже да треба да погледате низ података, као што су квадратни снимци, број спаваћих соба и купатила, кућни поштански број код, стопа криминала у области и квалитет локалних школа.
„У основи, моделирање података је вештина процењивања података да би се дошло до информираних увида и предвиђања - откривања образаца и односа“, каже Реиф.
То је вештина потражње, јер може помоћи компанијама да предвиди и предвиди различите сценарије за доношење информисанијих стратешких одлука. „На пример, моделирање података се користи за предвиђање раста клијента - да ли ће неко вероватно задржати или изгубити купца“, објашњава Реиф.
Будући да је скупљање нових купаца скупље него задржавање њих, моделирање података може помоћи компанијама да идентификују купце којима пријети губитак, па могу предузети акцију.
Реиф каже да је моделирање података такође корисно у борби против превара о трансакцијама. „На пример, многе компаније са кредитним картицама прате обрасце куповине и понашање својих купаца тако да куповина која изненада пређе норму може изазвати упозорења, омогућавајући компанијама да одмах контактирају своје купце како би потврдили куповину или обележили картицу.“
Питхон
Можда се питате зашто би Питхон био трећа најпопуларнија вештина науке о подацима међу последњим матурантима. „Питхон је моћан, програмски језик опште намене који се у последње време појавио као језик избора за науку о подацима“, објашњава др Мањеет Реге, професор аналитике података на Универзитету Ст. Тхомас у Ст. Паул-у, Миннесота.
У ствари, он каже да се то широко користи у науци о подацима, јер је више него примамљиво у поређењу са Јава или Ц ++. Такође је популаран јер је програм отвореног кода, што значи да га подржава заједница и доступан је бесплатно.
"За свакога ко жели да ради са подацима који надилазе Екцел листу, знајући да је Питхон практично потребно", објашњава Реиф. „Иако постоје и други програмски језици који су такође важни и корисни, овај је један од најчешће коришћених.“
Ако сте забринути због учења Питхона, Реге каже да не би требало да буде јер је пуно програмских језика слично. „То је попут учења вожње аутомобила: Ако знате како возити Тоиота Цамри, већина тих вештина превест ће се у вожњу Хонда Цивиц - а ако разумете један програмски језик, брже ћете одабрати други језик.“
Зоу признаје да га заиста не занима која се софтверска платформа користи све док се аналитичка анализа података исправно врши. "Међутим, данас већина научника података преферира Питхон-а, будући да је то најбрже растући и најпопуларнији - и најснажнији - статистички програмски језик који врши напредне анализе података, машинско учење и визуализацију на великим скуповима података", каже он.
Сагласна је и Ребецца Мерретт, водећа инструкторка Дата Дата Дојо-а, која нуди боотцам науке о подацима. „Приметила сам да је Питхон последњих година све популарнији и рекао бих да му је скриптни језик омогућава брзо прототиповање, а поседује и обимну библиотеку која помаже у аутоматизацији рудиментарнијих задатака науке о подацима.“ Као и Р, каже Питхон има велику подршку задацима науке о подацима.
Како / где можете научити ове вештине
Не морате бити нови град да бисте научили ове вештине. Без обзира на коме се налазите у спектру каријере, постоји пуно места за учење визуелизације података, моделирања података и Питхон-а. Неки воле да уче самостално, док други више воле подешавања учионице или тима. Наши стручњаци за науку о подацима пружају опсежну и разнолику листу опција.
„Кандидати за нови град са којима сам разговарао спомињу богатство ресурса које су користили за изоштравање својих вештина, укључујући едукативне књиге, ИоуТубе видео снимке, Цоурсера и Каггле такмичења“, каже Зоу. (За више извора за учење на мрежи погледајте 6 кључних концепата о науци о подацима којима можете савладати путем онлине учења.)
Реиф додаје да поред МООЦ курсева, можете похађати и курсеве на факултетима или чак прегледати библиотечке књиге. „Метис такође подучава све ове вештине на нашим течајевима боотцамп и боотцамп преп курсевима, који додељују предрадњу пре почетка боотцампа“, каже Реиф.
Једна опција за учење Питхона? „Једноставно идите на питхон.орг, преузмите преводилац Питхон-а на свој рачунар и пратите тамошње смернице“, каже Реге.
„Многи људи науче техничке вештине путем бесплатних извора на мрежи, попут оних наведених на веб локацији Опен Соурце Дата Сциенце Мастерс (која укључује сопствене бесплатне СКЛ школе и Питхон туторијале“), каже Стеер. „Постоје и боотцам кампови као што су Инсигхт или Галванизе, као и интернетски курсеви од Удацити, Спрингбоард, Датацамп и других“, додаје он.
Степхен Баилеи, стручњак за податке и аналитичке алате на Иммута, платформи за управљање подацима, има два савјета за људе који желе да науче ове вјештине. „Први део је да то учинимо; крени визуализацију у Таблеау-у; го написати једноставну Питхон скрипту; и претворите неки аспект свог живота у прорачунску таблицу. “Док можете да научите алат или технику из гледања видеа, он каже да уметност можете научити само из праксе.
Његов други савет је да иде у сусрет људима. „Софтвер и дата заједнице су невероватно добродошлице“, каже Баилеи. „Препун људи који су вољни да вас усмере у правом смеру; такође, можете пронаћи некога из ваше ЛинкедИн заједнице и позвати их на кафу. "
Баилеи каже да можете научити више, али и забавити се за 30 минута разговора с неким него да проведете дан у потрази за интернетом.