बिग डेटा एनालिटिक्स के लिए कैरियर स्विच


9

मैं एक 35 वर्षीय आईटी पेशेवर हूं जो विशुद्ध रूप से तकनीकी है। मैं प्रोग्रामिंग, नई तकनीकों को सीखने, उन्हें समझने और लागू करने में अच्छा हूं। मुझे स्कूल में गणित पसंद नहीं था, इसलिए मैंने गणित में अच्छा स्कोर नहीं किया। मुझे बिग डेटा एनालिटिक्स में करियर बनाने का बहुत शौक है। मुझे बिग डेटा तकनीकों (हडॉप आदि) के बजाय विश्लेषिकी में अधिक दिलचस्पी है, हालांकि मैं इसे नापसंद नहीं करता। हालांकि, जब मैं इंटरनेट में चारों ओर देखता हूं, तो मैं देखता हूं कि, जो लोग एनालिटिक्स (डेटा साइंटिस्ट) में अच्छे हैं, वे मुख्य रूप से गणित के स्नातक हैं जिन्होंने अपने पीएचडी किए हैं और बुद्धिमान प्राणियों की तरह ध्वनि करते हैं, जो मुझसे बहुत आगे हैं। मुझे यह सोचकर कभी-कभी डर लगने लगता है कि क्या मेरा निर्णय सही है, क्योंकि अपने दम पर अग्रिम आंकड़े सीखना बहुत कठिन है और इसमें कड़ी मेहनत और समय के निवेश की आवश्यकता होती है।

मैं जानना चाहूंगा कि क्या मेरा निर्णय सही है, या मुझे केवल उन बुद्धिजीवियों को काम छोड़ देना चाहिए जिन्होंने प्रतिष्ठित कॉलेजों में अध्ययन करने के लिए अपना जीवन बिताया है और अपनी डिग्री और पीएचडी अर्जित की है।


2
मुझे लगता है कि यह StackExchange के लिए थोड़ा व्यापक हो सकता है, और शायद ऑफ-टॉपिक माना जाता है अगर यह कैरियर सलाह की चिंता करता है, लेकिन देखें कि दूसरे क्या सोचते हैं।
शॉन ओवेन

7
यह मत भूलो कि जिन लोगों से आप अपनी तुलना कर रहे हैं, वे ऐसे हैं जिनके पास अच्छी तरह से पढ़े जाने वाले ब्लॉग होने का ज्ञान है, उच्च स्टैक एक्सचेंज प्रतिनिधि आदि हैं, अर्थात, प्रतिनिधि नमूना नहीं। आप अपने आप की तुलना सबसे अच्छे से कर रहे हैं, औसत से नहीं। यदि आप एक स्मार्ट आईटी आदमी हैं और आप इसे बुरी तरह से चाहते हैं, तो यह लेने के लिए है। डेटा तेजी से बढ़ रहा है, हमारी विश्लेषण करने और इसे प्रबंधित करने की क्षमता, संभवतः अधिक धीरे-धीरे। तो, बहुत सारे अवसर हैं, बस सींग द्वारा बैल को पकड़ो।
जॉन पॉवेल

1
हर कंपनी अलग है जो मुझे लगता है, लेकिन मेरी कंपनी में हम कोई पागल आँकड़े / गणित नहीं करते हैं। हालांकि बहुत सारे सामान्य ज्ञान समस्या हल हैं। मैं व्यक्तिगत रूप से चाहता हूं कि मेरी कंप्यूटर विज्ञान पृष्ठभूमि मजबूत थी। मैं इस तरह के मूल्य के क्रम में कौशल को रैंक करता हूं: 1) सामान्य ज्ञान, 2) कंप्यूटर विज्ञान / प्रोग्रामिंग 3) गणित / सांख्यिकी।
अकवाल

आप मेरे संबंधित उत्तर को पढ़ना चाह सकते हैं ।
अलेक्सांद्र ब्लेक

यदि आप एक अच्छे प्रोग्रामर हैं तो आप शायद पहले से ही काफी गणित का उपयोग करते हैं। मैं एक प्रोग्रामर की कल्पना नहीं कर सकता जो अच्छा है और दैनिक आधार पर गणित का उपयोग नहीं करता है। आपके द्वारा उपयोग किया गया गणित का उच्चतम स्तर क्या है? आप किस प्रोग्रामिंग भाषा का उपयोग करते हैं और आप इसके लिए क्या उपयोग करते हैं? आपको निश्चित रूप से डेटा विज्ञान करने के लिए पीएचडी की आवश्यकता नहीं है, लेकिन गणित आवश्यक है।
19st को 19

जवाबों:


4

उच्च मांग के कारण, औपचारिक डिग्री के बिना डेटा विज्ञान में कैरियर शुरू करना संभव है। मेरा अनुभव है कि नौकरी के विवरणों में अक्सर डिग्री की आवश्यकता होती है, लेकिन अगर नियोक्ता पर्याप्त हताश है, तो इससे कोई फर्क नहीं पड़ेगा। सामान्य तौर पर, उनके बिना छोटी कंपनियों की तुलना में औपचारिक नौकरी आवेदन प्रक्रियाओं के साथ बड़े निगमों में प्रवेश करना कठिन है। "लोगों को जानना" आपको किसी भी मामले में एक लंबा रास्ता तय कर सकता है।

आपकी शिक्षा के बावजूद, चाहे कितनी भी उच्च मांग हो, आपके पास नौकरी करने का कौशल होना चाहिए।

आप ध्यान देने योग्य हैं कि उन्नत आँकड़े और अन्य गणित स्वतंत्र रूप से सीखने में बहुत कठिन हैं। यह एक बात है कि आप करियर में कितना बदलाव लाना चाहते हैं। जबकि कुछ लोग गणित में 'प्राकृतिक प्रतिभा' रखते हैं, हर किसी को सीखने के लिए काम करना पड़ता है। कुछ अधिक तेज़ी से सीख सकते हैं, लेकिन हर किसी को सीखने के लिए समय निकालना होगा।

संभावित नियोक्ताओं को दिखाने की आपकी क्षमता क्या है कि आप इस क्षेत्र में वास्तविक रुचि रखते हैं, और यह कि आप नौकरी पर जल्दी से सीख पाएंगे। आपके पास जितना अधिक ज्ञान होगा, उतने अधिक प्रोजेक्ट आप एक पोर्टफोलियो में साझा कर सकते हैं, और आपके बेल्ट के तहत जितना अधिक कार्य अनुभव होगा, उतने उच्च स्तर की नौकरियां आपके लिए उपलब्ध होंगी। आपको पहले प्रवेश स्तर की स्थिति में शुरू करना पड़ सकता है।

मैं स्वतंत्र रूप से गणित का अध्ययन करने के तरीके सुझा सकता था, लेकिन यह आपके प्रश्न का हिस्सा नहीं है। अभी के लिए, बस यह जान लें कि यह कठिन है, लेकिन संभव है यदि आप करियर में बदलाव के लिए दृढ़ हैं। लोहे के गर्म होने पर स्ट्राइक (जबकि मांग अधिक है)।


मैंने स्कूल के दिनों में गणित में अपने कमजोर होने का जिक्र किया। मैंने गणित को तब से पसंद करना शुरू किया है जब से मैंने वास्तविक जीवन की समस्याओं को हल करने में इसका वास्तविक उपयोग देखा है :)। तो, आप मुझे गणित का अध्ययन करने के तरीके सुझा सकते हैं। मुझे आपका जवाब पसंद है।
KurioZ7

मैं हमेशा उस सॉफ़्टवेयर समस्या के बारे में सीखना पसंद करता हूं जिसे मैं हल करने की कोशिश कर रहा हूं, फिर समस्या को हल करने के लिए आवश्यक गणित सीखें। हालाँकि, यह संभव है कि आप अपने कौशल के स्तर के आधार पर नए गणित को नहीं चुन पाएंगे और इसे तुरंत उपयोग कर पाएंगे। अपने आप से ईमानदार रहें और एक सॉफ्टवेयर समस्या चुनें जिसमें गणित हो जो आपको लगता है कि आप उठा सकते हैं। अपने पोर्टफोलियो के हिस्से के रूप में इस पर रोजाना काम करें। यदि आप गणित के साथ आकर्षक सॉफ़्टवेयर समस्याएँ पाते हैं, तो आप अपने गणित के ज्ञान को ऑनलाइन पाठ्यक्रमों के साथ बढ़ाएँ। प्रमुख बात आदत है - हर दिन अध्ययन या कोड करने का समय बनाएं।
शेल्डनक्रेगर

1

यदि आपको गणित पसंद नहीं है, तो आपको चीजों के बुनियादी ढाँचे में अधिक देखना चाहिए। जितना कम आप सॉफ्टवेयर स्टैक में जाते हैं, उतना ही आगे आपको मैथ्स (डेटा साइंस सॉर्ट) से मिलता है। दूसरे शब्दों में, आप उन नींव का निर्माण कर सकते हैं जो अन्य उपकरण का उपयोग करेंगे जो विश्लेषकों की सेवा करेंगे। कंपनियों के बारे में सोचें जैसे कि क्लाउडरा, मैपआर, डेटाब्रिक, आदि। जो स्किल्स काम में आएंगे, उन्हें वितरित सिस्टम और डेटाबेस डिजाइन हैं। आप गणित के बिना एक डेटा वैज्ञानिक नहीं बनने जा रहे हैं; यह एक हास्यास्पद धारणा है!


1

मेरे अनुभव में पीएचडी करने का मतलब डेटा साइंस कंपनी के एनवायरमेंट में अच्छा होना नहीं है, मैं डेटा साइंटिस्ट के रूप में काम करता हूं और मैं सिर्फ एक इंजीनियर हूं, लेकिन मैंने कुछ ऐसे सार्वभौमिक शिक्षकों को जाना है जो मेरी कंपनी के साथ मिलकर काम करते हैं। कभी-कभी मैंने उनसे कहा है कि उनकी बात सही नहीं थी क्योंकि उनके विचार और तर्क सही होने के बावजूद वे कंपनी की गतिविधियों के लिए उपयुक्त नहीं थे, इसलिए हमें उन्हें कंपनी और परिणामों के लिए उपयोगी बनाने के लिए कुछ डेटा मॉडल संशोधित करने पड़े। अपना मूल्य खो दिया ताकि हमें नए मॉडल की तलाश करनी पड़े। मेरा मतलब है कि डेटा साइंस एक बहु-विषयक क्षेत्र है, इसलिए एक साथ काम करने वाले कई अलग-अलग लोगों की ज़रूरत होती है, इसलिए मुझे लगता है कि डेटा वैज्ञानिक टीम में आपके कौशल बहुत उपयोगी हो सकते हैं, आपको केवल यह पता लगाना होगा कि आप कहाँ फिट हैं;)


1

हो सकता है कि यह थोड़ा अपमानजनक हो, लेकिन मैं आपको इस MOOC https://www.coursera.org/course/statistics के माध्यम से जाने की अत्यधिक सलाह देना चाहूंगा । यह आँकड़ों का बहुत अच्छा और स्पष्ट परिचय है। यह आपको डेटा विज्ञान में मुख्य क्षेत्र के बारे में एक आधार सिद्धांत देता है। मुझे उम्मीद है कि यह आपके और आंकड़ों के बीच दोस्ती की शुरुआत के लिए एक अच्छा शुरुआत बिंदु होगा।


1

मैंने इसका उल्लेख नहीं किया है, लेकिन यह ध्यान रखना महत्वपूर्ण है कि आप वेतन में कमी देख सकते हैं। मैं यह जानता हूं कि आप यह जानते हुए भी कि आप कितना बनाते हैं, लेकिन (मुझे लगता है) एक अनुभवी आईटी पेशेवर से एक एंट्री लेवल डेटा साइंटिस्ट लेवल तक आप उतना कमा नहीं सकते।

यहां डेटा साइंस सैलरी पर 2015 बर्च वर्क्स स्टडी के एक हिस्से का लिंक दिया गया है:

http://www.burtchworks.com/files/2015/05/DS-2015_Changes-in-Base-Salaries.pdf

जैसा कि आप देख सकते हैं, स्तर 1 व्यक्तिगत योगदानकर्ताओं के लिए औसत वेतन 90k (राष्ट्र भर में) है। पूरी रिपोर्ट में क्षेत्र के आधार पर ब्रेकडाउन है, लेकिन फिर से, आप एक अनुभवी आईटी पेशेवर हैं, आप शायद इससे अधिक बना रहे हैं।

N = 1 के साथ किस्सा कहानी: मेरे डीएस मास्टर्स प्रोग्राम में मेरे एक सहपाठी एक अनुभवी जावा डेवलपर थे, जिनके घर, परिवार इत्यादि थे, हालांकि वे डेटा एनालिटिक्स (जेब से बाहर कार्यक्रम के लिए भुगतान) में बहुत रुचि रखते थे डेटा एनालिटिक्स उस जीवन शैली का समर्थन नहीं कर पाएगा जो उसने वर्तमान में जावा डेवलपर के रूप में की थी। परिणामस्वरूप उन्होंने अपनी डिग्री को अनिवार्य रूप से "बर्बाद" किया और वापस विकास में चले गए। मैं वास्तव में यह देखने के लिए नफरत करूंगा कि अधिक लोगों के साथ ऐसा हो।


रोचक जानकारी जेक!
कुरियाजियो

0

ध्यान रखें कि "बड़ा डेटा" एक कंपनी के लिए एक तेजी से ट्रेंडी बात है कि वे इसमें शामिल हैं। उच्चतर अधिकारी एचबीआर में इसके बारे में एक लेख पढ़ सकते हैं, और खुद से कह सकते हैं, "मुझे कुछ पाने के लिए मिला है यह "(ऐसा नहीं है कि वे जरूरी गलत हैं)।

आपके लिए इसका मतलब यह है कि उन्नत एनालिटिक्स उस कंपनी के लिए उतना आवश्यक नहीं है, जितना कि कुछ हासिल करना और चलाना हो सकता है।

सौभाग्य से आपके लिए, अधिकांश घटकों ने कहा कि कंपनियों को मुफ्त की आवश्यकता हो सकती है। इसके अलावा, मेरा मानना ​​है कि हॉर्टनवर्क्स और क्लाउड दोनों के पास मुफ्त "सैंडबॉक्स" वर्चुअल मशीनें हैं, जिन्हें आप अपने पीसी पर चला सकते हैं, साथ में खेल सकते हैं और अपने बीयरिंग प्राप्त कर सकते हैं।

बड़े डेटा प्लेटफ़ॉर्म पर उन्नत एनालिटिक्स मूल्यवान हैं, सुनिश्चित करने के लिए, लेकिन कई कंपनियों को चलने से पहले क्रॉल करना सीखना होगा।


0

यह मेरी राय में एक बहुत ही अजीब सवाल है। यदि आप सुनिश्चित नहीं हैं कि आप इस नई दिशा से प्यार करते हैं या कम से कम इसे बहुत दिलचस्प पाते हैं तो आप एक नई दिशा में क्यों जा रहे हैं? यदि आप बिग डेटा से प्यार करते हैं, तो आप पीएचडी बुद्धिमान प्राणियों की परवाह क्यों करते हैं जो पहले से ही क्षेत्र में हैं? पीएचडी प्राणियों की समान मात्रा आईटी के प्रत्येक क्षेत्र में है। कृपया इस बहुत अच्छे लेख पर एक त्वरित पढ़ें http://www.forbes.com/sites/louisefron/2013/09/09/13/why-you-cant-find-a-job-you-love/ और फिर खुद से पूछें यदि आप बिग डेटा से बहुत प्यार करते हैं और आप अपने रेत के दाने को ज्ञान के पहाड़ से जोड़ने के लिए तैयार हैं

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.