Content
- Visualització de dades
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Modelització de dades
- Python
- Com / On Es pot aprendre aquestes habilitats
Font: Maxkabakov / Dreamstime.com
Emportar:
El món de la tecnologia viatja a un ritme ràpid i és possible que fins i tot els nous graduats no hagin après totes les habilitats necessàries per a una carrera professional. Revisem les habilitats més destacades i parlem de com aconseguir-les.
En funció de la vostra tasca principal, quan gradueu la universitat, potser heu d’aprendre habilitats addicionals per ser més comercialitzables. I, segons LinkedIn, les tres principals habilitats que els nous graduats estan aprenent en els sis mesos següents a la seva graduació són visualització de dades, modelatge de dades i Python.
"El 2020, el món generarà 50 vegades la quantitat de dades que va fer el 2011", segons Derek Steer, CEO de Mode, una plataforma d'anàlisi de dades. El poder de processament de dades és ara barat i accessible a pràcticament qualsevol empresa i Steer diu que el coll real d'ampolla és trobar persones amb les habilitats adequades.
Tot i això, les empreses estan ampliant la definició de qui hauria de tenir les habilitats per comprendre i manipular dades.
"Fins fa poc, el paper de l'anàlisi predictiu recaia sobretot en científics de dades d'elit experimentats, mentre que el processament del llenguatge natural o la creació de models sofisticats de dades estaven reservats a professionals de dades amb una forta formació d'enginyeria", segons Harry Glaser, president del negoci de dades de Sisense, que proporciona eines per ajudar els professionals de les dades a crear aplicacions analítiques. "Tot i això, la pressió del mercat ha obligat a l'anàlisi a futur de formar part regular de les operacions empresarials."
I Glaser diu que això requereix conjunts d’habilitats més avançats. "Això significa grans canvis i noves exigències, cosa que significa comprendre més llenguatges de manipulació de dades que sovint s'utilitzen per a anàlisis avançats, com Python i R."
Examinem aquestes habilitats, per què són importants i com els poden aprendre els nous graus (o qualsevol persona).
Visualització de dades
La visualització de dades és la destinació més alta que presenta LinkedIn, però, què és? "La visualització de dades és convertir dades en representacions gràfiques, com ara gràfics i altres formats més atractius visuals, per tal de proporcionar una forma efectiva d'interpretar i comprendre un conjunt de dades", afirma Roberto Reif, director executiu de ciències de dades de Metis, que proporciona programes de formació en ciències de dades.
Per exemple, convertir els números d’un full de càlcul en una sèrie de gràfics de barres o de tacte, facilita la digestió. "L'objectiu de la visualització de dades és convertir els conjunts d'informació en històries visuals eficaços i proporcionar informació de manera que el públic pugui entendre", afirma Reif.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
I és una habilitat en demanda per diverses raons. "La visualització de dades no s'ensenya àmpliament a l'escola, de manera que els nous graus amb aquestes habilitats destaquen definitivament entre la multitud", segons Yi Zou, que és el director general d'enginyeria i gestiona els equips d'enginyeria de productes de ciències de dades d'ASML Silicon Valley. "El que és més important, que la bona visualització de les dades permeti conèixer millor, donant lloc a millors decisions, especialment a la fase d'exploració."
I hi ha una altra raó per la qual aquesta habilitat té una gran demanda. "Els empleats que són capaços d'explicar històries convincents amb gràfics i gràfics d'alta qualitat són normalment més eficaços a l'hora de comunicar clarament els seus resultats", afirma Zou. (Per obtenir més informació, vegeu L’alegria de les dades Viz: les dades que no buscaves.)
Modelització de dades
Segons LinkedIn, el modelatge de dades és la segona habilitat més popular que els estudiants més recents inverteixen en aprenentatge. "El modelatge de dades consisteix en comprendre i utilitzar dades per trobar relacions entre diferents conjunts d'informació", explica Reif.
Per exemple, si teniu previst posar la vostra llar al mercat i esteu intentant predir el preu de venda, diu que heu de mirar una sèrie de dades, com ara el metrat quadrat, el nombre de dormitoris i banys, el codi postal de la casa. el codi, la taxa de criminalitat de la zona i la qualitat de les escoles locals.
"Essencialment, el modelatge de dades és l'art de valorar dades per poder arribar a conèixer visions i prediccions informades, descobrir patrons i relacions", afirma Reif.
És una habilitat a la demanda perquè pot ajudar les empreses a preveure i predir diversos escenaris per prendre decisions estratègiques més informades. "Per exemple, el modelatge de dades s'utilitza per predir el desgast del client, si és probable que una empresa mantingui o perdi un client", explica Reif.
Com que és més car obtenir nous clients que mantenir-los, la modelització de dades pot ajudar a les empreses a identificar els clients que corren el risc de perdre, de manera que poden actuar.
I, Reif, diu que el modelatge de dades també és útil per combatre el frau de transaccions. "Per exemple, moltes empreses de targetes de crèdit fan un seguiment dels patrons de compra i comportament dels seus clients de manera que les compres que sobtadament estan fora de la norma poden activar alertes, permetent a les empreses contactar immediatament amb els seus clients per confirmar la compra o marcar la targeta."
Python
Potser us estareu preguntant per què Python seria la tercera habilitat més popular en ciències de dades entre els recent graduats. "Python és un llenguatge de programació de propòsit general i potent que ha aparegut en els darrers temps com a llenguatge d'elecció per a la ciència de dades", explica el doctor Manjeet Rege, professor d'analítica de dades de la Universitat de St. Thomas a St. Paul, Minnesota.
De fet, diu que s'utilitza àmpliament en ciències de dades perquè és més acollidor en comparació amb Java o C ++. També és popular perquè és un programa de codi obert, cosa que significa que està suportat per una comunitat i disponible de forma gratuïta.
"Per a qualsevol persona que vulgui treballar amb dades que vagin més enllà d'un full Excel, saber que Python és pràcticament necessari", explica Reif. "Si bé hi ha altres llenguatges de programació que també són importants i útils, aquest és un dels més utilitzats."
Si teniu ganes d’aprendre Python, Rege diu que no ho hauria de ser, ja que molts llenguatges de programació són similars. "És com aprendre a conduir un cotxe: si sabeu com conduir un Toyota Camry, la majoria d'aquestes habilitats es traduiran a conduir un Honda Civic i, si enteneu un llenguatge de programació, recollireu un altre llenguatge més ràpidament."
Zou admet que realment no li importa quina plataforma de programari s’utilitza sempre que es faci una correcta anàlisi de dades. "Tot i així, Python és preferit per la majoria de científics de dades, ja que és un llenguatge de programació estadístic de més ràpid creixement i més popular, i més potent, que realitza anàlisis de dades avançades, aprenentatge automàtic i visualització de conjunts de dades", afirma.
Accepta Rebecca Merrett, instructora principal de Data Science Dojo, que ofereix bootcamps de ciències de dades. "He observat que Python es va fer més popular durant els últims anys i diria que com a llenguatge de script, permet prototipsar ràpidament i també compta amb una àmplia llista de biblioteques per ajudar a automatitzar les tasques de ciències de dades més rudimentàries". Com R, diu Python. Té molt de suport per a les tasques de ciències de dades.
Com / On Es pot aprendre aquestes habilitats
No heu de ser un nou grau per aprendre aquestes habilitats. Independentment del lloc on estigui dins de l’espectre de la carrera, hi ha un munt de llocs per aprendre visualització de dades, modelatge de dades i Python. A algunes persones els agrada aprendre pel seu compte, mentre que d'altres prefereixen la configuració de l'aula o de l'equip. Els nostres experts en ciències de dades ofereixen una àmplia i variada llista d’opcions.
"Els candidats de nou grau que he entrevistat esmenten una gran quantitat de recursos que han utilitzat per aguditzar les seves habilitats, com ara llibres educatius, vídeos de YouTube, Cursera i competicions Kaggle", afirma Zou. (Per obtenir més recursos d’aprenentatge en línia, vegeu 6 conceptes clau sobre ciències de dades que podeu dominar mitjançant l’aprenentatge en línia.)
Reif afegeix que, a més dels cursos MOOC, també podeu fer cursos universitaris o fins i tot consultar llibres de biblioteques. "Metis també ensenya totes aquestes habilitats als nostres cursos de preparació de bootcamp i bootcamp de ciència de dades, que assignen un treball previ abans que comenci el bootcamp", diu Reif.
Una opció per aprendre Python? "Simplement aneu a python.org, descarregueu l’intèrpret Python al vostre ordinador i seguiu els tutorials que hi ha aquí", diu Rege.
"Molta gent aprèn les habilitats tècniques mitjançant recursos en línia gratuïts, com els que es mostren al lloc web de Open Source Data Science Masters (que inclou els tutorials gratuïts SQL School i Python de Mode"), diu Steer. "També hi ha càmeres d'inici com Insight o Galvanize, i cursos en línia de Udacity, Springboard, Datacamp i altres", afegeix.
Stephen Bailey, científic de dades i expert en eines d’analítica d’Immuta, una plataforma de governança de dades, ofereix dos consells per a persones que vulguin aprendre aquestes habilitats. “La primera peça és anar a fer-la; aneu a crear una visualització a Tableau; aneu escrivint un guió Python senzill; vés a convertir algun aspecte de la teva vida en un full de càlcul. ”Mentre que pots aprendre una eina o tècnica veient un vídeo, diu que només pots aprendre l’art des de la pràctica.
El seu segon consell és anar a conèixer gent. "Les comunitats de programari i dades són increïblement acollidores", afirma Bailey. “Està farcit de persones disposades a apuntar-te en la direcció correcta; a més, podeu trobar algú a la vostra comunitat de LinkedIn i convidar-los a prendre un cafè. "
Bailey diu que pots aprendre més i també divertir-te més en 30 minuts de parlar amb algú que en passar un dia buscant a Internet.