Science des données, sans degré – Kdnuggets

Tout le monde et leurs chiens essaient d’entrer dans l’industrie de la technologie, que ce soit en apprenant à programmer, à saisir la gestion des produits ou une autre direction. Je suis assez nouveau dans l’industrie de la technologie, avec seulement 5 ans d’expérience, mais alors que je parle à plus de personnes, certains craignent de mettre le pied dans la porte en raison du manque d’éducation de haut niveau.

Dans cet article, je vais discuter de mon voyage et expliquer quoi faire et quoi éviter.

Comment je suis devenu un scientifique des données sans diplôme CS

Il y a cinq ans, j’étais dans un cornichon. J’avais récemment abandonné mon diplôme en pharmacie pour poursuivre une carrière en tant que professionnel de la technologie. J’ai eu le choix de retourner à l’université pour étudier l’informatique ou de trouver un autre itinéraire. Étant britannique, l’université était chère et, comme j’avais déjà fait deux ans de pharmacie, je n’aurais eu que deux années supplémentaires de soutien gouvernemental. Les deux années restantes, j’aurais dû payer pour moi-même. Cela ne semblait pas attrayant, étant donné que c’était 9 000 £ par an.

J’ai commencé à chercher en ligne des cours qui étaient une fraction du prix et qui sont tombés sur un bootcamp des data scientist, qui avait l’air super: 9 mois d’apprentissage à temps plein à temps partiel, qui fonctionnaient parfaitement avec mon rôle à temps plein. J’ai passé ma journée à travailler et je suis revenu étudier jusqu’à 23 heures.

Neuf mois d’apprentissage étaient beaucoup plus attrayants que quatre ans de connaissances et 36 000 £ de dette. La meilleure partie est que je n’ai dû rembourser qu’un pourcentage de mon salaire une fois que j’ai obtenu un emploi.

Cela semblait être un rêve … jusqu’à ce que ce ne soit pas. Et voici pourquoi.

Les bootcamps ne sont pas pour tout le monde

Le but des bootcamps est que vous avez peu de temps pour apprendre tout ce que vous pouvez. Cela peut être un jeu d’enfant pour certaines personnes, par exemple ceux qui ont le temps de faire les heures supplémentaires sur le côté ou ceux qui ramassent rapidement les choses.

Cependant, ce n’était pas le cas pour moi. Je travaillais à plein temps et passais mes soirées à essayer de se renseigner sur les modèles de python et d’apprentissage automatique. Cela n’a pas fonctionné. J’ai réussi, mais je ne pouvais pas dire en toute confiance que j’étais un scientifique des données compétents.

Voici pourquoi:

• Apprendre un langage de programmation prend du temps et de la patience. Cela nécessite beaucoup de pratique et est un processus que vous ne pouvez pas vous précipiter.
• Les bootcamps ne fournissent pas toutes les connaissances dont vous avez besoin pour être un scientifique des données réussie. Est-il possible de s’entasser dans 4 ans de connaissances universitaires en 9 mois? Probablement pas. Mais pour être compétent, vous voulez vous assurer de tout savoir et de bien le comprendre. Par exemple, dans mon bootcamp, nous avons rarement abordé l’importance des mathématiques et des statistiques, qui est le pain et le beurre de la science des données.
• Les conseils et le soutien sont essentiels lorsque vous apprenez quelque chose de nouveau; Par conséquent, vous voulez vous assurer de ne pas avoir l’impression de vous précipiter dans le matériel d’apprentissage, et vous pouvez demander de l’aide lorsque vous en avez besoin avant de passer à l’étape suivante.

Recommandations d’apprentissage de la science des données

Maintenant, vous comprenez les épreuves et les tribulations que j’ai traversées dans mon parcours de science des données, voici mes meilleurs conseils:

1. Fixez des objectifs réalistes

La première chose que vous devriez faire est de fixer des objectifs réalistes. Ceux-ci vous seront propres en fonction de vos engagements personnels, de votre temps libre, etc. Vous souhaitez commencer votre parcours scientifique des données avec des attentes réalistes qui s’alignent avec vous et seulement vous. Ne vous comparez pas aux autres et faites ce qui fonctionne pour vous.

Par exemple, vous pourriez être une mère à plein temps et être en mesure de donner 10 heures par semaine à l’apprentissage. C’est tout à fait bien. Ne vous comparez pas avec un enfant de 19 ans dont le seul objectif est d’apprendre la science des données.

2. Présenter un plan de science des données

Une fois que vous avez fixé vos objectifs, vous devriez créer un plan de science des données. Il s’agit de votre parcours de science des données et comprendra tous les éléments de la science des données que vous devez apprendre. Les principaux points sur lesquels vous souhaitez vous concentrer sont un langage de programmation (idéalement Python), la science des données et les connaissances, les mathématiques et les statistiques de l’apprentissage automatique, puis les affiner davantage dans des connaissances expertes en science des données, en apprentissage automatique et en intelligence artificielle.

Si vous ne savez pas comment construire votre feuille de route, consultez l’article La feuille de route complète de la science des données.

Permettez-moi de vous donner un exemple de calendrier pour votre feuille de route de science des données:

• Apprenez Python avec compétence: 3-6 mois
• Apprenez les connaissances sur la science des données et l’apprentissage automatique: 2-3 mois
• Apprenez les mathématiques et les statistiques: 2-3 mois
• Connaissances d’experts dans un domaine spécifique (par exemple, science des données, apprentissage automatique ou IA): 3-6 mois

En regardant l’exemple ci-dessus, vous pensez probablement « c’est presque un an et demi?!? » Oui, vous avez raison. Ce calendrier peut être idéal pour quelqu’un qui ne peut engager que l’apprentissage à temps partiel dans son parcours scientifique des données ou quelqu’un qui veut prendre le processus patiemment. Il n’y a aucun mal à prendre votre temps. Il vaut mieux être compétent dans toutes ces compétences techniques que de prendre du retard parce que vous avez choisi de précipiter le processus.

3. Pratiquez ce que vous apprenez

Une fois que vous avez terminé votre feuille de route d’apprentissage des sciences des données, la prochaine chose que vous voulez faire est d’appliquer vos connaissances. Certaines personnes peuvent aller directement à la demande d’emploi, en supposant qu’elles sont prêtes, mais la réalité est que vous n’êtes pas prêt jusqu’à ce que vous ayez travaillé sur une variété de projets pour tester vos compétences.

Les projets vous permettent de trouver vos points de douleur et de travailler dessus. Ils sont également précieux dans le processus d’entrevue car cela donne à votre futur employeur la possibilité de voir vos compétences.

Si vous ne savez pas comment aborder l’aspect du projet de votre apprentissage en science des données, jetez un œil à ces articles:

4. Écrivez sur votre voyage

Les gens sous-estiment la valeur du contenu, qu’il s’agisse de blogs ou de publications sur les réseaux sociaux. C’est la meilleure façon de vous présenter, de réseauter avec d’autres collègues professionnels et peut-être de vous décrocher un emploi.

Si je pouvais recommencer, je publierais activement LinkedIn et Medium pour présenter mon réseau et mes hauts et mes bas de l’industrie de la science des données. Cela permettra aux autres d’examiner mon travail par les pairs ainsi que de recevoir des conseils sur ce que je peux faire pour améliorer mes compétences, mes projets et mes chances de trouver un emploi.

De nombreux professionnels des données ont trouvé des mentors de cette façon pour affiner leurs compétences.

Emballage

J’espère que cet article a apporté une certaine paix à ceux qui cherchent à commencer leur parcours scientifique des données. Commencer quelque chose de nouveau n’est pas facile, mais le meilleur conseil que je puisse donner à quelqu’un est que si vous allez le faire, faites-le correctement la première fois pour ne pas vous retrouver sur vous-même.

Nisha Arya est un scientifique des données, un écrivain technique indépendant et un éditeur et un gestionnaire de communauté pour Kdnuggets. Elle est particulièrement intéressée à fournir des conseils ou des tutoriels de carrière en science des données et des connaissances basées sur la théorie autour de la science des données. Nisha couvre un large éventail de sujets et souhaite explorer les différentes façons dont l’intelligence artificielle peut bénéficier à la longévité de la vie humaine. Apprenant passionné, Nisha cherche à élargir ses connaissances technologiques et ses compétences en écriture, tout en aidant à guider les autres.