Sådan bliver du datalog

Næsten alt, hvad du laver, genererer data. Besøg et websted: Data. Tryk på en app på din telefon: Data. Køb noget med et kreditkort: Data. Synes godt om eller uploader et billede på sociale medier: Data: Data. Milliarder af mennesker genererer enorme mængder data hvert eneste øjeblik af hver eneste dag.

Det er nogle store data, og de bliver kun større og større. Forestil dig, hvad man kan gøre med alle disse oplysninger – dataloger gør netop det. Datavidenskab er i bund og grund kunsten at løse problemer med data. Du har måske billioner af rækker af data, men i sig selv betyder disse oplysninger intet. Det kræver arbejde og specialiserede færdigheder at omdanne den fra uforståelig støj til noget, der let kan forstås.

Indvævet i alle disse data er der oplysninger, som kan forbedre livskvaliteten, identificere samfundsmæssige problemer og løse globale kriser. Nu mere end nogensinde før er det vigtigt at finde de betydelige fremskridt, som data kan resultere i – det er ikke overraskende, at det at kunne forstå, analysere og fortolke data er en yderst ønskværdig færdighed.

Hvad laver dataloger egentlig?

Lad os starte med at bryde to af de mest almindeligt stillede spørgsmål ned – hvad er data science, og hvad er en data scientists ansvarsområder?

Data science handler om at dykke ned i en brønd med information og forme den til et værktøj, som du kan bruge til at nå et mål. Datavidenskabsfolk behandler data, så de er læsbare for mennesker, og opbygger visualiseringer, der fortæller en historie, eller modeller, der forklarer en proces eller forudsiger en adfærd. Andre gange udføres der eksperimenter for at validere hypoteser i et forsøg på at bevise dem. Essensen er, at de rå data bruges til at producere noget, der er værdifuldt, fordi man kan gøre eller lære noget med dem.

Data Science jobtitler omfatter:

• Data Scientist
• Data Analyst
• Business Intelligence Analyst
• Machine Learning Engineer
• Junior Data Analyst

Hvor meget tjener Data Scientists?

Årslønningerne varierer fra $92k til $138k, og pr. 1. april 2020 er den gennemsnitlige årsløn for en Data Scientist i USA $119.130 om året ifølge ZipRecruiter. Dette er en af de mest lukrative højtlønnede karrierer i teknologibranchen i dag.

I en nylig langsigtet analyse af resultaterne viste Thinkful Data Science-uddannede, at før Thinkful tjente de studerende i gennemsnit 53k $, og efter Thinkful sprang de op til 77k $ i deres første job. Desuden tjente alumnerne efter mindst et år på området i gennemsnit 101k dollars i deres første job. Se vores langsigtede resultater for studerendes succes for at få flere oplysninger.

Hvilke færdigheder har dataloger brug for?

Dette hurtigt voksende område tager fat på nogle af de største problemer i verden i dag. Men hvad skal der egentlig til for at blive datavidenskabsmand?

Hvor du overhovedet begynder at lære de tekniske færdigheder, der skal få dig ind i branchen, skal du fokusere på de bløde færdigheder, du sandsynligvis allerede har. Disse er afgørende for at få din næste karriere som datavidenskabsmand:

• Kommunikation
• Kreativ tænkning
• Relationsopbygning
• Autenticitet
• Authenticitet
• Udholdenhed

Få uddybende råd om, hvordan du kan læne dig op ad disse færdigheder for at kickstarte din selvtillid, når du skifter karriere.

Tekniske færdigheder, der er afgørende for at få arbejdet gjort, yde på et højt niveau og opfylde karrieremålene, omfatter:

• Vejledende programmering og dyb matematisk viden
• Passion for at finde og løse problemer
• Analytiske teknikker som f.eks. hvordan man laver visualiseringer og bruger sammenfattende statistikker
• Forståelse af A/B-test og statistisk signifikans
• Python til at indsamle og præsentere data, og derefter identificere indsigter
• SQL til forespørgsler
• Machine learning med overvågede og uovervågede modeller

Datavidenskab er sjældent lige til at skære ud i pap. Det er ikke bare at “anvende denne teknik” eller “køre dette program”. Selv om det er nødvendigt, er det som regel den nemme del. Du har brug for en grundig forståelse af problemet, så du kan afgøre, hvilke værktøjer der er bedst egnede til din opgave. En af de vigtigste færdigheder for en datavidenskabsmand er evnen til at finde problemer, der kan løses. At lære datavidenskab er altså ikke blot at kombinere programmering med statistik – det omfatter det, men det kræver også kontekst. Du skal forstå det domæne, du arbejder inden for, så du kan teste dine hypoteser i den virkelige verden.

Hør fra Data Science Mentor, Thanasis Paraskevas, om hvorfor SQL er et så kraftfuldt programmeringssprog, og hvordan du vil bruge det som data scientist.Med over 10 års brug af SQL i professionelle sammenhænge kan hans ekspertrådgivning hjælpe dig med at give dig et indblik i processen med at lære og anvende SQL.

Hvordan bliver jeg datavidenskabsmand?

Læring af noget kræver et positivt feedback loop. Ved udformningen af vores bootcamp-kurser hos Thinkful har vi fundet ud af, at studerende lærer bedst med:

• 1-til-1 mentorskab og karrierecoaching
• Et omfattende pensum med indbyggede check-ins
• Capstone-projekter, der opbygger en portfolio fra den virkelige verden

Vi tilbyder et accelereret fuldtidsprogram eller et fleksibelt deltidsprogram data science-kursus, så du kan vælge det format, der passer bedst til dit liv. Vores state-of-the-art pensum vil lære dig alle de færdigheder, du har brug for til at starte en succesfuld datavidenskabs-karriere. Nogle af højdepunkterne fra vores pensum for datavidenskab omfatter:

• Analytics and Experimentation using Python and SQL
• Machine learning using supervised and unsupervised models
• Advanced specialization skills

Vi har bygget vores programmer, så de passer til dine behov og sætter dig op til at få succes. Alle kurser leveres 100 % online og omfatter avancerede projektbaserede læseplaner og aktuelle industriværktøjer til at opbygge virkelighedsnære capstone-projekter. Du kan lære vores kurser og formater bedre at kende ved at udforske Thinkful 101.

Thinkful er investeret i dig. Vi ønsker, at du sætter din fremtidige karriere i første række i dag og betaler undervisningsgebyret, når du bliver ansat. Vi tilbyder en række forskellige betalingsmuligheder, fordi din økonomiske status ikke bør holde dig tilbage fra en ny karriere. Udforsk, hvordan vi arbejder.

Hvordan kan jeg få succes med online læring?

Siden 2012 har Thinkful hjulpet studerende med at ændre deres karrierer og liv. Vi hjælper med at sætte de studerende på en opadgående bane, der varer hele livet gennem online læring. Thinkful-fællesskabet omfatter næsten 600 undervisere og mentorer og over 1.100 studerende, som alle interagerer 100 % online. I løbet af de sidste 8 år har vi opdaget nyttige teknikker, der sikrer, at du lærer effektivt i et fuldt fjernmiljø – her er nogle tips til at lægge fundamentet for succes med fjernundervisning.

Er der nogen Data Science-nybegynderressourcer, som jeg kan gennemgå?

Hvis du ikke helt har indset det endnu, er Data Science tung i matematik. Heldigvis behøver du ikke at være en matematisk troldmand, og du kan skærpe de nødvendige matematiske færdigheder, der er nødvendige som datavidenskabsmand.

George Mount, vores data science instructional designer, skitserede tre vigtige matematiske færdigheder, der vil hjælpe dig med at få succes i kurset:

• Statistik – bruges på alle niveauer inden for datavidenskab
• Sandsynlighed – kræver en forståelse af begreber som stikprøveudtagning og fordelingsfunktioner
• Maskinlæring – kræver en forståelse af lineær algebra og regning

Han forklarede videre, at ” lægger vægt på praksis frem for teori. Så selv om de studerende lærer noget af den hårde matematik bag algoritmerne, er vægten lagt på at forstå, hvordan man bruger dem effektivt i en forretningssammenhæng.” Hvis du vil vide mere om den specifikke matematiske eksponering, der kræves til programmet, kan du læse mere om den matematik, du skal vide.

Hvis du ønsker at starte en karriere som datalog, er det lige så vigtigt at indsamle ekspertrådgivning som at lære de tekniske færdigheder i faget. Python-programmeringsekspert Giles McMullen-Klien satte sig ned med os for at fortælle, hvordan du kan starte en karriere inden for datavidenskab, uanset hvor du befinder dig i din datavidenskabelige karrierevej.

Hans fire vigtige tips til at starte en karriere som datavidenskabsmand omfatter:

1. Hold forbindelsen til datavidenskabsfællesskabet
2. Hold øje med vækstmuligheder
3. Find dine mestre og udvikl et forhold
4. Hæv dine resultater, og lær andre, hvor du kan

Dyk yderligere ned i Giles’ råd for at få en insiderinformation.

Hvordan kommer jeg i gang?

Hvis du er klar til at lære mere, tjene mere og foretage en ændring, der varer hele livet – planlæg et opkald med vores optagelsesrepræsentanter for at få en introduktionssamtale på et tidspunkt, der passer dig, så du kan komme i gang.

Vi hjælper dig med at vælge det rigtige format og guider dig gennem de næste skridt til at ændre din karriere og blive en højt betalt datavidenskabsmand. Vores repræsentanter kan også tilbyde dybdegående oplysninger om betalings- og finansieringsmuligheder for det kursus, der passer bedst til dig.