ווי אזוי צו אָנהייבן אַ קאַריערע אין דאַטן וויסנשאַפֿט
דאַטן וויסנשאַפֿט איז געוואָרן איינע פֿון די מערסט געזוכטע קאַריערע פֿעלדער אין די לעצטע יאָרן. די סיבות זענען קלאָר: כּמעט יעדע אינדוסטריע פֿאַרלאָזט זיך איצט אויף דאַטן פֿאַר באַשלוס-מאכן, פֿון באַנקינג און עלעקטראָנישער האַנדל ביז געזונטהייט און מאַנופֿאַקטורינג ביז רעגירונג. אָבער, פֿאַר אָנפֿאַנגער, קען אָנהייבן אַ קאַריערע אין דאַטן וויסנשאַפֿט אָפֿט פֿילן שרעקלעך, ווײַל דער פֿעלד קאָמבינירט סטאַטיסטיק, פּראָגראַמירן און געשעפֿטלעכע קענטעניש. דער אַרטיקל וועט דעקן פּראַקטישע טריט פֿאַר אָנהייבן אַ קאַריערע אין דאַטן וויסנשאַפֿט, פֿון בויען אַ יסוד ביז באַקומען אײַער ערשטע אַרבעט.
1. ערשט פֿאַרשטיין וואָס דאַטן וויסנשאַפֿט איז
דאַטן וויסנשאַפֿט איז אַ דיסציפּלין וואָס פֿאָקוסירט זיך אויף פּראָצעסירן דאַטן צו שאַפֿן נוצלעכע איינזיכטן, פֿאָרויסזאָגן אָדער רעקאָמענדאַציעס. די אַרבעט פֿון אַ דאַטן וויסנשאַפֿטלער באַשטייט געוויינטלעך פֿון זאַמלען דאַטן, רייניקן זיי, אַנאַליזירן מוסטערן, בויען מאַשין לערנען מאָדעלן און קאָמוניקירן די רעזולטאַטן צו די אינטערעסירטע פּאַרטייען.
אסאך אנפאנגער טראכטן אז דאטן וויסנשאפט איז נאר וועגן בויען סאפיסטיקירטע קינסטלעכע אינטעליגענץ מאדעלן. אבער, אין פראקטיק, פארברענגט מען רוב צייט צו פארשטיין ביזנעס פראבלעמען און אויסרייניקן דאטן. דעריבער, איידער מען גייט צו טיף אריין אין דעם ענין, איז וויכטיג צו פארשטיין דאס גרויסע בילד כדי צו פארמיידן אומרעכטע ערווארטונגען.
2. באַשטימט דעם קאַריערע וועג וואָס איר ווילט נעמען
דאַטן וויסנשאַפֿט האט עטלעכע ענלעכע ראָלעס אָבער פֿאַרשידענע פֿאָקוסן. באַשטימען דיין דרך פֿרי וועט העלפֿן איר לערנען מער צוועקפֿול. עטלעכע געוויינטלעכע וועגן זענען:
– דאַטן אַנאַליסט: פאָקוסירט אויף דאַטן אַנאַליז, שאַפֿן דאַשבאָרדז, באַריכטן און ינסייץ פֿאַר געשעפט דיסיזשאַנז.
– דאַטן וויסנשאַפֿטלער: קאָמבינירט דאַטן אַנאַליז מיט סטאַטיסטיש מאָדעלינג און מאַשין לערנען.
– מאַשין לערנען אינזשעניר: פאָקוסירט אויף ימפּלאַמענטינג מאָדעלן וואָס קענען לויפן אין פּראָדוקציע סיסטעמען (דיפּלוימאַנט), פּייפּליינז און אָפּטימיזאַציע.
– דאַטן אינזשעניר: בויען דאַטן אינפראַסטרוקטור, ETL/ELT פּייפּליינז, און זיכער מאַכן אַז דאַטן איז גרייט צו נוצן.
אויב איר זענט נאָך נישט זיכער, דער מערסט אָנהייבער-פרייַנדלעך וועג איז געוויינטלעך דאַטן אַנאַליסט, ווייַל עס שטעלט דעם טראָפּ אויף דאַטן אַנאַליז און קאָמוניקאַציע סקילז. דערנאָך קענט איר פּראָגרעסירן צו דאַטן וויסנשאַפֿטלער אָדער מאַשין לערנען אינזשעניר.
3. באַהערשן די יסודות: גרונטלעכע סטאַטיסטיק און מאַטעמאַטיק
דאַטן וויסנשאַפֿט פֿאַרלאָזט זיך שטאַרק אויף סטאַטיסטישער לאָגיק. איר דאַרפֿט נישט זײַן קיין מאַטעמאַטיקער, אָבער עס זענען דאָ עטלעכע גרונטלעכע קאָנצעפּטן וואָס איר זאָלט באַהערשן:
– דעסקריפּטיוו סטאַטיסטיק (דורכשניט, מעדיאַן, וואַריאַנס, סטאַנדאַרט דיווייישאַן)
– גרונטלעכע וואַרשיינלעכקייט
– דאַטן פאַרשפּרייטונג (נאָרמאַל, בינאָמיאַל, אאז"וו)
– קאָרעלאַציע קעגן קאַוזאַליטעט
– באַגריף פון היפּאָטעזע טעסטינג און פּ-ווערט (מינימום גרונטלעכע פארשטאנד)
– לינעאַרע רעגרעסיע ווי אַ פונדאַמענטאַלע באַגריף
אויב איר באַהערשט די יסודות, וועט עס זיין גרינגער פֿאַר אײַך צו פֿאַרשטיין פֿאַרוואָס אַ מאָדעל אַרבעט און ווען אַן אַנאַליז־מסקנה קען מען פֿאַרלאָזן זיך.
4. לערנט זיך באַטייַטיק פּראָגראַמירן: פּיטהאָן אָדער R
אין אינדוסטריע, איז פּיטהאָן די מערסט פּאָפּולערע ברירה פֿאַר דאַטן וויסנשאַפֿט צוליב זײַן ברייטן עקאָסיסטעם. R איז אויך זייער שטאַרק, ספּעציעל פֿאַר סטאַטיסטישע אַנאַליז, אָבער פּיטהאָן טענדירט צו זײַן מער פֿלעקסיבל פֿאַר מאַשין לערנען אַנטוויקלונג.
אָנהייבן מיטן וויכטיקסטן זאַך:
– פּיטהאָן גרונטפּרינציפּן: וועריאַבאַלן, לופּס, פונקציעס, ליסטעס/דיקטן
– דאַטן מאַניפּולאַציע מיט פּאַנדאַס און נומפּי
– וויזואַליזאַציע מיט Matplotlib אדער Seaborn
– גרונטלעכע מאַשין לערנען מיט Scikit-learn
לאָזט זיך נישט פֿאַרטיפֿן אין פּרובירן צו לערנען אַלץ אויף איין מאָל. פֿאָקוסירט זיך אויף פּשוטע פּראָיעקט סקילז: לייענען דאַטן, רייניקן זיי, אַנאַליזירן זיי, שאַפֿן וויזואַליזאַציעס, און דערנאָך צוזאַמענפֿאַסן די רעזולטאַטן.
5. באַהערשן SQL ווייל עס איז כּמעט פארלאנגט אין פאַקטישע דזשאָבס.
אסאך דאטן דזשאבס פארלאנגען צוריקצוקריגן דאטן גלייך פון דאטאבאזעס. דעריבער, איז SQL א פארלאנגטע סקיל, אפילו פאר דאטן וויסנשאפטלער. איר וועט דארפן באהערשן:
– אויסקלייבן, וואו, גרופּירן לויט, סדר לויט
– זיך צוזאַמענשטעלן (אינעווייניק, לינקס, רעכטס)
– סובקוועריעס און CTEs
– אַגרעגאַציע און פֿענצטער פֿונקציעס (אויב אַוואַנסירט)
גוטע SQL סקילז זענען אָפט אַ חילוק ווען מען אַפּליייִרט פֿאַר דזשאָבס, ווײַל קאָמפּאַניעס צושטעלן זעלטן "גרייט-צו-נוצן" דאַטן ווי אין טוטאָריאַלז.
6. בויען אַ רעאַליסטיש פּראָיעקט פּאָרטפאָליאָ
א פּאָרטפאָליאָ איז אַ וויכטיק געצייַג פֿאַר אָנהייבער, ספּעציעל אויב איר האָט נישט קיין אַרבעטס-ערפֿאַרונג אין דאַטן וויסנשאַפֿט. קלייַבט פּראָיעקטן וואָס ווײַזן דעם גאַנצן פּראָצעס, למשל:
– פארקויף אנאליז און קונה סעגמענטאציע
– קונה אָפּשטויס פּראָגנאָז
– הויז פרייז פאראויסזאגונג
– פּראָדוקט איבערבליק סענטימענט אַנאַליז
– KPI דאַשבאָרד ניצן עפנטלעכע דאַטן
ניצט דאַטן פֿון Kaggle, רעגירונג דאַטן (אָפֿענע דאַטן), אָדער אַנדערע עפֿנטלעכע דאַטאַסעץ. אָבער, קאָפּירט נישט נאָר עקזיסטירנדיקע נאָוטבוקס. פּרוּווט צו דערקלערן די טריט גרינטלעך אין אייערע אייגענע ווערטער.
אידעאלערהייט, וועט אייער פּאָרטפאָליאָ אַנטהאַלטן:
– קלאָרע געשעפט/פּראָיעקט צילן
– דאַטן רייניקונג פּראָצעס (דאַטן רייניקונג)
– עקספּלאָראַטאָרישע דאַטן אַנאַליז (EDA)
– גענערירטע מאָדעלן אדער איינזיכטן
– מסקנות און רעקאָמענדאַציעס
לאָוד אַרויפֿ דאָס פּראָיעקט צו גיטהאַב אָדער אַ פּאָרטפאָליאָ פּלאַטפאָרמע ווי קאַגל און אַרייננעמען אַ ריינע README.
7. פּראַקטיצירן קאָמוניקאַציע און דערציילונג סקילז
דאַטן וויסנשאַפֿט איז נישט נאָר וועגן נומערן, נאָר וועגן איבערגעבן די באַדייטונג הינטער זיי. פילע מענטשן דורכפֿאַלן אינטערוויוען נישט ווײַל זיי פֿעלט אינטעליגענץ, נאָר ווײַל זיי קענען נישט פשוט דערקלערן זייערע אַנאַליז רעזולטאַטן.
פּראַקטיצירט דיזע פֿעיִקייט דורך:
– שאַפֿן אַ קיצור פֿון דער אַנאַליז אין 5–10 זאַצן
– דערקלערן דעם גראַף: "וואָס פּאַסירט און פאַרוואָס איז עס וויכטיק?"
- צושטעלן פּראַקטישע אינסייט רעקאָמענדאַציעס
– פֿאַרפּשוטערן טעכנישע טערמינען פֿאַר ניט-טעכנישע צוהערער
קאָמוניקאַציע סקילז וועלן מאַכן איר קוקן מער פּראָפעסיאָנעל און גרייט צו אַרבעטן.
8. נעמט די ריכטיגע קורסן, אבער לאזט זיך נישט פארכאפן אין די סערטיפיקאטן.
אָנליין קאָרסן קענען באַשנעלערן לערנען, אָבער פאָקוסירן נישט נאָר אויף סערטיפיקאַציעס. וואָס איז וויכטיקסט זענען סקילז און פּראָיעקט באַווייזן.
געוויינטלעכע און לייכט צוטריטלעכע לערן-רעסורסן:
– פּיטהאָן קורס פֿאַר דאַטן וויסנשאַפֿט
– SQL און דאַטאַבייס קורסן
– סטאַטיסטיק פֿאַר דאַטן אַנאַליז
– גרונטלעכע מאַשין לערנען
– וויזואַליזאַציע און דאַשבאָרד (טאַבלעאָ/פּאַוער בי)
קלייַבט קורסן וואָס דאַרפן אַז איר זאָלט אַרבעטן אויף געניטונגען אָדער פּראָיעקטן. וואָס מער פּראַקטיק איר האָט, אַלץ שנעלער וועט איר פּראָגרעסירן.
9. בויען עקספּעריענץ דורך אינטערנשיפּס, פרילאַנסינג, אָדער קהילה פּראָיעקטן.
אויב איר האָט שוועריקייטן צו באַקומען אייער ערשטע אַרבעט, פּרוּווט צו בויען דערפאַרונג דורך אַנדערע וועגן:
– דאַטן אַנאַליסט / דאַטן וויסנשאַפֿטלער אינטערנשיפּ
– פרילאַנס דאַטן אַנאַליז פֿאַר קליינע און מיטלשטענדיקע געשעפטן אָדער קליינע סטאַרטאַפּס
– אַסיסטירן מיט קאַמפּאַס אָדער קהילה פאָרשונג
– אָפֿן-קוואַל פּראָיעקטן אָדער קאַגל קאָנקורענצן
די דערפאַרונג קען מען אַרײַננעמען אין אײַער CV אַלס באַווײַז אַז איר האָט געלייזט עכטע פּראָבלעמען מיט דאַטן.
10. צוגרייטן אייער CV און דזשאב אפליקאציע סטראטעגיע
א דאַטן וויסנשאַפֿט CV זאָל זיין קורץ, קלאָר, און רעזולטאַטן-געטריבן. אַרייַננעמען:
– טעכנישע סקילז (פּיטהאָן, SQL, מכשירים)
– פראיעקטן מיט גיטהאב/קאגל לינקס
– פּראָיעקט השפּעה (למשל "פאַרבעסערטע פאָרויסזאָגן אַקיעראַסי דורך..." אָדער "אַנטדעקט ינסייץ וואָס...")
– באַטייַטיקע דערפאַרונג, אפילו אויב נישט פולע דאַטן וויסנשאַפֿט (למשל געשעפט דערפאַרונג, פאָרשונג, אָדער אַנאַליטישע באַריכטן)
ווען איר אַפּליקירט, פּאַסט אייער אַפּליקאַציע צו דער אַרבעט באַשרייַבונג. אויב די פּאָזיציע שטעלט דעם טראָפּ אויף SQL און דאַשבאָרדז, באַטאָנען די דערפאַרונגען.
קלאָוזינג
אָנהייבן אַ קאַריערע אין דאַטן וויסנשאַפֿט איז אַ שווערע אַרבעט, אָבער עס איז גאָר מעגלעך אויב איר האָט אַ פאָקוסירטן און קאָנסיסטענטן לערן־פּלאַן. אָנהייבן מיט די באַסיקס פון סטאַטיסטיק, באַהערשן פּיטהאָן און SQL, און דערנאָך בויען אַ פּאָרטפאָליאָ פון באַטייַטיקע פּראָיעקטן. פֿאַרגעסט נישט אַז קאָמוניקאַציע־פֿעיִקייטן און פֿאַרשטיין דעם געשעפֿטלעכן קאָנטעקסט זענען פּונקט אַזוי וויכטיק ווי טעכנישע פֿעיִקייטן.
אויב איר דעדיקירט עטלעכע חדשים צו קאָנסיסטענט לערנען און ארבעטן אויף פּראָיעקטן, זענען אייערע שאַנסן צו באַקומען אייער ערשטע אַרבעט ווי אַ דאַטן אַנאַליסט אָדער יינגער דאַטן וויסנשאַפֿטלער הויך. די שליסלען זענען פּראַקטיק, אַ פּאָרטפאָליאָ, און געדולד.
אויב איר ווילט, קען איך אייך אויך העלפן שאַפֿן אַ מער דעטאַלירטע 3-חודשיקע לערן-פּלאַן (וואָך נאָך וואָך) לויט אייער הינטערגרונט, למשל פֿון נול, פֿון אַ ניט-טעכנישן פֿאַך, צי איר קענט שוין גרונטלעכע פּיטהאָן.
