Mga spotlight

Deskripsyon ng trabaho

Ang pag-imbento ng Internet at ang paglikha ng World Wide Web ay nagsimula ng isang impormasyon na Big Bang na patuloy na sumasabog. Bagama't nauuna ang data science sa hindi pangkaraniwang bagay na ito, tiyak na binago ito nang husto. Ang mga Modern Data Scientist ay umaasa sa (at tumulong sa paglikha) ng mga makabagong tool sa analytical na ginagamit nila, sa huli, upang malutas ang mga problema para sa kanilang mga employer.

Inilarawan ng Glassdoor bilang "isang halo sa pagitan ng isang mathematician, computer scientist at trend-spotter," pangunahing ginagamit ng Data Scientists ang teknolohiya upang matugunan ang mga pangangailangan ng mga negosyo. Ginagawa ito sa pamamagitan ng pangangalap, pag-aaral, at pagbibigay-kahulugan sa napakaraming data na nakuha mula sa isang hanay ng mga mapagkukunan. Ang kaalaman at mga insight na nakuha mula sa gawain ng Data Scientists ay nakakatulong sa mga employer na gumawa ng mga desisyong may kaalaman at batay sa data na makakaapekto sa mga serbisyong inaalok nila, kung anong mga produkto ang kanilang ginagawa, kanilang mga diskarte sa marketing, at marami pa. 

Mga Aspeto ng Kapaki-pakinabang sa Karera
  • Palaging natututo ng bago
  • Maging isang pioneer sa isang larangan na isang dekada pa lang
  • Pinaghalong teknolohiya at agham
  • Maaaring gumamit ng mga kasanayan upang matulungan ang iba, ibig sabihin, data ng pangangalagang pangkalusugan
  • Ang bawat pangunahing kumpanya, korporasyon ay nangangailangan ng mga data scientist, at ang mga medium at mas maliliit na kumpanya ay nagsusumikap na ibagay ang mga ito sa kanilang badyet
  • Ang propesyon na nagbibigay-kasiyahan sa pananalapi ay nakatakdang umunlad sa mga darating na taon

"Nag-iiba-iba ang aking mga gawain araw-araw, na ginagawang mas kapana-panabik ang karerang ito kaysa sa iba pang mga trabaho kung saan ka pumapasok at ginagawa ang parehong bagay sa lahat ng oras. Ito ay nasa paligid ng paglutas ng problema na tumutulong sa mga gumagawa ng desisyon sa loob ng kumpanya na makakuha ng insight mula sa data."

Ang Inside Scoop
Mga Pananagutan sa Trabaho

Oras ng trabaho
 

  • Maaaring asahan ng mga Data Scientist ang full-time na trabaho, na may mga regular na iskedyul. Bilang isang mahirap na larangan, kinakailangan na panatilihing matalas ang mga kasanayan, na maaaring mangailangan ng "off-duty" na refresher na pagsasanay, karagdagang sertipikasyon, at iba pang hindi binabayarang mga karanasan sa pag-aaral. 

Mga Karaniwang Tungkulin

  • Ilapat ang kaalaman at kasanayan sa disenyo ng mga bagong teknolohiya o para mapakinabangan ang paggamit ng mga umiiral na
  • Makipagtulungan sa pamumuno, mga inhinyero, at mga panlabas na kliyente upang matukoy ang mga problema 
  • Tulungan ang mga organisasyon sa pagbuo ng patakaran at mga diskarte sa pagkamit ng layunin
  • Makipagtulungan sa mga team at pamahalaan ang mga gawain at pagsususpinde
  • Depende sa mga partikular na tungkulin, maaaring gumana ang Data Scientist sa Python, R, SQL, mga database, analytic tool, machine learning, at Big Data
  • Bumuo ng mga magagawang solusyon sa kumplikadong software o mga isyu sa negosyo
  • Bumuo ng mga bagong teorya at modelo 
  • Tukuyin ang mga pangangailangan ng hardware at software sa pamamagitan ng pakikipag-usap sa mga end-user, customer, staff, at stakeholder 
  • Suriin ang mga konsepto ng proyekto at mag-alok ng mga mungkahi para sa mga pagpapabuti

Karagdagang Pananagutan

  • Makisali sa mga multidisciplinary na proyekto
  • Magpatakbo ng mga pagsubok ng mga bagong system
  • Makilahok sa mga propesyonal na organisasyon upang magbahagi ng pananaliksik at mga natuklasan
Mga Kasanayang Kailangan sa Trabaho

Soft Skills

  • May kakayahang hulaan ang mga problema 
  • Aktibong pag-aaral 
  • Analitikal
  • Pansin sa detalye
  • Kakayahang magkonteksto ng mga ideya para sa iba
  • Malikhain at mausisa
  • Kritikal (ngunit nababaluktot) na pag-iisip
  • mapagpasyahan
  • Focus
  • Maayos
  • Pagtitiyaga at katatagan
  • Pagtugon sa suliranin 
  • Mukhang makatarungan
  • Malakas na kasanayan sa komunikasyon

Teknikal na kasanayan

  • Web platform development software: SQL (Structured Query Language), Python, Tableau, R
  • Mga kasanayan sa komunikasyon: kailangang makuha ang mga istatistika na nagmula sa data gleaning at ipaliwanag ito sa mga tuntunin ng karaniwang tao sa iba pang sangay ng korporasyon, tulad ng IT at pananalapi
  • Pagtutulungan ng magkakasama: ikaw ay makikibahagi sa iba't ibang departamento na nangangailangan ng impormasyong nakuha mula sa data upang makagawa ng mga pagpapasya
  • Data/statistic analysis: Kailangang suriin at ilapat ang feedback at pananaliksik ng user
  • Magandang pangitain 
  • May kakayahang pag-aralan at suriin ang mga sistema 
  • Pangunahing pag-unawa sa mga benta at marketing, serbisyo sa customer, telekomunikasyon, disenyo, mga prinsipyo sa pamamahala, at agham ng engineering
  • Business intel/data analysis programs, gaya ng IBM Cognos Impromptu, Oracle Business Intelligence Enterprise Edition, QlikView, at Tableau
  • Compiler software, gaya ng Polaris parallelizing compiler, Greenhills Ada compiler, at LLVM compiler
  • Pamamahala ng database at user interface/mga programa ng query
  • Development environment software, gaya ng LabVIEW, Apache Kafka, o Eclipse IDE
  • Graphics imaging
  • Kaalaman sa analytical at siyentipikong software, tulad ng Minitab, StataCorp Stata, at MATLAB
  • Object o component oriented development software (C++, ActiveX, Java, Python)
  • Mahusay na kasanayan sa matematika, kabilang ang algebra, geometry, calculus, at stats
Mga Uri ng Organisasyon
  • Mga institusyong pang-akademiko
  • Mga sektor ng pagbabangko at pananalapi
  • Mga serbisyo sa cloud at pagho-host
  • Pagkonsulta
  • Software as a Service (SAAS), web, mobile
  • Mga publisher ng computer software
  • Mga kumpanya ng paghahatid
  • Pederal na pamahalaan/ahensiya ng militar
  • Mga malalaking korporasyon
  • Mga kumpanyang nagtitingi
  • Mga ahensya ng insurance
  • Telekomunikasyon
  • Iba pang mga organisasyon ng pananaliksik at pagpapaunlad
  • Mga pribadong dalubhasang kumpanya
  • Paghahanap/social networking
Kasalukuyang Mga Uso sa Industriya
  • Isang pag-unawa sa machine learning: isang paraan ng pagsusuri ng data na nag-automate ng analytical model building. Nagbibigay-daan ang machine learning sa mga computer na makahanap ng mga nakatagong insight gamit ang mga algorithm na natututo mula sa data nang walang tahasang programming
  • Ang pagsasama o data science at IoT: ang lumalagong network ng mga pisikal na bagay na nagtatampok ng IP address para sa koneksyon sa internet, at ang komunikasyong nagaganap sa pagitan ng mga bagay na ito at ng iba pang device at system na naka-enable sa Internet.
  • Kakayahang magtrabaho kasama ang RIL (radio interface layer), na sumasabay sa IoT
  • Paggamit ng data science sa pangangalagang pangkalusugan: ang data na nakuha ng mga siyentipikong ito ay maaaring gamitin upang mahulaan ang mga trend ng sakit ie ang muling pagkabuhay ng Ebola
Mga Inaasahan at Sakripisyo

Ginagawa ito ng karamihan sa mga organisasyong gumagamit ng Data Scientist dahil lubos silang umaasa sa mga kasanayan at impormasyong dinadala ng mga manggagawa sa talahanayan. Sa ilang sitwasyon, literal na ginagawa ng Data Scientist ang mga produkto o serbisyong ibinebenta, habang sa ibang mga sitwasyon ay tinutulungan nila ang mga kumpanya na matukoy kung ano ang ibebenta, kanino ito ibebenta, at kung paano magbebenta ng higit pa. Bilang resulta, mataas ang mga inaasahan, ngunit mataas din ang kabayaran sa pananalapi!

Ayon sa University of Wisconsin, ang mga manggagawa sa entry-level ay kumikita ng hanggang $95,000, ang mga mid-level na manggagawa ay kumikita ng median na $128,750, ang mga mid-level na tagapamahala ay maaaring gumawa ng hanggang $185,000, at ang mga may karanasang manager na median na suweldo ay maaaring umabot ng kasing taas ng $250,000. Malinaw na ang mga organisasyong nagbabayad ng mga halagang ito ay mangangailangan ng pinakamataas na kadalubhasaan at gawaing may halaga. Samakatuwid isang malaking sakripisyo, kung matatawag itong ganyan, ay para sa Data Scientist na maabot at mapanatili ang kahusayan sa lahat ng mga lugar, at upang makasabay sa (o nangunguna sa) bago at umuunlad na mga teknolohiya. Maaaring tumagal ito ng napakalaking, pangmatagalang pangako, na may maraming gawaing ginawa "pagkatapos ng mga oras" sa sariling oras. 

Anong uri ng mga bagay ang kinagigiliwang gawin ng mga tao sa karerang ito noong bata pa sila...

Ang mga Data Scientist ay halos tiyak na interesado sa mga computer sa murang edad, pati na rin ang mga palaisipan at problema na kailangan nilang lutasin o kung hindi man ay gawin. Gustung-gusto nila ang mga intelektwal na hamon kung saan ang pagtuklas ng impormasyon at kung paano gamitin ito ang mga susi sa pagkapanalo. Maaaring nasiyahan ang ilan sa pagbabasa o panonood ng mga misteryo at mga kuwento ng tiktik. Interesado sila sa sikolohiya, kung paano mag-isip ang mga tao, kung ano ang nag-uudyok sa kanila, at kung paano makakahanap ang mga computer ng mga paraan upang mas maunawaan ang mga tao sa iba't ibang antas, mula sa mga indibidwal hanggang sa mga grupo at maging sa buong lipunan.

Malamang, ang isang mahusay na Data Scientist ay isang taong, sa paglaki, ay nakikita ang "malaking larawan" at kung paano maaaring magkaroon ng malalaking kahihinatnan ang maliliit na elemento, salik, o desisyon. Maaaring sila ay mukhang napaka-organisado, ngunit sa kanilang mga ulo ang impormasyon ay hindi static, ito ay malleable at flexible. Sa madaling salita, maaari silang "mag-isip sa labas ng kahon" upang malikhaing gumamit ng data sa mga paraan na maaaring hindi naisip ng iba. Magaling din siguro silang magpaliwanag ng mga teknikal na bagay sa mga termino ng karaniwang tao. 

Kailangan ang Edukasyon
  • Karamihan sa mga siyentipiko sa pananaliksik sa computer at impormasyon ay nangangailangan ng master's degree sa computer science o isang kaugnay na larangan, gaya ng computer engineering
    • Ayon sa Burtch Works, "91% [ng Data Scientists] ay may hindi bababa sa Master's degree at 48% ay may PhDs"
  • Binanggit ng LinkedIn ang mga sumusunod na basic na bachelor's degree majors: biostatistics, chemistry, computer science, engineering, mathematics/applied mathematics, meteorology/astrophysics, physics, o statistics
  • Kasama sa iba pang karaniwang degree major ang matematika, istatistika, natural na agham, at iba pang uri ng engineering
  • Maraming Data Scientist ang dalubhasa sa isang partikular na lugar, kaya mahalaga ang pagkakaroon ng nauugnay na karanasan sa akademiko at trabaho. Makipag-usap sa mga tagapamahala ng programa at mga tagapayo sa akademya upang bumuo ng isang programang pang-degree na iniayon sa iyong mga partikular na layunin sa trabaho
  • Mayroong maraming mga opsyonal na sertipikasyon, kabilang ang:
    • Adobe - Analytics Business Practitioner; Adobe Campaign Classic Business Practitioner    
    • Broadcom - Pangangasiwa ng Symantec ProxySG 7.2 na may Secure Web Gateway    
    • Dell - Espesyalista - Data Scientist, Advanced na Analytics Bersyon 1.0; Associate - Data Science Bersyon 2.0    
    • IBM - Sertipiko ng Propesyonal sa Agham ng Data
    • Institute for the Certification of Computing Professionals - Associate Computer Scientist; Certified Computer Scientist    
    • Microsoft - Pagdidisenyo at Pagpapatupad ng Data Science Solution sa Azure   
    • SAP - Certified Application Associate, SAP Predictive Analytics  
    • SAS - Certified Data Scientist
Mga bagay na hahanapin sa isang unibersidad
  • Ang ilang mga unibersidad ay nag-aalok ng mga hybrid degree na programa para sa mga mag-aaral na patumbahin ang kanilang bachelor's at master's sa isang pinabilis na bilis, makatipid ng oras at pera
  • Ang Data Science ay isang malawak na larangan, na may maraming espesyalidad na lugar. Kung mas maaga mong malaman kung ano ang gusto mong magpakadalubhasa, mas mahusay kang makakapili ng tamang major at program
  • Ang Data Scientist ay nangunguna sa isang umuusbong na larangan, kaya dapat subukan ng mga mag-aaral na makapasok sa mga programang pinakamahusay na pinondohan na kaya nila
  • Ang mga paaralang may malaking pondo ay karaniwang may mas mahusay na guro, pasilidad, pagkakataon sa pagsasaliksik, at kaugnayan sa industriya na makakatulong sa mga nagtapos na makakuha ng mga trabaho nang mas mabilis
  • Tingnan ang mga rate ng paglalagay ng trabaho pagkatapos ng pagtatapos ng bawat programa at iba pang mga punto ng pagyayabang
  • Tiyaking ganap na akreditado ang institusyon
    • Ang mga programa sa computer science na kinikilala ng ABET ay mayroon ding ilang mga pakinabang 
  • Ang Data Science ay isang angkop na major para sa online na edukasyon, para sa mga nangangailangan ng flexibility. Tandaan, ang mga online na klase ay maaaring kasing higpit ng mga nasa campus
  • Halos kalahati ng lahat ng Data Scientist ay mayroong PhD, kaya isaalang-alang iyon kung umaasa na manatili sa isang institusyon 
Mga dapat gawin sa High School at College
  • Magbasa hangga't maaari tungkol sa larangan! Ang gabay ng US News sa How to Learn Data Science ay isang magandang panimulang punto
  • Kumuha ng mga kurso sa matematika at programming sa paghahanda sa kolehiyo
  • Mag-sign up para sa maikling libre o bayad na mga online na kurso, tulad ng:
    • Pagsusuri ng Data ng Codecademy Gamit ang Python
    • Coursera's Data Science Math Skills o Deep Learning Specialization
    • Sertipiko ng IBM Data Science Professional ng edX
    • fast.ai's Computational Linear Algebra
    • Panimula ng General Assembly sa Data Science Livestream
    • Mga Pundasyon ng Data Science ng LinkedIn Learning: Mga Pangunahing Kaalaman
    • Ang Pag-unawa sa Machine Learning ng Pluralsight Gamit ang Python
    • Naging Data Scientist Nanodegree Program ang Udacity
    • Kurso sa Data Science ng Udemy 2020: Kumpletuhin ang Data Science Bootcamp
    • Data Science Ethics ng Unibersidad ng Michigan
  • Mag-browse din sa YouTube, Khan Academy, at MIT OpenCourseWare para sa mga nauugnay na video at kurso na makakatulong sa iyong maunawaan ang mga pangunahing konsepto
  • Uminom ng mga libro, magsanay ng mga kasanayan sa coding, at sumali sa mga organisasyon ng paaralan na nauugnay sa larangan
    • Sumali sa mga computer club, magbahagi ng kaalaman, at isabuhay ang iyong mga kasanayan
  • Maging propesyonal na mai-publish. Sumulat ng mga artikulo para sa mga peer-reviewed na site o magazine, kumpara sa mga site na nagpapahintulot sa sinuman na mag-publish ng anuman
Karaniwang Roadmap
Roadmap ng Data Scientist Gladeo
Paano makuha ang iyong unang trabaho
  • Ang trabaho ng Data Scientist ay niraranggo ang #3 sa listahan ng Best Technology Jobs ng US News, ibig sabihin ay posibleng magkaroon ng maraming kompetisyon sa job market
    • Maraming mga trabaho sa Data Science ang nasa mga matatag na kumpanya at ahensya ng gobyerno, ngunit ang mga tech startup, kolehiyo, at institusyon ng pananaliksik ay gumagawa din ng maraming pag-hire.
      Magtanong sa mga tagapamahala ng programa o career center ng Data Science ng iyong paaralan para sa tulong sa paghahanap ng mga recruiter at job fair
  • Ang pagkakaroon ng master's ay ang pinakamahusay na mapagpipilian para makuha ang pangarap na trabaho sa Data Science. Kahit na makahanap ka ng trabaho na may bachelor's, kakailanganin mo ang grad degree na iyon upang umakyat
  • Sa kolehiyo, tumuon sa matataas na marka at kursong magagamit mo sa iyong espesyalidad na lugar
  • Sumali sa mga propesyonal na organisasyon at club na nagbibigay-daan sa iyong makakuha ng praktikal na karanasan habang nakikipag-networking
  • Magtanong sa mga propesor at mga kapantay para sa payo sa paghahanap ng trabaho at mga tip tungkol sa mga pagbubukas
  • Ilagay ang career center ng iyong paaralan at humingi ng tulong sa pagpapakintab ng iyong resume at mga kasanayan sa pakikipanayam
  • Tanungin ang departamento ng iyong programa tungkol sa mga job fair at mga koneksyon sa recruiter. Maraming organisasyon ang nakikiisa sa magagandang paaralan para mag-recruit ng talento pagkatapos ng graduation
  • Simulan ang paghahanap ng mga portal ng trabaho nang maaga upang makakuha ng ideya ng mga kasalukuyang kinakailangan na inililista ng mga employer
    • Ang Glassdoor, Indeed, USAJobs, ZipRecruiter, Kaggle, Amazon, Dice, at LinkedIn ay lahat ng magagandang lugar upang makahanap ng mga pagkakataon sa trabaho sa Data Science. Mag-set up ng mga alerto upang makakuha ng mga paunang kaalaman sa mga bagong pag-post
  • Nakawin ang ilan sa mga ideya sa template ng resume ng Data Scientist ng Monster
  • Kumuha ng mga tip sa portfolio mula sa Mga Portfolio ng Data Science ng Dataquest na Magbibigay sa Iyo ng Trabaho
  • Sumilip sa ilang mga tanong at sagot sa panayam at maging handa kapag tumatawag ang pagkuha ng mga manager!
Paano Umakyat sa Hagdan
  • Panatilihin ang paghasa ng mga kasanayang nauugnay sa mga istatistika, programming, machine learning, pamamahala ng data, at mga komunikasyon
  • I-knock out ang mga propesyonal na sertipikasyon
  • Maging malaki! Kunin ang iyong PhD kapag umaangkop ito sa iyong iskedyul ng karera
  • Manatiling malikhain at humanap ng mga paraan upang mapataas ang bottom line ng iyong employer
  • Patuloy na ma-publish at bumuo ng isang reputasyon para sa iyong sarili
  • Manatiling aktibo, nag-aambag na miyembro sa mga propesyonal na organisasyon
Mga Wika sa Programming na Matututuhan
Plan B
  • Software Engineer
  • Analyst ng Negosyo
  • Mga analyst ng IT
  • Mga Arkitekto ng Data
  • Mga IT/Software Consultant
  • Big Data Engineer
Infographic

Mag-click dito upang i-download ang infographic

GladeoGraphix Data Scientist

Newsfeed

Mga Trabaho ni
Pinagmulan: Mga Panayam, Bureau of Labor Statistics, ONET, Glassdoor, Quora

Mga Online na Kurso at Tool