大约18个月前,由于新冠肺炎疫情,我失去了工作。我在大学里做兼职家教。我从家教中得到的钱被用来支付食物、汽油和汽车等费用。
在政府对全国实施封锁限制后,我无法继续教学。我也上不了大学,只能在家学习。
虽然一开始这看起来很糟糕,但我意识到不上大学和工作腾出了我的很多时间。
在这段时间里,我开始考虑扩大我的技能集。在做了一些研究后,我发现了一个机器学习在线课程,看起来很有趣。
那是我完成的第一门在线课程。
在那之后,我把大部分时间都花在了构建项目、学习编码和获得在线认证上。
现在--18个月来,我已经用我在数据科学和分析领域的知识建立了多种收入流。
我最初作为数据科学实习生加入一家公司一段时间,现在在那里全职工作。
起初,我希望我的工作主要包括建模。
然而,一旦我加入,我意识到我的工作只有大约10%的模型建立。其余的时间,我和我的团队都在寻找新的解决方案,我们可以创建来解决业务问题。
通常,这些问题甚至不需要机器学习来解决。数据解决方案可以只包含转换为简单SQL查询的业务逻辑。
我每天做的工作包括回答以下问题:
这是对我每天所做工作的一个非常抽象的描述,但我想强调的是,创建数据科学解决方案并不是从模型构建开始和结束的。
如果你是一个有抱负的数据科学家,我建议在你想工作的行业获得一些领域知识。
我写我在数据科学领域的经验。
如果我在工作中构建一个项目,我会在Kaggle上找到一个类似的数据集并复制分析,并围绕它创建一个教程。
我最初开始编写和发布数据科学教程,以增强我的投资组合。
写关于我工作的文章是我与其他有抱负的数据科学家联系的一种方式。这也是我展示自己编写和构建ML模型能力的一种方式。
最初,我从没想过我的写作会得到报酬。我只是认为这是一个很好的方式来增强我的数据科学投资组合。
然而,在过去的一年里,一开始是业余爱好的事情开始产生收入。
我现在可以通过简单地创建与数据相关的教程、项目和写我的经历来获得被动收入。
当我开始在数据科学界建立一个在线存在时,我开始得到多个自由职业的邀请。我为客户建立了一次性的机器学习模型,创建了竞争对手分析报告,并撰写了数据科学文章。
当我最初想到自由职业时,我想象着必须在在线平台上竞争和投标项目。
然而,我所有的自由职业客户在阅读了我的文章或看了我的投资组合项目后,都联系了我。
几个月前,我构建了一个聚类算法,并在网上发布了一个关于它的教程。第二天,有人联系我,问我是否有兴趣为他们的客户构建一个集群模型。
自由职业使我具备了许多我通常工作领域之外的技能。
在我的公司里,我处理的数据通常是以某种预先处理的格式出现的,我用SQL和Python查询数据来利用它。
然而,当自由职业者时,客户数据的格式非常不同。其中大部分都没有经过处理或结构化,我花了很多时间来弄清楚数据集之间的关系并理解它。
我还需要收集外部数据来进行分析,这通常涉及到搜索第三方网站和使用开源工具。
我觉得自由职业让我接触到了我目前在日常工作中没有的知识,我能够通过我从事的每一个项目学到新的东西。
我上面提到我上了一门数据科学在线课程,事情从那里发生了变化。你可能想知道怎么做。
老实说,在上了我的第一门数据科学在线课程后,我感到很失落。我花了大约一个月的时间用SCIKIT-Learn学习不同的算法和训练模型。
我根本不知道从那里去哪里。
我开始阅读关于那些没有硕士学位或任何专业资格就设法找到数据科学工作的人的文章。我意识到领域知识的重要性,以及借助可用数据解决问题的重要性。
我没有必要建立最精确的模型或理解模型背后的底层算法。
我意识到对我来说最重要的技能是利用数据解决问题的能力。这意味着我必须超越机器学习算法。
我选修了商业分析和ML工程课程。我花在学习代码上的时间比花在理论上的时间还要多。我花时间学习SQL和数据操作。
然后,我在网页刮擦的帮助下从在线站点收集了自己的数据。我用这些数据解决了一个问题,并用它构建了一个简单的机器学习web应用程序。
通过这种方式,我慢慢获得了成为端到端数据科学家所需的技能。
即使在我工作的数据分析团队中,如果有任何项目超出了我们日常工作的范围(需要外部数据收集或新算法的项目),我通常会被分配去做。
作为一个有抱负的数据科学家,有这么多的资源提供给你在网上。事实上,太多了,你不知道该从中选择什么。
然而,大部分的重点都放在模型构建上。
虽然了解建立和训练模型的基本原理是很重要的,但大多数可用的工作都要求你超越这一点。
真正的需求是对能够借助可用数据解决问题的人的需求。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20