님이 촬영 한 사진 무스 사진 
 

데이터 과학을 배우기 시작했을 때 저는 기술 관리 배경에서 왔습니다. 프로그래밍, 통계 또는 기계 학습에 대해 아는 것이 거의 없었습니다. 

가장 큰 걱정은 프로그래밍 언어의 부족이었습니다. 나는 항상 수학, 통계 및 확률을 할인했습니다. 저는 기계 학습을 어떻게 작동하는지 또는 제가 회사에 어떤 가치를 제공하는지 알지 못한 채 모델 성능을 개선하기 위해 여러 알고리즘을 결합하는 시행착오 실험으로 간주하기도 했습니다. 

이 게시물에서는 내가 완전히 잘못 알고 있던 3가지 사항과 데이터 과학 경력 경로를 탐색하는 데 사용할 수 있는 방법을 공유합니다. 

나는 내 목표가 "데이터 과학자"가 되는 것이라고 생각했었다. 그래서 컴퓨터 비전, NLP, 시계열, BI 및 ML 엔지니어링과 같은 다른 전문 분야는 무시하고 작업했습니다. 

데이터 과학은 데이터 수집, 정리, 분석, 시각화, 모델 및 보고에 관한 것이라고 생각했습니다. 

“내가 완전히 틀렸어”

작성자 별 이미지
 

데이터 과학 분야에서는 제너럴리스트가 될 수 없습니다. 회사는 실험 추적, 비즈니스 인텔리전스, 보고, 모델 배포 및 모니터링과 같은 여러 작업을 수행할 수 있는 데이터 과학 또는 민첩한 데이터 과학자의 특정 분야에 대한 전문 지식을 갖춘 사람을 원합니다.  

"데이터 과학자" 채용 공고를 보면 기업이 특정 분야의 전문성을 갖춘 사람을 어떻게 찾고 있는지 알 수 있습니다. 

예를 들어 트럭 추적 회사는 최신 ML 스택으로 작업할 수 있고 복잡한 컴퓨터 비전 모델에 대한 경험이 있는 데이터 과학자를 항상 찾고 있습니다.
 

교훈: 전체 데이터 사이언스 라이프 사이클에 대해 배우고 자신에게 가장 적합한 것을 찾아 잘해야 합니다. 

몇 년 동안 데이터 과학자로 일한 후에도 저는 새로운 유형의 알고리즘, 특히 강화 학습 알고리즘에 대해 끊임없이 배우고 있습니다. 

하지만 저는 그렇지 않았습니다.

통계 및 기계 학습 알고리즘에 대한 지식이 부족하여 면접과 직장에서 당황했습니다. 게다가 현재 모델이나 프로세스를 개선하는 방법을 이해하지 못한 채 해결책을 찾기 위해 여러 가지를 시도하며 맹목적으로 걷고 있었습니다. 

님이 촬영 한 사진 안드레아 피아 쿠 디오
 

기본에 충실했다면 많은 시간과 난처한 상황을 줄일 수 있었을 텐데. 게다가 회사는 항상 딥 러닝 알고리즘과 아키텍처에 대한 강한 이해력을 가진 개인을 찾고 있기 때문에 더 일찍 더 나은 일자리를 얻을 수 있었습니다. 

교훈: 모든 기본 사항을 배우는 것은 어렵지만 어딘가에서 시작해야 합니다. 따라서 경력을 시작할 때 수학과 프로그래밍에 집중하십시오. 둘 다 경력 성공에 필수적입니다.

자신의 가치를 아는 것이 가장 중요하고, 내가 서 있는 위치를 이해하는 데 시간이 더 걸렸습니다. 

자신의 가치를 아는 것에는 두 가지가 포함됩니다. 

• 귀하의 기술과 기술 수준을 알고 있습니다.
• 당신의 시간이 얼마나 가치가 있는지 알기.

작성자 별 이미지

당신의 기술과 기술 수준을 알고

임 포스터 증후군은 진짜입니다. 그것은 당신이 더 나은 기회에 뛰어드는 것을 막을 것입니다. 당신은 항상 당신이 충분하지 않다고 생각할 것입니다. 따라서 보유하고 있는 기술과 전문성을 과소평가하는 것이 좋습니다. 이를 위해 평가 테스트 및 인증 시험을 치르거나 오픈 소스 프로젝트에서 작업하거나 대회에 참가할 수 있습니다. 

당신의 시간이 얼마나 가치가 있는지 알기

처음에는 착취를 당했고 기사당 12달러를 받았고 100달러를 지불하는 또 다른 기회를 우연히 발견할 때까지 그것이 산업 표준이라고 생각했습니다.  

자신의 기술 수준을 이해한 후에는 시간이 얼마나 가치가 있는지 파악해야 합니다. 여러 회사와 협력하고, 동료와 이야기하고, 업계 전문가와 이야기하고, 블로그를 읽고 가치를 평가할 수 있습니다. 

내 가치를 이해하는 데 시간이 더 걸렸고 현재 가치를 향상시키기 위해 여전히 새로운 기술을 배우고 있습니다. 경력에서 지속적인 성장을 원한다면 학습 과정은 결코 멈추지 않습니다. 

저는 데이터 과학자가 되기 위한 제 여정과 경력을 시작하기 전에 몇 가지 사항을 알았더라면 상황이 어떻게 더 나아질 수 있었는지 공유하는 것을 좋아합니다. 

이 과정은 어렵고 반복적이며 환자가 필요합니다. 전혀 미화되지 않습니다. 항상 독특한 문제를 다루어야 하는 스트레스가 많은 직업입니다. 

하나의 연구 분야에 집중하고, 알고리즘 뒤에 수학을 배우고, 자신의 가치를 알면 여정을 쉽게 할 수 있습니다. 

배경에 관계없이 누구나 데이터 과학을 배울 수 있다고 확신합니다. 노력, 끈기, 호기심에 관한 것입니다. 나를 팔로우하세요 사교 데이터 과학, 기계 학습, MLOps 및 내 여정에 대해 배우고 싶다면. 

 
 
아비드 알리 아완 (@1abidaliawan)은 기계 학습 모델 구축을 좋아하는 공인 데이터 과학자 전문가입니다. 현재 그는 콘텐츠 제작에 집중하고 있으며 머신 러닝 및 데이터 과학 기술에 대한 기술 블로그를 작성하고 있습니다. Abid는 기술 관리 석사 학위와 통신 공학 학사 학위를 보유하고 있습니다. 그의 비전은 정신 질환으로 고생하는 학생들을 위해 그래프 신경망을 사용하여 AI 제품을 만드는 것입니다.
 

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://www.kdnuggets.com/2023/01/3-things-wish-knew-started-data-science.html?utm_source=rss&utm_medium=rss&utm_campaign=3-things-i-wish-i-knew-when-i-started-data-science