작성자 별 이미지
 

데이터 과학 분야로 전환하고 싶으신가요? 그렇다면 이미 온라인 강좌, 부트캠프 등에 등록했을 가능성이 높습니다. 아마도 여러분은 스스로 학습할 데이터 과학 로드맵을 북마크에 추가해 두었을 것입니다. 그렇다면 또 다른 가이드인 이 가이드가 어떻게 도움이 될까요?

데이터 과학 경력을 추구하기로 결정했다면 이를 위해 노력해야 합니다. 다른 방법은 없습니다. 또한 데이터 과학 직업을 구하는 것은 단순히 데이터 과학 개념을 배우는 것 이상입니다. 그리고 학습 과정에서도 배워야 할 개념, 도구, 기법, 라이브러리가 부담스러울 수 있습니다.

이 기사는 클릭베이트가 아닙니다. 따라서 X일 안에 데이터 과학 직업을 구하는 데 도움이 될 것이라는 큰 약속은 없습니다. 오히려 우리는 데이터 과학 구직 프로세스에 대한 전체적인 접근 방식을 제공합니다. 여기에는 다음이 포함됩니다.

• 데이터 과학 개념 학습 
• 귀하의 기술 전문성을 선보일 수 있는 프로젝트를 진행 중입니다. 
• 전문가로서 자신을 마케팅하세요
• 면접을 전략적으로 준비하기 

이 가이드가 여러분에게 도움이 되기를 바랍니다!

데이터 과학에 뛰어들려면 먼저 프로그래밍과 문제 해결에 대한 탄탄한 기반을 구축해야 합니다. Python을 첫 번째 언어로 배우는 것이 좋습니다. 

따라하기 쉬운 구문과 여러 가지 훌륭한 학습 리소스를 통해 몇 시간 안에 Python을 시작하고 실행할 수 있습니다. 그런 다음 몇 주 동안 Python을 사용하여 다음과 같은 프로그래밍 기본 사항에 집중할 수 있습니다.

• 내장 데이터 구조
• 루프 
• 기능 
• 클래스 및 객체 
• 함수형 프로그래밍 기초
• Python의 특징: 컴프리헨션(comprehension)과 생성기(generator)

Python에 대한 빠른 시작 가이드를 원한다면 다음을 수행하세요. 이번 파이썬 강의 하버드의 CS50 과정에서. 보다 몰입적인 학습을 원하시면 다음을 확인하세요. Python 프로그래밍 소개, 또한 Harvard의 무료 강좌입니다. 

연습을 위해 위 Python 과정의 프로젝트를 진행하고 Python 과정에서 몇 가지 문제를 해결하는 연습도 할 수 있습니다. 해커 란 크. 

그리고 이 단계에서는 편안해야 합니다. 명령줄에서 작업. 만들고 작업하는 방법을 배우는 것도 도움이 됩니다. Python의 가상 환경.

어떤 데이터 역할에 지원하든 상관없이 SQL을 배우고 능숙해지는 것은 매우 중요합니다. 다음 주제부터 시작할 수 있습니다.

• 기본 SQL 쿼리 
• 조건부 필터링 
• 조인 
• 하위 쿼리 
• SQL 문자열 함수 

Python과 마찬가지로 SQL에도 전용 연습이 필요하며 몇 가지 유용한 방법이 있습니다. SQL을 연습하는 플랫폼. 튜토리얼을 통해 작업하려면 다음을 확인하세요. Mode Analytics의 SQL 튜토리얼.

이제 Python 기초가 완성되었으므로 Python으로 웹 스크래핑을 학습하여 이를 기반으로 구축할 수 있습니다. 데이터 전문가로서 데이터 수집에 익숙해야 하기 때문입니다. 특히 프로그래밍 방식으로 웹을 스크랩하고 API에서 JSON 응답을 구문 분석합니다.

기본 HTTP 메서드에 익숙해지면 다음을 학습하여 Python 기술을 구축할 수 있습니다.

• 다음을 사용한 HTTP 요청 라이브러리 요청
• 웹 스크래핑 아름다운 수프 파이썬 라이브러리; Scrapy를 배우는 것도 도움이 될 것입니다
• 내장된 기능을 사용하여 API에서 JSON 응답을 구문 분석합니다. JSON 모듈

이 시점에서 간단한 웹 스크래핑 프로젝트를 코딩해 볼 수 있습니다. 관심을 끌 수 있도록 간단하면서도 관련성을 유지하세요. 나중에 분석할 수 있도록 Amazon에서 쇼핑 데이터를 스크랩하고 싶다고 가정해 보겠습니다. 이것은 단지 예일 뿐입니다. 당신은 관심 있는 프로젝트에 참여할 수 있습니다.

데이터 과학 학습 여정의 이 시점에서는 Python과 SQL에 모두 익숙해져야 합니다. 이러한 기본 기술을 사용하면 이제 데이터를 더 잘 이해할 수 있도록 데이터를 분석하고 시각화할 수 있습니다.

• Python을 사용한 데이터 분석을 위해 pandas 라이브러리 사용 방법을 배울 수 있습니다. 팬더에 대한 단계별 학습 가이드를 찾고 있다면 다음을 확인하세요. Pandas와 Python으로 데이터 랭글링을 마스터하는 7단계.
• 데이터 시각화를 위해 matplotlib 및 seaborn 라이브러리를 사용하여 작업하는 방법을 배울 수 있습니다.

이 무료 파이썬으로 데이터 분석 freeCodeCamp의 인증 과정은 알아야 할 모든 필수 Python 데이터 과학 라이브러리를 다룹니다. 또한 몇 가지 간단한 프로젝트를 코딩하게 됩니다.

여기서 다시 프로젝트를 구축할 기회가 있습니다. 웹 스크래핑을 사용하여 데이터를 수집해 보세요. 팬더를 사용하여 분석합니다. 도서관 같은 것을 배우세요 스트림릿 분석 결과를 표시하는 대화형 대시보드를 만듭니다.

프로그래밍과 데이터 분석을 통해 흥미로운 프로젝트를 구축할 수 있습니다. 하지만 머신러닝의 기초를 배우는 것도 도움이 됩니다.

알고리즘의 작동을 자세히 배울 시간이 없더라도 다음 사항에 집중하세요.

• 알고리즘이 어떻게 작동하는지 높은 수준의 개요를 얻고 
• scikit-learn을 사용하여 모델 구축

이 scikit-learn 집중 코스 scikit-learn을 사용하여 기계 학습 모델을 구축하는 속도를 높이는 데 도움이 될 것입니다. scikit-learn을 사용하여 기본 모델을 구축하는 방법을 배운 후에는 더 나은 모델을 구축하는 데 도움이 되는 다음 사항에도 집중해야 합니다.

• 데이터 전처리 
• 기능 엔지니어링 
• 하이퍼 파라미터 튜닝 

이제 다시 프로젝트를 빌드할 시간입니다. 대출 불이행 예측 프로젝트와 같은 간단한 것부터 시작하여 점차적으로 직원 감소 예측, 시장 바구니 분석 등으로 ​​이동할 수 있습니다.

이전 단계에서는 학습 강화를 위한 프로젝트 구축에 대해 이야기했습니다. 그러나 대부분의 야심 찬 데이터 전문가는 데이터에 더 중점을 두는 경향이 있습니다. 배우기 그리고 흥미로운 프로젝트의 포트폴리오를 구축하는 이 단계를 간과합니다. 적용 부품.

아무리 많이 배우고 알고 있더라도 자신의 숙련도를 보여주는 프로젝트가 없다면 채용 담당자에게 귀하의 전문 지식을 설득하는 것이 불가능합니다.

프로젝트를 소개하기 위해 간단한 페이지를 만드는 데 필요한 프런트엔드 코딩의 양 때문에 대부분의 학습자는 포트폴리오를 구축하지 않습니다. 아마도 유익한 README 파일이 포함된 GitHub 저장소를 사용하여 프로젝트 코드의 변경 사항을 추적할 수 있습니다. 그러나 프로젝트를 보여주는 데이터 과학 포트폴리오를 구축하려면 다음을 확인해 보세요. Kaggle 및 DataSciencePortfol.io와 같은 무료 플랫폼.

건강 관리, 핀테크, 공급망 등 데이터 과학 역할을 맡길 원하는 도메인에 따라 프로젝트를 선택하세요. 따라서 귀하의 관심과 숙련도를 모두 보여줄 수 있습니다. 또는 몇 가지 프로젝트를 구축하여 관심 영역을 파악할 수도 있습니다.

온라인에서 검색하고 자신의 경험을 보여주는 것은 구직 과정, 특히 경력 초기 단계에 도움이 됩니다. 그렇기 때문에 강력한 온라인 입지를 구축하는 것이 우리의 다음 단계입니다.

이를 위해 가장 좋은 방법은 다음을 사용하여 자신만의 개인 웹사이트를 구축하는 것입니다.

• 유용한 "정보" 페이지 및 연락처 정보
• 귀하가 작성한 기사와 튜토리얼이 포함된 블로그 
• 귀하가 작업한 프로젝트의 세부정보가 포함된 프로젝트 페이지  

개인 웹사이트를 갖는 것이 항상 선호됩니다. 하지만 최소한 구직 과정에 있을 때 LinkedIn 프로필과 Twitter(현재 X) 핸들이 있어야 합니다. 

트위터에서 관련 헤드라인을 추가하고 공유되는 기술 및 경력 조언에 의미 있게 참여하세요. LinkedIn에서는 프로필이 최대한 완전하고 정확한지 확인하세요.

• 귀하의 전문 지식을 반영하여 헤드라인을 업데이트하세요.
• 체험 및 교육 섹션을 작성하세요. 
• '프로젝트' 섹션에서 간단한 설명과 함께 프로젝트를 추가하세요. 또한 프로젝트에 대한 링크
• 게시된 기사를 프로필에 추가하세요.

이러한 플랫폼에서 네트워킹할 때는 적극적으로 대처하십시오. 또한 정기적으로 학습 내용을 공유하십시오. 아직 자신의 블로그에 글쓰기를 시작하고 싶지 않다면 소셜 미디어에 글을 써서 글쓰기 기술을 연마해 보세요. 

방금 배운 데이터 과학 개념이나 작업 중인 프로젝트에 대한 LinkedIn 게시물이나 기사를 작성할 수 있습니다. 또는 당신이 배우고 있는 것과 그 과정에서 저지르는 실수, 그리고 그로부터 배운 것에 대해 트윗하십시오. 

이 단계가 프로젝트 포트폴리오 구축과 완전히 별개가 아니라는 점에 유의하세요. 기술적인 능력을 키우고 프로젝트(예, 포트폴리오)를 구축하는 것 외에도 온라인 입지도 구축하고 싶습니다. 채용 담당자가 후보자를 찾을 때 귀하를 찾고 관련 기회를 얻을 수 있도록 하기 위함입니다.

데이터 과학 인터뷰를 통과하려면 문제 해결 능력을 테스트하는 코딩 라운드와 데이터 과학에 대한 이해를 보여줄 수 있는 핵심 기술 인터뷰를 모두 수행해야 합니다.

나는 최소한 데이터 구조와 알고리즘에 대한 입문 과정을 수강한 다음 문제를 해결하는 것을 권장합니다. 해커 란 크 과 리트코드. 시간이 부족한 경우 다음과 같은 문제 세트를 통해 작업할 수 있습니다. 블라인드 75. 이 문제 세트에는 배열, 동적 프로그래밍, 문자열, 그래프 등과 같은 모든 주요 개념에 대한 질문이 포함되어 있습니다.

모든 데이터 과학 인터뷰에서는 최소한 SQL 라운드가 진행됩니다. Hackerrank와 Leetcode에서도 SQL을 연습할 수 있습니다. 또한, 다음과 같은 플랫폼에서 이전에 받은 면접 질문을 해결할 수 있습니다. 스트라타스크래치 과 데이터여우원숭이.

이러한 코딩 인터뷰를 통과하고 다음 라운드로 진행되면 데이터 과학에 대한 숙련도를 입증할 수 있어야 합니다. 당신은 당신의 프로젝트를 매우 자세하게 알아야 합니다. 귀하가 작업한 프로젝트를 설명할 때 다음 사항도 설명할 수 있어야 합니다.

• 당신이 해결하려고 시도한 비즈니스 문제
• 왜 그렇게 접근했나
• 접근 방식이 좋은 방법과 이유

알고리즘 및 개념 관점뿐만 아니라 비즈니스 목표를 이해하고 비즈니스 문제를 해결하는 관점에서도 준비에 중점을 둡니다.

그리고 그것은 마무리입니다. 이 가이드에서는 첫 번째 데이터 과학 역할을 시작하기 위한 다양한 단계에 대해 논의했습니다. 

또한 데이터 과학 개념을 배우는 것 외에도 전문적이고 유망한 후보자로서 자신을 마케팅하는 것의 중요성에 대해서도 살펴보았습니다. 데이터 과학 개념 학습과 관련된 단계에 대해 유용한 리소스도 살펴보았습니다.

데이터 과학 여정에 행운을 빕니다!
 
 

발라 프리야 C 인도 출신의 개발자이자 테크니컬 라이터입니다. 그녀는 수학, 프로그래밍, 데이터 과학 및 콘텐츠 제작의 교차점에서 일하는 것을 좋아합니다. 그녀의 관심 분야와 전문 분야는 DevOps, 데이터 과학 및 자연어 처리입니다. 그녀는 읽기, 쓰기, 코딩, 커피를 즐깁니다! 현재 그녀는 자습서, 사용 방법 가이드, 의견 등을 작성하여 개발자 커뮤니티와 지식을 배우고 공유하는 작업을 하고 있습니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.kdnuggets.com/7-steps-to-landing-your-first-data-science-job?utm_source=rss&utm_medium=rss&utm_campaign=7-steps-to-landing-your-first-data-science-job