最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

未来是数据科学的时代 也是数据科学家的时代

[复制链接]
发表于 2015-6-14 14:43:57 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

你擅长数学和数据分析,同时会用Python/R语言编程吗?如果你拥有这样的技能组合,那你就有可能成为数据科学家。
无论是在国内还是国外,数据科学都是目前最炙手可热的研究领域,数据分析师、数据科学家也是最火爆的职业。据LinkedIn的最新投票结果显示,“统计分析和数据挖掘” 是2014年最热门的职业技能,美国招聘网站Glassdoor的报告称,数据科学家的平均薪酬比工程师高30%以上,《哈佛商业评论》将之誉为「21 世纪最性感工作」。优异的数据科学家就像独角兽一样珍贵难寻,而且不是只有科技公司在抢人,传统金融界、零售商、广告、教育,几乎所有产业都需要数据科学家从大量数据中挖掘商业价值。
数据科学专业人才可以根据数据规律预测未来,从而帮助公司开源节流。IBM负责大数据业务的副总裁Anjul Bhambhri表示,航空航天制造商Pratt & Whitney现在可以预测出飞机发动机何时需要进行维护,准确率达到97%,这可以帮助它更加有效地开展业务。
亚当-弗洛葛尔(Adam Flugel)是博奇公司的数据科学招聘猎头,他认为“ 未来十年,如果你不是数据大咖,你就别想升到‘首席XX官’的位置上”。
学校教育 vs职业教育
数据科学家需要具备三项基本技能:数学和统计学、计算机能力、在特定业务领域的知识,最重要的素质就是能够快速学习东西。
毫无疑问,你可以在高等学校学到大部分数学和统计学相关的课程,如概率、数理统计、线性代数、多元线性分析等,当然还包括计算机基础课程,如数据结构、软件工程等。但这些都是基础知识,你需要对所从事的行业和企业有足够的领域知识才能理解业务需求,从而把真正的商业问题转化为一个数学问题,这需要大量的实践和行业知识学习,通常这些知识只能从工作中或者通过职业教育才能获取。
对于从事数据科学的人才,与专长于特定编程语言相比,泛型编程技巧远远更加重要,在如今这个时代,技术的发展突飞猛进,语言会很快过时,新的语言则将迅速普及。因此,学东西很快的人,会比单独领域的专家更有前途。目前在数据科学领域比较流行的Python和R语言就是大部分高等学校的专业课程里没有的,这些技能大部分需要在学校外学习。
与此同时,数据科学是一个充满挑战的科学,你需要不断学习各种机器学习算法以应对越来越庞大的数据集。
总之,在某些技能方面,职业教育可以为学习者提供很大的帮助,尤其是特定业务领域的知识方面。可以说,如果你想成为一名数据科学家,不一定非要在学校里学习。
传统教育vs在线教育
在线教育以视频教学为主,具有低边际成本、资源合理分配、教学形式多样化等传统教育不能比拟的优势,但由于在线教育将传统教育中的师生关系(人和人)一下子转变课件学生关系(物和人),在没有互动、缺乏监督的情况下导致学生学习效率低、学习完课率低的"双低现象"。大数据学习社区PPV课的创始人江海涛认为“未来的在线教育一定是老师和学生通过直播互动、虚拟实景、学习社区等方式充分交流和互动的模式,教育本质上是一个社交过程,只有人和人之间的Action和Reaction才能让思想在师生、同学之间碰撞和交流,从而让知识可以传承、文化得以延续。教育应该是点亮智慧、激发心智的过程,每个学生胸中都有一个小火星,给Ta氧气和空间,Ta就会熊熊燃烧,好的学习方式会让学习过程从负荷尔蒙转向正荷尔蒙。教育离不开师生、师徒这种人和人之间的依存关系。”
目前国内线教育平台都是以视频为主,课程以技术类和编程语言为主,而数据分析师、数据科学位于一个多学科交叉的位置:程序设计、统计、算法、数据分析等。目前没有哪一家平台能系统提供所有课程,并且为不同背景的学生构建一个清晰的学习计划和学习路线图。
PPV课的数据科学训练营计划以学习结果为导向,每一期学习训练营都会针对不同的课程由训练营老师发布学习计划,通过观看视频、阅读书籍、练习、评测等综合学习方式,让学生可以循序渐进、融会贯通的学习,从而达到高效学习的目的。PPV课数据科学训练营的最大特色就是老师全程辅导,在线学习,循序渐进。这里没有教室、没有考试、没有毕业典礼,只有师生,只有知识、只有渴求。
“我们希望建立一个以在线学习为主、老师全程引导的新模式,我们相信,未来,数据科学训练营一定会成为数据分析师、数据科学家成长的乐园。” PPV课的创始人江海涛认为。


楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-29 07:35

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表