Data Science: научный подход к данным
Мы часто задумываемся относительно себя или будущего своих детей: какая профессия станет востребованной завтра? И если душа лежит к программированию, к творчеству в IT, куда конкретно податься? По ту сторону океана кажется нашли ответ: будущее лежит за специалистами в области науки о данных. На одном только рынке США через 2 года создастся дефицит в 190 тысяч специалистов в данной профессии. Так кто они, учёные, специализирующиеся на данных? Об этом далее.
О чём речь?
Всё начинается с основ. Сначала в школе вы показываете серьёзные успехи в математике, потом в университете с интересом изучаете ТВМС, а дальше, углубляясь в программирование и разработку, больше думаете не о кратчайшем пути к решению задачи, а об оптимальном, применяя все известные статистические основы. То есть человек, именующий себя data scientist – это в первую очередь пытливый ум, а уже потом инструмент. И как у любого исследователя, большинство его теорий разбивается в пух и прах в столкновении с реальностью, что лишь заставляет его предлагать новые и новые.
При этом существует тонкая грань между голой теорией, когда она не находит выхода, а её автор становится скорее преподавателем или аналитиком, и человеком, который в всё же исходит из того, что поставленную задачу требуется решить. Это и есть data scientist.
Фронт работ
Как бы это ни звучало очевидно, но работать придётся со статистикой и данными. В наши дни, когда объёмы используемой информации таковы, что необходимо либо повсеместно внедрять огромные вычислительные мощности, либо тратить очень много времени на обработку, либо во главе угла ставить статистику и вероятность.
Чтобы понять, что представляет из себя деятельность учёного, специализирующегося на данных, вспомните каверзные задачи HR-менеджеров крупных IT-компаний при приёме на работу. Пример: сколько теннисных мячиков влезет в автобус? На входе вам неизвестны ни точные размеры мячика, ни точные размеры автобуса (или его марка). Всё что у вас есть – общее представление об этих двух предметах. Но если вы попробуете решить эту задачу на предположениях и математических знаниях, то в большинстве случаев, ваш ответ будет коррелировать с ответами других людей. А как известно, теория, подтверждаемая статистикой, почти всегда принимается за правду.
С чего начать?
К сожалению, для тех, кто только сейчас узнал про эту профессию и желает ей посвятить свою жизнь – времени оказалось потеряно непростительно много, чтобы оказаться востребованным лишь по заглавию резюме. Ряд ВУЗов (почти все калифорнийские, Высшая школа экономики Барселоны и пр.) вот уже несколько лет набирает курсы по данной специальности. Кроме того, вам не составит труда найти онлайн-курсы для обучения данной профессии. Но об этом чуть позже. Для начала можно просто поподробнее ознакомиться и с профессией, и с наукой.
Далее переходим на литературу. Дисциплина, как вы сами понимаете, молодая, соответственно книг на русском критически мало (или нет вообще). Однако для плодотворной работы в специальности вам всё равно потребуется английский язык, поэтому начинайте с этого:
- 8 Essential Concepts of Big Data and Hadoop
- Top Programming Languages for a Data Scientist
- Thinking with Data: How to Turn Information into Insights
- Think Stats: Probability and Statistics for Programmers
- Introduction to Data Science
Благодаря этим книгам вы познакомитесь с «большими данными» и статистическими методами их обработки.
Закрепить знания
Дальше необходимо глубоко погружаться в тематику, а для этого потребуется фактическая занятость и каждодневное изучение темы. Для этого прекрасно подойдут ресурсы OpenDataScience и KDnuggets. Здесь вы найдёте новости, блоги, форумы, а в первом случае ещё и работа (правда, подавляющая часть вакансий расположена в США и Лондоне).
Ну и для развлечения обязательно загляните вот на эту страницу, где приведены ответы на самые популярные вопросы на собеседованиях на должности data scientist. Но сначала, безусловно, попробуйте ответить сами.
Освоить востребованную профессию в Data Science можно всего за полтора года на курсах GeekBrains. После учёбы вы сможете работать по специальностям Data Scientist, Data Analyst, Machine Learning, Engineer Computer Vision-специалист или NLP-специалист.
Освоить востребованную профессию в Аналитике больших данных можно всего за полтора года на курсах GeekBrains.