Хочете стати вченим у 2023 році? Ось що вам потрібно знати
Перегляньте сесії за запитом від саміту Low-Code/No-Code Summit, щоб дізнатися, як успішно впроваджувати інновації та підвищувати ефективність шляхом вдосконалення та масштабування громадянських розробників. Переглянути зараз.
Хочете стати вченим у 2023 році? Якщо так, то ви не самотні. Але економічні умови, що швидко змінюються, і нещодавні масові звільнення в таких компаніях, як Meta, можуть вплинути на багатьох із приблизно 106 000 науковців із обробки даних у Сполучених Штатах, і ті, хто хоче вийти у цю сферу, де середня зарплата становить 100 274 долари на рік, цікавляться, що буде рік принесе. Які навички будуть найбільш затребуваними? Як насправді виглядає типовий день спеціаліста з обробки даних? Які найбільші тенденції галузі?
Даляна Лю, старший науковий співробітник компанії машинного навчання Predibase і ведуча подкасту The Data Scientist Show, любить ставити ці запитання та відповідати на них. Фактично, вона запустила свій подкаст, у якому зараз 55 епізодів, в яких представлені інтерв’ю з науковцями з даних таких компаній, як Meta, AirBnB, Nvidia та Google, тому що вона відчула, що наука про дані потребує більше діалогу про тенденції, навички та отримані уроки безпосередньо з голосів. . справжні професіонали своєї справи.
Після роботи старшим спеціалістом із обробки даних і старшим інструктором з машинного навчання в Amazon Web Services (AWS) Лю сказала, що знає, як це насправді — професіонал у цій галузі.
>«Я можу поділитися порадами, яких не знала, коли починала», — сказала вона, додавши, що інколи почувалася самотньою на своєму кар’єрному шляху. Наука про дані, пояснила вона, часом може відчувати себе відчуженою, особливо під час віддаленої роботи.
ПодіяSmart Security Summit
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та галузевих практичних прикладах 8 грудня. Підпишіться на безкоштовний абонемент сьогодні.
Зареєструватися зараз«Я відчула розрив між тим, чого я навчилася в школі, і тим, що я насправді роблю, і іноді я дуже хвилююся», — сказала вона. «Я не знав багатьох інших науковців з даних, які працювали в галузі, тому я хотів би мати спільноту та спілкуватися з ними».
Ніхто не формує свою роль у науці про даніПо суті, сказав Лю, спеціаліст із обробки даних бере щось необроблене та перетворює це на щось значуще. Сила науки про дані, пояснила вона, полягає в тому, щоб осмислити минуле, щоб дати рекомендації на майбутнє.
«Фахівець із обробки даних — це, по суті, той, хто вирішує бізнес-проблеми за допомогою даних», — пояснила вона. «Я створив мем із Шерлоком Холмсом, який розглядає різні докази, за винятком того, що у нас є сотні, тисячі, мільйони доказів більше, ніж у Шерлока Холмса, і вам потрібно придумати статистичну структуру або рішення машинного навчання, щоб відповісти на запитання».
Перегляньте сесії за запитом від саміту Low-Code/No-Code Summit, щоб дізнатися, як успішно впроваджувати інновації та підвищувати ефективність шляхом вдосконалення та масштабування громадянських розробників. Переглянути зараз.
Хочете стати вченим у 2023 році? Якщо так, то ви не самотні. Але економічні умови, що швидко змінюються, і нещодавні масові звільнення в таких компаніях, як Meta, можуть вплинути на багатьох із приблизно 106 000 науковців із обробки даних у Сполучених Штатах, і ті, хто хоче вийти у цю сферу, де середня зарплата становить 100 274 долари на рік, цікавляться, що буде рік принесе. Які навички будуть найбільш затребуваними? Як насправді виглядає типовий день спеціаліста з обробки даних? Які найбільші тенденції галузі?
Даляна Лю, старший науковий співробітник компанії машинного навчання Predibase і ведуча подкасту The Data Scientist Show, любить ставити ці запитання та відповідати на них. Фактично, вона запустила свій подкаст, у якому зараз 55 епізодів, в яких представлені інтерв’ю з науковцями з даних таких компаній, як Meta, AirBnB, Nvidia та Google, тому що вона відчула, що наука про дані потребує більше діалогу про тенденції, навички та отримані уроки безпосередньо з голосів. . справжні професіонали своєї справи.
Після роботи старшим спеціалістом із обробки даних і старшим інструктором з машинного навчання в Amazon Web Services (AWS) Лю сказала, що знає, як це насправді — професіонал у цій галузі.
>«Я можу поділитися порадами, яких не знала, коли починала», — сказала вона, додавши, що інколи почувалася самотньою на своєму кар’єрному шляху. Наука про дані, пояснила вона, часом може відчувати себе відчуженою, особливо під час віддаленої роботи.
ПодіяSmart Security Summit
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та галузевих практичних прикладах 8 грудня. Підпишіться на безкоштовний абонемент сьогодні.
Зареєструватися зараз«Я відчула розрив між тим, чого я навчилася в школі, і тим, що я насправді роблю, і іноді я дуже хвилююся», — сказала вона. «Я не знав багатьох інших науковців з даних, які працювали в галузі, тому я хотів би мати спільноту та спілкуватися з ними».
Ніхто не формує свою роль у науці про даніПо суті, сказав Лю, спеціаліст із обробки даних бере щось необроблене та перетворює це на щось значуще. Сила науки про дані, пояснила вона, полягає в тому, щоб осмислити минуле, щоб дати рекомендації на майбутнє.
«Фахівець із обробки даних — це, по суті, той, хто вирішує бізнес-проблеми за допомогою даних», — пояснила вона. «Я створив мем із Шерлоком Холмсом, який розглядає різні докази, за винятком того, що у нас є сотні, тисячі, мільйони доказів більше, ніж у Шерлока Холмса, і вам потрібно придумати статистичну структуру або рішення машинного навчання, щоб відповісти на запитання».
What's Your Reaction?
