Benötigen Sie zu Beginn meiner Karriere als Data Scientist Erfahrung im Bereich Software Engineering? [geschlossen]

Ich bin ein MSc-Student an der Universität von Edinburgh, spezialisiert auf maschinelles Lernen und Verarbeitung natürlicher Sprache. Ich hatte einige praktische Kurse zum Thema Data Mining und andere zum Thema maschinelles Lernen, Bayes'sche Statistiken und grafische Modelle. Mein Hintergrund ist ein BSc in Informatik.

Ich habe einige Softwareentwicklungen durchgeführt und die grundlegenden Konzepte wie Entwurfsmuster erlernt, war jedoch noch nie an einem großen Softwareentwicklungsprojekt beteiligt. Ich hatte jedoch ein Data Mining-Projekt in meinem MSc. Meine Frage ist, ob ich mich für eine Karriere als Data Scientist bewerben möchte, ob ich mich zuerst auf eine Stelle als Diplom-Data Scientist bewerben oder ob ich zuerst eine Stelle als Diplom-Software-Ingenieur bekommen möchte, vielleicht etwas, das mit Data Science zu tun hat, wie zum Beispiel Big Data Infrastruktur oder maschinelle Lernsoftwareentwicklung?

Ich befürchte, dass ich gute Software-Engineering-Kenntnisse für die Datenwissenschaft benötige, und ich bin mir nicht sicher, ob diese durch die direkte Arbeit als Diplom-Datenwissenschaftler erreicht werden können.

Außerdem mag ich momentan Data Mining, aber was ist, wenn ich meine Karriere in Zukunft auf Software Engineering umstellen möchte? Es könnte schwierig sein, wenn ich mich so sehr auf Datenwissenschaften spezialisiert habe.

Da ich noch nicht angestellt war, sind meine Kenntnisse noch begrenzt. Klarstellungen oder Ratschläge sind jederzeit willkommen, da ich kurz vor dem Abschluss meines MSc stehe und mich ab Anfang Oktober für Graduiertenkollegs bewerben möchte.

1) Ich denke, es besteht kein Grund zu hinterfragen, ob Ihr Hintergrund für eine Karriere in der Datenwissenschaft angemessen ist. CS-Abschluss IMHO ist mehr als genug für Data Scientist aus Sicht der Softwareentwicklung. Allerdings sind theoretische Kenntnisse ohne entsprechende praktische Erfahrungen nicht sehr hilfreich. Daher würde ich auf jeden Fall versuchen, meine Erfahrungen durch die Teilnahme an zusätzlichen Schulprojekten, Praktika oder Open-Source-Projekten (möglicherweise mit Schwerpunkt auf Data Science / Maschinelles Lernen / Künstliche Intelligenz) zu bereichern ).

2) Ich glaube, Ihre Sorge, sich zu früh auf Data Science zu konzentrieren, ist unbegründet, solange Sie Software-Engineering entweder als Teil Ihrer Data Science-Tätigkeit oder zusätzlich in Ihrer Freizeit praktizieren.

3) Ich finde die folgende Definition eines Datenwissenschaftlers ziemlich zutreffend und hoffe, dass sie für Ihren zukünftigen beruflichen Erfolg hilfreich ist:

Ein Data Scientist ist jemand, der sich mit Statistik besser auskennt als jeder Software-Ingenieur und mit Software-Engineering besser als jeder Statistiker.

PS Die heutige enorme Anzahl verschiedener Ressourcen zu datenwissenschaftlichen Themen ist überwältigend, aber dieses Open-Source-Curriculum zum Erlernen von Datenwissenschaft könnte einige Lücken zwischen Ihren BSc / MSc-Lehrplänen und der Realität der datenwissenschaftlichen Karriere schließen (oder zumindest bereitstellen) Eine Anleitung für weitere Nachforschungen und vielleicht Antworten auf einige Ihrer Bedenken: http://datasciencemasters.org oder auf GitHub: https://github.com/datasciencemasters/go .

Die Antwort hängt von den Stellenanzeigen ab, die ich gesehen habe: Es gibt Stellen, die eher technischer Natur sind (Entwerfen von Big-Data-Projekten, Ausführen von Analysen) oder genau umgekehrt (Ausführen von Analysen, Speichern usw. ist eine andere Aufgabe).

Daher würde ich sagen, dass einige Fähigkeiten im Bereich Softwaredesign äußerst nützlich sind, aber Sie brauchen nicht die Fähigkeit, ein riesiges Programm in C # / Java oder was auch immer zu erstellen. Warum ich einige SW-Kenntnisse mag, ist einfach, dass Ihr Code wahrscheinlich viel besser aussieht als der Code von jemandem, der niemals zum Zwecke der Programmierung programmiert hat. In den meisten Fällen ist der letztere Code für Außenstehende schwer zu verstehen / zu debuggen. Manchmal muss Ihre Analyse auch in ein größeres Programm integriert werden. Ein Verständnis für die Bedürfnisse der Programme ist sicherlich hilfreich.

Absolut. Behalten Sie Ihre Softwarekenntnisse bei. Sie können dies in einem akademischen Programm tun, indem Sie einfach alle Algorithmen, die Sie kennenlernen, selbst implementieren.

Gute Auswahl an Kursen, übrigens. Erwägen Sie auch ein Praktikum.