Saya seorang mahasiswa MSc di University of Edinburgh, berspesialisasi dalam pembelajaran mesin dan pemrosesan bahasa alami. Saya memiliki beberapa kursus praktis yang berfokus pada penggalian data, dan yang lainnya berhubungan dengan pembelajaran mesin, statistik bayesian, dan model grafis. Latar belakang saya adalah BSc dalam Ilmu Komputer.
Saya melakukan beberapa rekayasa perangkat lunak dan saya mempelajari konsep-konsep dasar, seperti pola desain, tetapi saya tidak pernah terlibat dalam proyek pengembangan perangkat lunak yang besar. Namun, saya punya proyek data mining di MSc saya. Pertanyaan saya adalah, jika saya ingin berkarir sebagai Data Scientist, haruskah saya melamar posisi ilmuwan data lulusan terlebih dahulu, atau saya harus mendapatkan posisi sebagai insinyur perangkat lunak lulusan pertama, mungkin sesuatu yang berkaitan dengan ilmu data, seperti data besar infrastruktur atau pengembangan perangkat lunak pembelajaran mesin?
Kekhawatiran saya adalah bahwa saya mungkin memerlukan keterampilan rekayasa perangkat lunak yang baik untuk ilmu data, dan saya tidak yakin apakah ini dapat diperoleh dengan bekerja sebagai ilmuwan data lulusan secara langsung.
Terlebih lagi, saat ini saya menyukai Data Mining, tetapi bagaimana jika saya ingin mengubah karier saya menjadi rekayasa perangkat lunak di masa depan? Mungkin sulit jika saya mengkhususkan diri dalam ilmu data.
Saya belum bekerja, jadi pengetahuan saya masih terbatas. Setiap klarifikasi atau saran dipersilahkan, karena saya akan menyelesaikan MSc saya dan saya ingin mulai melamar posisi pascasarjana pada awal Oktober.
sumber
Jawaban:
1) Saya pikir tidak perlu mempertanyakan apakah latar belakang Anda memadai untuk berkarir di bidang sains data. Gelar CS IMHO lebih dari cukup untuk ilmuwan data dari sudut pandang rekayasa perangkat lunak. Karena itu, pengetahuan teoretis tidak sangat membantu tanpa mencocokkan pengalaman praktis , jadi saya pasti akan mencoba untuk memperkaya pengalaman saya dengan berpartisipasi dalam proyek sekolah tambahan, magang atau proyek sumber terbuka (mungkin yang, berfokus pada ilmu data / pembelajaran mesin / kecerdasan buatan ).
2) Saya percaya kekhawatiran Anda tentang fokus pada ilmu data terlalu dini tidak berdasar, selama Anda akan mempraktikkan rekayasa perangkat lunak baik sebagai bagian dari pekerjaan ilmu data Anda, atau juga di waktu luang Anda.
3) Saya menemukan definisi ilmuwan data berikut ini cukup akurat dan berharap ini akan membantu kesuksesan karier Anda di masa depan:
PS Hari ini sangat besar jumlah berbagai sumber pada topik ilmu pengetahuan data pikiran-meniup, tapi ini kurikulum open source untuk belajar ilmu Data mungkin mengisi beberapa kesenjangan antara masing-masing kurikulum Anda BSc / MSc dan realitas karir ilmu data (atau, setidaknya, memberikan beberapa arahan untuk penelitian lebih lanjut dan mungkin menjawab beberapa kekhawatiran Anda): http://datasciencemasters.org , atau di GitHub: https://github.com/datasciencemasters/go .
sumber
Data Engineerbimbingan karir.Dari iklan pekerjaan yang saya lihat, jawabannya tergantung: Ada pekerjaan yang sifatnya lebih teknis (merancang proyek big data, melakukan beberapa analisis) atau sebaliknya (melakukan analisis, penyimpanan, dll. Adalah pekerjaan orang lain).
Jadi saya akan mengatakan bahwa BEBERAPA keterampilan desain perangkat lunak sangat berguna, tetapi Anda tidak perlu kemampuan untuk membangun program besar di C # / Java atau apa pun. Mengapa saya menyukai beberapa keterampilan SW adalah bahwa kode Anda mungkin terlihat jauh lebih baik daripada kode dari seseorang yang tidak pernah diprogram demi pemrograman. Sebagian besar waktu, kode terakhir sangat sulit dipahami / didebug untuk orang luar. Juga, kadang-kadang analisis Anda perlu diintegrasikan dalam program yang lebih besar, pemahaman tentang kebutuhan program tentu saja membantu.
sumber
Benar. Pertahankan keterampilan perangkat lunak Anda tetap tajam. Anda dapat melakukan ini dalam program akademik jika Anda hanya menerapkan sendiri semua algoritma yang Anda pelajari.
Pilihan kursus yang bagus, btw. Pertimbangkan untuk magang juga.
sumber