BEARBEITEN: Versuchen Sie einfach, weitere Wörter hinzuzufügen.
Als Doktorand in Biostatistik fühle ich mich großartig mit dem, was @ Frank-Harrell gesagt hat. Und das ist ganz richtig !!! Studenten unserer Abteilung haben nach dem Abschluss großartige Praktika.
Auf der anderen Seite zitierte @StasK den Artikel " Sind wir nicht Data Science?", betitelte ihn aber als " Statistiker werden nicht als Datenwissenschaftler anerkannt ". Das ist etwas irreführend für mich. Statistiker werden möglicherweise nicht als Datenwissenschaftler bezeichnet. Aber wer kann das noch förmlich behaupten? Jedenfalls heißt es in dem Artikel, zumindest für mich, dass Statistiken das große Potenzial haben, zur Datenwissenschaft beizutragen. Das Hauptproblem, das die Statistik zur Förderung der Datenwissenschaft behindert, besteht darin, dass die Mitarbeiter der Statistik nicht gut für umfangreiche Berechnungen und effiziente Programmierung ausgebildet sind. Aus diesem Artikel zitiert folgt.
Und zu Statistiken. Die Statistik hat ein enormes Potenzial, zur Datenwissenschaft beizutragen. Es gibt offene Forschungsprobleme, die erfordern, dass klassische statistische Methoden in Bezug auf Stichproben, Design und kausale Inferenz „vergrößert“ werden, um mit massiven Datensätzen machbar zu sein. Nur wenige Informatiker und andere, die die datenwissenschaftliche Landschaft dominieren, sind mit diesen Konzepten vertraut, und viele betrachten die Datenanalyse als „algorithmisch“. Die Datenwissenschaft erfordert statistisches Denken und neue grundlegende Rahmenbedingungen. Wie groß ist beispielsweise die „Bevölkerung“, wenn man mit den von Google generierten Big Data konfrontiert wird?
Tatsächlich beginnen viele Unternehmen, Daten prospektiv für interne Tests zu sammeln und Validierung, und es gibt wenig Verständnis für die Kraft der Designprinzipien. Statistiker könnten durch die Entwicklung eines „experimentellen Designs für das 21. Jahrhundert“ große Fortschritte erzielen!
Man kann wohl sagen, dass die Informatik in einer besseren Position ist, aber es fehlt ihnen nur das statistische Denken. Aber für mich betrachte ich die beiden Hauptkomponenten als "Gehirn" und "Hände"! Wenn das Experimentdesign am Anfang fehlerhaft ist oder wenn die Schlussfolgerung ganz am Ende voreingenommen ist, werden wir am Ende eine völlig andere Geschichte über die Schlussfolgerung und die Geschäftsstrategie haben.
Um es einfach auszudrücken Alles, was ich hier vermitteln möchte, ist, dass Praktiker der Datenwissenschaft wirklich sowohl großartiges statistisches Denken als auch Programmierung benötigen.
END EDIT:
Um zu entscheiden, welchen Abschluss Sie anstreben, müssen Sie diesen erwerben um zu wissen, welche Fähigkeiten Sie für die Arbeit im Bereich Data Science qualifizieren. Basierend auf dem, was ich weiß, wenn Sie in den Bereich der Datenwissenschaft einsteigen möchten, sind "harte" Fähigkeiten , die Sie ausrüsten möchten, im Grunde zweierlei: die starken analytischen Fähigkeiten sowie die gute Berechnung und Programmierung Kompetenzen. Sie können zu Quora gehen und nach "Data Science", "Data Scientist" usw. suchen, um ein Gefühl dafür zu bekommen, wie das Feld aussieht und was Sie für diesen Bereich vorbereiten müssen. Hier sind zwei Fragen von Quora, die Sie möglicherweise beantworten möchten:
- Was ist Data Science?
- Wie werde ich ein Datenwissenschaftler?
ol> Einige Fragen wie diese verstehen Sie.
(Die Soft Skills , wie mündlich und Schriftliche Kommunikationsfähigkeiten und Teamfähigkeit sind ebenfalls sehr wichtig. Unter bestimmten Umständen sogar wichtiger als Ihre analytischen Fähigkeiten. Aber sicherlich ist die Diskussion über Soft Skills für Ihre Fragen sicherlich nicht zum Thema.)
Nun zurück zu Ihren Fragen.
Welche Studienabschlüsse würden mich dahin bringen, wo ich hin möchte?
Wenn Sie eine klare Vision haben und tief darüber nachdenken, was Sie lernen müssen, sollten Sie in der Lage sein, dies selbst zu beantworten. Mein Vorschlag wäre Informatik, Angewandte Mathematik oder Statistik, Biostatistik, Physik, Ingenieurwesen oder andere Abschlüsse, die sich stark mit Analytik und Berechnung befassen. Im Wesentlichen wird ein interdisziplinärer Abschluss, der Ihnen hilft, sowohl Datenanalyse als auch Programmierung zu trainieren, Ihnen definitiv eine hervorragende Position für die Arbeit im Bereich der Datenwissenschaft verschaffen.
Gibt es einen Konsens darüber, ob ein Abschluss in Bewerbung vorliegt Mathematik oder Statistik würden mich in eine bessere Position bringen, um in den Bereich der Datenwissenschaft einzusteigen?
Mir ist nicht bekannt, ob es einen solchen Konsens gibt, der von akademischen Forschern oder Industriepraktikern offiziell anerkannt wird, aber ich kann Ihnen einige Nachrichten / Berichte von Websites geben, die zeigen, wie die Statistik im Verlauf der "Ära der Big Data" eine große Rolle spielen wird. Ich glaube, diese Artikel geben Ihnen zumindest das Vertrauen, dass Statistiken eine gute Wahl sein sollten.
- Für den heutigen Absolventen nur ein Wort: Statistik
- Wie kann die statistische Wissenschaft Big-Data-Forschungsprojekte vorantreiben?
- Entdeckung mit Daten: Nutzung von Statistiken mit Informatik zur Transformation von Wissenschaft und Gesellschaft
- Wir sind Data Science
- [Die Ära der Big Data] Artikel über Big Data müssen gelesen werden
Der letzte stammt aus meinem Blog, in dem ich einige wichtige Artikel aus Medien und berühmten Websites wie NYTimes, Forbes, McKinsey, Harvard Business Review usw. gesammelt habe. Sie finden einige, die die Zukunft des datenwissenschaftlichen Bereichs beschreiben. und die Fähigkeiten, die man für dieses Gebiet benötigt. Hier ist zum Beispiel das Zitat von NYTimes, die Worte von Hal Varian.
„Ich sage immer wieder, dass der sexy Job in den nächsten 10 Jahren Statistiker sein werden“, sagte Hal Varian, Chefökonom bei Google. "Und ich mache keine Witze."
In den meisten Artikeln wird ausführlich dargelegt, dass das Feld Statistik als Disziplin, die Daten untersucht - "die Wissenschaft der Daten" - an diesem historischen Punkt boomt. Wenn es also einen Konsens gibt, sind diese Artikel die Anzeichen dafür.
Zuletzt, wie es Ihnen scheinen mag, überzeuge ich Sie, einen Abschluss in Statistik oder Biostatistik zu machen, ich nicht habe diese Absicht, obwohl sie eine gute Wahl sind, wie ich zuvor angedeutet habe. Alle Abschlüsse, die Ihren Interessen entsprechen (wie maschinelles Lernen in den Informatikwissenschaften), sollten berücksichtigt werden, sofern Sie wissen, dass Sie Ihre Analyse- und Rechenfähigkeiten vorbereiten. Sie können diese Fähigkeiten sogar selbst in offenen Kursen auf Coursera erlernen.