Isi
- Data Ilmuwan: Techs Rock Stars?
- Data yang Dilakukan Para Ilmuwan?
- Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
- Cara Menjadi Ilmuwan Data
- Jalan Menuju Data Besar
Sumber: Onradio / iStockphoto
Bawa pulang:
Peran ilmuwan data dengan cepat menjadi karier yang paling dicari di dunia teknologi. Kami bertanya kepada ilmuwan data top Jake Porway dari The New York Times tentang bagaimana ia mendapatkan pekerjaannya, dan kiat-kiatnya untuk sukses di lapangan.
Peran ilmuwan data dengan cepat menjadi karier yang paling dicari di dunia teknologi. Perusahaan seperti Google, Amazon dan LinkedIn menggunakan ilmuwan data untuk membantu mereka mempertahankan keunggulan inovatif di era data digital. Dan sekarang penggemar data dan teknologi bercita-cita untuk menjadi ilmuwan data dengan cara yang sama beberapa musisi bercita-cita untuk menjadi bintang rock. Mungkin itulah sebabnya sebagian orang menyebut para ilmuwan data sebagai bintang rock baru di era teknologi.
Sayangnya, peran ini masih sangat baru sehingga masih ada tingkat ketidakjelasan tentang hal itu, yang berarti banyak ilmuwan data yang mengendarai bus wisata mereka di jalan yang salah. Apakah para ilmuwan data pantas mendapatkan reputasi bintang rock mereka? Kami terjun ke dunia ilmu data dengan wawancara dengan Jake Porway, ilmuwan data dari lab R&D di The New York Times.
Data Ilmuwan: Techs Rock Stars?
Jadi mengapa para ilmuwan data disebut sebagai bintang rock baru di dunia teknologi? Analogi ini sebenarnya lebih dalam dari keinginan kutu buku data untuk terdengar ultracool. Sama seperti bintang rock, karier data ilmuwan mencakup keanekaragaman, kebebasan artistik, dan kemampuan beradaptasi. Dan seperti bintang rock di dunia hiburan, para ilmuwan data terbaik cenderung mendapatkan banyak orang dari semua lapisan industri data dan teknologi.
Apa yang dilakukan oleh ilmuwan data sangat beragam; seperti halnya musisi menggunakan instrumen, alat, dan teknik yang berbeda untuk memainkan gaya musik yang berbeda seperti jazz dan death metal, seorang ilmuwan data juga menguasai alat dan bidang tertentu. Ada gaya yang terlibat juga. Dan tidak ada cara yang benar atau salah dalam melakukan pekerjaan itu - ini tentang dampak pekerjaan terhadap orang lain.
Ketika The Beatles menulis lagu-lagu mereka, tidak ada hanya satu orang yang menentukan bagaimana setiap nada pada setiap instrumen dimainkan. Mereka datang bersama dan macet; melalui penemuan kreatif mereka menemukan lagu yang berfungsi. Itu sama untuk para ilmuwan data. Mereka harus merasakan ritme, masuk ke alur dan menyelaraskan solusi. Ini hanya mungkin dengan jumlah kebebasan artistik yang tepat untuk mencoba pendekatan, alat, dan teknik apa pun yang mungkin terlintas dalam pikiran saat ini - dan kelincahan untuk melakukan perubahan ketika sesuatu tampak tidak penting.
Setelah seorang ilmuwan data menguasai dasar-dasar inti, ia menjadi mudah beradaptasi, dan mendapatkan kepercayaan diri untuk memberikan solusi di bidang lain. Kami berbicara lebih banyak tentang dasar-dasar inti ini nanti. Maksudnya di sini adalah bahwa begitu Anda menguasai ilmu data, Anda dapat mengambil peran ke bidang apa pun yang Anda inginkan, karena data ada di mana-mana.
Tujuan utama seorang ilmuwan data adalah untuk menciptakan sejumlah besar nilai untuk jumlah orang sebanyak mungkin. Sementara seorang ilmuwan data bekerja di belakang layar, itu tidak seperti bermain untuk audiens yang besar: Semakin baik Anda melakukan pekerjaan itu, semakin banyak orang yang Anda jangkau - dan semakin banyak hadiah yang Anda lihat.
Data yang Dilakukan Para Ilmuwan?
Jadi, apa yang tepatnya dilakukan oleh para ilmuwan data? Mari kita telusuri ini dengan sebuah contoh yang kita semua mungkin bisa hubungkan.
Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
Anda tidak dapat meningkatkan keterampilan pemrograman Anda ketika tidak ada yang peduli dengan kualitas perangkat lunak.
Katakanlah Anda menyadari suatu hari bahwa Anda tidak memiliki jumlah energi yang sama pada hari yang Anda alami sebelumnya. Jadi Anda menetapkan tujuan: untuk mendapatkan lebih banyak energi di siang hari. Sekarang, itu adalah tujuan yang cukup luas dan ambigu. Jadi langkah pertama sebagai ilmuwan data adalah untuk menghapus beberapa ambiguitas itu dan mengukur tujuan ini terukur. Ada beberapa metode untuk ini. Kami tidak akan membahas detailnya di sini, tetapi katakan saja Anda berteori bahwa Anda tidak cukup tidur dan oleh karena itu berikan diri Anda sub-sasaran tidur delapan jam setiap malam.
Meskipun tujuan ini sedikit lebih terukur dan tidak ambigu, ia memiliki tantangannya sendiri. Anda benar-benar tidak dapat memulai timer setelah Anda tertidur, dan bahkan jika Anda memulai timer setelah Anda naik ke tempat tidur, Anda mungkin tidak langsung tertidur. Selain itu, sulit untuk memperhitungkan waktu Anda bangun di tengah malam. Akhirnya, ada berbagai jenis tidur, seperti tidur nyenyak dan tidur ringan. Intinya adalah sulit mengukur tidur secara akurat dan karenanya lebih sulit mengukur dampaknya pada tingkat energi Anda.
Jadi apa yang bisa kamu lakukan? Nah, sebagai ilmuwan data Anda akan mencari teknologi terbaru dan menemukan bahwa ada perangkat pemantauan tidur.Dan jika Anda menggunakan alat semacam itu untuk mengukur dan merekam tidur Anda secara digital, Anda bisa mendapatkan data yang lebih akurat tentang tidur Anda, dan mengumpulkan data itu dari waktu ke waktu untuk merencanakan grafik.
Ini saja dapat memberi Anda wawasan yang lebih besar tentang apa yang terjadi. Representasi visual akan memberi Anda kesadaran, kejelasan dan arah. Anda akan dapat melihat apakah Anda mencapai tujuan Anda yaitu delapan jam tidur malam dan, yang lebih penting, dapat mengambil tindakan jika Anda tidak.
Ini adalah pekerjaan dasar dari ilmuwan data: untuk membawa cara-cara baru dalam mengukur dan menampilkan data sehingga lebih banyak kesadaran, kejelasan, dan arah diberikan kepada mereka yang melihatnya.
Tetapi seorang ilmuwan data yang baik tidak berhenti di situ. Setelah data dikumpulkan, itu dapat diintegrasikan dengan aktivitas terukur lainnya yang Anda lakukan sepanjang hari. Padukan dengan produktivitas Anda berdasarkan data dari sistem manajemen tugas Anda. Padukan dengan suasana hati Anda berdasarkan tweet dan pembaruan status. Padukan dengan kesehatan Anda berdasarkan kunjungan ke gym atau penurunan berat badan. Dengan jumlah data yang sudah tersedia dan kemudahan untuk ditangkap, kemungkinan tidak terbatas.
Cara Menjadi Ilmuwan Data
Tertarik dengan karir di bidang sains data? Karena ilmu data sangat baru, kami meminta ilmuwan data top untuk wawasan ke lapangan. Jake Porway adalah seorang ilmuwan data di The New York Times dan pendiri DataKind (awalnya dikenal sebagai Data Tanpa Batas), yang cocok dengan organisasi nirlaba yang membutuhkan ilmu data dengan ilmuwan data lepas dan pro-bono. Porway memiliki latar belakang ilmu komputer dan Ph.D. dalam statistik dari UCLA. Inilah yang dia katakan tentang bagaimana masuk ke ilmu data, bagaimana berkinerja baik, dan bagaimana menghindari kesalahan kunci di lapangan.
1. Dapatkan Keterampilan yang Tepat
Menurut Porway, masuk ke lapangan bermuara pada tiga hal utama:
- Keterampilan komputasi praktis
- Keterampilan statistik
- Keinginan untuk belajar
"Anda harus bisa menulis skrip untuk mengikis data serta kode algoritma yang Anda buat di kepala Anda," kata Porway. "Anda harus mengetahui statistik dasar Anda (dan lebih banyak lagi, idealnya) jika Anda benar-benar dapat menilai apakah model yang Anda bangun atau algoritma yang Anda tulis sedang melakukan apa yang Anda inginkan."
2. Buat Koneksi
Sebelum bergabung dengan lab R&D New York Times, Porway bekerja dalam pembelajaran mesin dan visi komputer, dan menghabiskan banyak waktu mendapatkan robot untuk mengidentifikasi ranjau darat dan menerbangkan pesawat (betapa kerennya bahwa?). Baru setelah ia mendapatkan pekerjaannya di The New York Times, ia harus memperluas tugas-tugas ilmu data yang lebih luas, yaitu Project Cascade, yang melacak tautan dari publikasi di media sosial.
Porway mengatakan, hal yang paling penting untuk didapatkan adalah belajar.
"Dapatkan proyek sains data!" Porway berkata. "Unduh beberapa data, ambil beberapa R, dan mulai mainkan ... Saya katakan untuk fokus menggunakan sesuatu seperti R di samping buku statistik dasar untuk memandu Anda menjelajahi beberapa data. Keterampilan pembelajaran mesin dan komputasi akan datang dengan itu (dari tentu saja ini tergantung pada pengalaman masa lalu Anda - jika Anda sudah menjadi ahli statistik, ambil beberapa Python!) "
Kemudian saatnya untuk membuat beberapa koneksi. Porway merekomendasikan grup pertemuan lokal - karena menjadi bagian dari komunitas ilmu data adalah "cara tercepat untuk mengetahui apa yang tidak Anda ketahui." Dan di bidang yang terus berkembang, itu penting.
3. Dapatkan di Game
Porway memiliki gelar Ph.D. dalam statistik dari UCLA, tetapi ia menekankan bahwa Anda tidak memerlukannya untuk melakukan pekerjaan dengan baik.
"Ini mungkin membantu, tapi jangan berpikir kamu harus pergi dan melakukan lima tahun sekolah lagi untuk dapat menyebut dirimu seorang ilmuwan data," kata Porway.
Ilmu data adalah bidang yang relatif baru. Ini berarti bahwa mereka yang ingin masuk ke lapangan perlu mendekatinya dengan pikiran terbuka.
"Seorang ilmuwan data di Foursquare akan terlihat sangat berbeda dari seorang ilmuwan data di Goldman Sachs," kata Porway.
4. Goyang Peran Baru Anda
Ilmu data adalah semua tentang mengklarifikasi tujuan, memeriksa asumsi, mengevaluasi bukti dan menilai kesimpulan. Tapi ada satu potongan kecil teka-teki yang diabaikan banyak orang. Bisakah kamu menebak apa itu? Menurut Porway, bahan rahasianya adalah berpikir kritis.
"Itu benar-benar membedakan para peretas dari para ilmuwan sejati, bagi saya," kata Porway. "Anda akan kagum pada berapa kali saya pernah melihat seseorang membangun model dan melaporkan hasilnya tanpa menyadari bahwa mereka tidak berpikir kritis tentang dari mana data berasal atau jika percobaan mereka dirancang dengan benar. Anda harus HARUS dapat mempertanyakan setiap langkah proses Anda dan setiap nomor yang Anda dapatkan. "
Jalan Menuju Data Besar
Porway mengatakan ketika dia menyadari kemampuan untuk menggunakan data dalam jumlah besar untuk membuat mesin belajar sendiri, itu mengejutkannya. Semangatnya - dan pendidikan serta keterampilannya - yang membantunya mendapatkan pekerjaan teratas dalam ilmu data. Jika Anda ingin menampilkan data besar, berjongkok dengan beberapa buku, unduh beberapa data dan mulailah bermain-main. Anda tidak pernah tahu tumpukan data mentah apa yang akan muncul.
Untuk transkrip penuh wawancara, buka DataScientists.Net.