Changement de carrière vers Big Data Analytics

Je suis un informaticien de 35 ans qui est purement technique. Je suis bon en programmation, en apprenant les nouvelles technologies, en les comprenant et en les mettant en œuvre. Je n'aimais pas les mathématiques à l'école, donc je n'ai pas obtenu de bons résultats en mathématiques. Je suis très intéressé à poursuivre une carrière dans l'analyse de Big Data. Je suis plus intéressé par Analytics que par les technologies Big Data (Hadoop etc.), même si je ne l'aime pas. Cependant, quand je regarde autour d'Internet, je vois que les gens qui sont bons en analytique (Data Scientists) sont principalement des diplômés en mathématiques qui ont fait leur doctorat et qui ressemblent à des créatures intelligentes, qui sont loin devant moi. J'ai parfois peur de penser si ma décision est correcte, car l'apprentissage des statistiques avancées par vous-même est très difficile et nécessite un travail acharné et un investissement en temps.

Je voudrais savoir si ma décision est correcte, ou devrais-je laisser ce travail uniquement aux intellectuels qui ont passé leur vie à étudier dans des collèges prestigieux et ont obtenu leurs diplômes et doctorats.

En raison de la forte demande, il est possible de commencer une carrière en science des données sans diplôme officiel. D'après mon expérience, avoir un diplôme est souvent une «exigence» dans les descriptions de travail, mais si l'employeur est suffisamment désespéré, cela n'aura pas d'importance. En général, il est plus difficile d'entrer dans de grandes entreprises avec des processus de demande d'emploi formalisés que les petites entreprises sans elles. "Connaître les gens" peut vous faire avancer dans les deux cas.

Quelle que soit votre éducation, quelle que soit la demande, vous devez avoir les compétences nécessaires pour faire le travail.

Vous avez raison de noter que les statistiques avancées et autres mathématiques sont très difficiles à apprendre de manière indépendante. Il s'agit de savoir à quel point vous voulez changer de carrière. Alors que certaines personnes ont un «talent naturel» en mathématiques, tout le monde doit faire le travail pour apprendre. Certains peuvent apprendre plus rapidement, mais tout le monde doit prendre le temps d'apprendre.

Cela se résume à votre capacité à montrer aux employeurs potentiels que vous avez un réel intérêt pour le domaine et que vous pourrez apprendre rapidement sur le tas. Plus vous avez de connaissances, plus vous pouvez partager de projets dans un portefeuille et plus d'expérience de travail à votre actif, plus les emplois de haut niveau qui seront à votre disposition. Vous devrez peut-être commencer par un poste de niveau d'entrée en premier.

Je pourrais suggérer des façons d'étudier les mathématiques de façon indépendante, mais cela ne fait pas partie de votre question. Pour l'instant, sachez que c'est difficile, mais possible si vous êtes déterminé à changer de carrière. Frappez pendant que le fer est chaud (alors que la demande est élevée).

Vous devriez vous pencher davantage sur le côté infrastructure si vous n'aimez pas les mathématiques. Plus vous descendez dans la pile logicielle, plus vous vous éloignez des mathématiques (du type science des données). En d'autres termes, vous pourriez jeter les bases que d'autres utiliseront pour créer les outils qui serviront les analystes. Pensez à des entreprises comme Cloudera, MapR, Databricks, etc. Les compétences qui seront utiles sont les systèmes distribués et la conception de bases de données. Vous n'allez pas devenir un data scientist sans maths; c'est une notion ridicule!

D'après mon expérience, avoir un doctorat ne signifie pas nécessairement être bon dans l'environnement de la société de science des données, je travaille en tant que data scientist et je suis juste un ingénieur mais j'ai connu des enseignants universitaires qui travaillent en collaboration avec mon entreprise et Parfois, je leur ai dit que leur point de vue n'était pas correct car, malgré leurs idées et leurs raisonnements, ils n'étaient pas applicables aux activités de l'entreprise, nous avons donc dû modifier certains modèles de données pour les rendre utiles pour l'entreprise et les résultats. perdu leur valeur, nous avons donc dû chercher de nouveaux modèles. Ce que je veux dire, c'est que la science des données est un domaine multidisciplinaire, il faut donc beaucoup de personnes différentes travaillant ensemble, donc je pense que vos compétences pourraient être très utiles dans une équipe de data scientist, vous n'avez qu'à trouver où vous vous situez;)

Ce sera peut-être un peu hors sujet, mais je vous recommande fortement de parcourir ce MOOC https://www.coursera.org/course/statistics . Il s'agit d'une très bonne et claire introduction aux statistiques. Il vous donne des principes de base sur le domaine principal de la science des données. J'espère que ce sera un bon point de départ pour commencer une amitié entre vous et les statistiques.

Je n'ai pas vu cela mentionné, mais il est important de garder à l'esprit que vous pourriez voir une baisse de salaire. Je dis cela sans savoir combien vous gagnez, mais passer (je suppose) d'un professionnel de l'informatique expérimenté à un niveau de data scientist d'entrée de gamme peut ne pas vous rapporter autant.

Voici un lien vers une partie de l'étude 2015 de Burtch Works sur les salaires en science des données:

http://www.burtchworks.com/files/2015/05/DS-2015_Changes-in-Base-Salaries.pdf

Comme vous pouvez le voir, le salaire médian des contributeurs individuels de niveau 1 est de 90k (à travers le pays). Le rapport complet a la répartition par région, mais encore une fois, en supposant que vous êtes un professionnel de l'informatique expérimenté, vous faites probablement plus que cela.

Histoire anecdotique avec n = 1: Un de mes camarades de classe dans mon programme de maîtrise DS était un développeur Java expérimenté avec une maison, une famille, etc. Bien qu'il était très intéressé par l'analyse de données (payé pour le programme de sa poche), son salaire potentiel l'analyse de données ne serait pas en mesure de prendre en charge le style de vie qu'il avait actuellement en tant que développeur Java. En conséquence, il a essentiellement "gaspillé" son diplôme et est retourné au développement. Je détesterais vraiment que cela arrive à plus de gens.

Gardez à l'esprit que le «big data» est une chose de plus en plus à la mode pour une entreprise de dire qu'elle est impliquée. que "(pas qu'ils se trompent nécessairement).

Ce que cela signifie pour vous, c'est que les analyses avancées ne sont pas aussi nécessaires pour cette entreprise que le simple fait de lancer quelque chose.

Heureusement pour vous, la plupart des composants dont les entreprises pourraient avoir besoin sont gratuits. De plus, je crois que Hortonworks et Cloudera ont des machines virtuelles "sandbox" gratuites, que vous pouvez exécuter sur votre PC, pour jouer avec et vous orienter.

Les analyses avancées sur les plateformes de Big Data sont certes précieuses, mais de nombreuses entreprises doivent apprendre à explorer avant de pouvoir s'exécuter.

C'est une question vraiment étrange à mon avis. Pourquoi allez-vous aller dans une nouvelle direction si vous n'êtes pas sûr d'aimer cette nouvelle direction ou du moins de la trouver très intéressante? Si vous aimez le Big Data, pourquoi vous souciez-vous des créatures intelligentes PhD qui sont déjà sur le terrain? La même quantité de créatures PhD se trouvent dans tous les domaines de l'informatique. Veuillez lire rapidement cet article très sympa http://www.forbes.com/sites/louisefron/2013/09/13/why-you-cant-find-a-job-you-love/ et ensuite demandez-vous si vous aimez assez le Big Data et que vous êtes prêt à ajouter votre grain de sable à la montagne de connaissances