Большинство разработчиков понимают, что вопросы на собеседовании, которые им задают прямо сейчас, могут практически не иметь отношения к реальной работе, которую они будут выполнять завтра.
Задача состоит в том, чтобы оценить, как их роль будет меняться с течением времени, и соответственно начать убивать. Развитие науки о данных почти в каждой отрасли является хорошим примером того, как разработчики могут быть застигнуты врасплох и что они должны сделать, чтобы наметить правильный курс в своей карьере.
Согласно исследованию, проведенному командой Google и Университетом Сан-Диего , например, разработчикам, которые изначально специализировались на Java, часто приходится сталкиваться с трудностями при переходе на роль науки о данных.
Они включали в себя то, что исследователи описали как трудность в понимании основ концепций машинного обучения (ML), и ощущение, что они “никогда не получат полного понимания алгоритмов”.
В других случаях “(респонденты) слишком часто сталкивались с математическими уравнениями (например, обратное распространение), которые очень трудно правильно реализовать”, – сказали исследователи.
Хотя существуют инструменты и рабочие процессы программирования, такие как Tensorflow Tensorboard visualization toolkit , которые могут помочь здесь, исследователи Google с тех пор опубликовали сообщение в блоге , в котором говорится, что им необходимо внедрять советы по реализации и своевременные стратегические указания на базовую математику.
Конечно, это не помогает разработчикам Java или другим специалистам по программированию, которые могут работать (или претендовать на работу) в организациях, которым явно потребуется использовать науку о данных в долгосрочной перспективе. Имея это в виду, вот три стратегии, которые следует рассмотреть, и которые любой разработчик может предпринять немедленно:
1. Исследуйте и экспериментируйте с языками, специфичными для ML
Менее двух недель назад группа разработчиков опубликовала примечания к выпуску Julia 1.4 , языка программирования, который был улучшен за счет улучшенной многопоточности, новых библиотечных функций и настроек системы сборки.
Иногда сравниваемый с C по скорости, с которой его можно использовать, Julia уже был загружен более 13 миллионов раз, даже если в нем меньше пакетов, чем в том, что вы изучили бы на курсах Python . Чем раньше разработчики познакомятся с этим, тем больше вероятность, что они будут готовы ответить на вопросы будущего работодателя.
2. Познакомьтесь со своими коллегами по команде data science
В то время как разработчики могут взять на себя ведущую роль в проектах ML и других инициативах, более вероятно, что они станут частью группы, в которую входят коллеги из разных академических и профессиональных кругов.
Рекрутинговая фирма Dice опубликовала информацию о повседневной жизни специалистов по обработке данных, независимо от того, стали ли они разработчиками или играли более руководящую роль. Одна общая тема заключается в том, что любой, кто работает в этой области, должен постоянно учиться.
3. Дайте толчок развитию ваших навыков в области науки о данных
Поскольку потребности и приложения в области науки о данных продолжают расти, некоторые организации, несомненно, будут поддерживать мероприятия по профессиональному развитию и обучению, чтобы убедиться, что у них есть нужные таланты.
В то же время, однако, разработчики, очевидно, будут иметь преимущество, если они будут искать и приобретать некоторые из этих навыков самостоятельно. Например, сегодня существует множество курсов машинного обучения на выбор, которые предоставляют работающим специалистам возможность учиться неполный рабочий день или полный рабочий день, если вы еще нигде не работаете.
Сейчас может показаться преждевременным углубляться в науку о данных, но не забывайте, что когда-то люди думали то же самое о самом программировании. Точно так же, как обучение программированию может помочь тем, кто работает в самых разных ролях, навыки работы с данными станут предметом обсуждения еще до того, как вы это осознаете.
Оригинал: “https://dev.to/shaneschick/how-developers-should-prepare-for-their-future-in-data-science-today-1in3”