匿名2023/9/13

未填公司未填職務41-45歲

關於資料科學家相關領域

各位先進好
請問若是商學院背景想學習資料科學,甚至進一步應用在工作上,甚至將來當作到其他國家謀生的跨境技能,請問有任何建議嗎?包括但不限於建議的學習資源:線上自學尤佳,謝謝。

回答 5觀看 2874
回答 5

依照慣例,先回答你的直接提問:
想知道可應用在工作上、跨國謀生、線上自學的資料科學資源。

我唯一推薦全球最大的線上學習平台之一: Udemy。

以上,結案。

(Coursera 雖然也不錯,但 Udemy 似乎更常有課程跳樓大特價...哈哈哈)
(跟我有合作課程的線上平台老闆們,看到這篇文章的話,請無視之,感恩。)

--
如果,你只想知道你要的答案(學習資源),應該就不用繼續看下去。

下面的內容是寫給:想進一步瞭解”資料科學“的你看的。

--
再次地"首先",根據你提供的各種資訊,我認為你已經是資深社會人士,甚至擔任中高階主管。

所以,很多對新鮮人說的話,就不多說了,你已經不是需要被說教的年紀了~

因此,來聊聊"資料科學"需要具備什麼技能與能力吧,也許可以作為你選擇學習資源及學習深度的參考。

--
一、面對“真正的“問題

因為,你學習資料科學並不是想當成休閒娛樂,而是工作技能。

而且進一步來說(年紀、職業、經歷、背景),你不太可能會從基礎的工程師角色做起(對,資料科學的基礎職位也只是工程師) ,而是需要由高階管理的角度來看待「資料科學」這回事。

所以,我不會建議你去學習 Python、R等等,原因並不在於這些語言不重要,而是很高機率「你不需要」。

如果你在工作上,需要和「裸資料(原始數據-Raw Data)」打交道,學習一門"合適"的程式語言,"可能"會減輕(或加重)你的工作壓力。

但如果不需要接觸 Raw Data 的話,程式語言多半是你用來與工程師溝通,或自行作資料驗證的工具而已。

--
二、確認“自身的”需求

如你的提問所述,“跨國技能”是一個比較特殊的期望。

而光是這短短幾個字,背後的意義就非常複雜...所以,有興趣再往下看。

跨國代表的是:你必須了解想要前往的國家(產業/公司)對“資料科學職位"的要求與期望。

這也是我推薦 Udemy 的理由。

因為裡面很多老師都是歐美國家的業界人士開課,所以,多少會談到工作上被期望達成的目標。

同時,你才能瞭解能用在"當前工作"上的資料科學技能,以及用在"未來工作"上的資料科學技能,究竟有多少差異,並進一步針對這些差異去尋找合適的課程,而不是在網路上 Follow 各種的影片去學習。

因為看完這些影片之後,大概有 90% 你一個月後就忘了。

--
三、善用"目前的"優勢

商學院的背景提供了你一個“資料科學”職位的良好起點。

如果,我老師、同學、學生、同事知道我這樣說,大概都會很想給我個大白眼,但這並不是他們反對我這個說法,而是「這是不能說的秘密」。

原因很簡單,因為太多人(幾乎所有人...)錯誤地認為“資料科學”需要很懂“程式語言”,甚至是要"懂AI“才能做的職務。

如同我第一個段落所說:程式語言(或AI)只是個很好的輔助工具,但絕對不是必要工具。

反而是,正確地選擇「對的」的產出(資訊)才是最重要的。

而這需要瞭解產業鏈、生態圈、市場趨勢、產出期望(以生產線為來說)等等的專業知識,商學院的學習是一個很好的起點。
(同樣地,工學院、理學院、文學院、法學院、農學院等等都一樣)。

雖然,我不清楚你是商學院裡的哪一門專業,但你只需要先知道(列出)「你期望資料科學的產出(分析結果),能帶給你什麼資訊(回流率、接觸度等等)」

然後,根據你的專業將這些分析結果(資訊),整合成協助你創造更大績效的知識,並且有效、良好地運用這些知識到你的工作上,如此一來,資料科學才會大幅地強化你的優勢。

這才是你要去學的“資料科學”當中的「應用內涵」,而不是學“這門技術”。

--
寫在最後:

資料科學這門看似新穎的技術,實際上是超過 50 年以上的老技術(每個年代的名稱都不同而已)。

而且單就近年的發展來看,資料科學的技術本身很明顯地會變成“零件”一般地普通。

既然我稱之為零件,代表它會變成很多系統內部的組件(不一定是必要零件),而且不一定具備有高價值(但少數“被保護的”高價模組仍然會存在)。

資料科學這門學問(或技術)的確會繼續蓬勃發展,但任何技術都會朝向“懶人”也可以簡單上手的方向前進,這是我 30 年來的實際(血淚)經驗與觀察心得。

因此,既然你已經是(某個產業或公司)資深人才,而且期望跨出舒適圈學習另一個領域的技能,就該好好應用現有的知識、經驗和技能,透過資料科學的技術擴大你的影響力,這才會是強化你跨境技能的最佳途徑。

但,我想,上面這些你應該都非常了然於心。

畢竟,我還是認為你早就不是需要「被說教」的年紀和資歷了。

所以,希望你能找到你想要的( Udemy應該都找得到,應該啦~),加油!

4人拍手・
3人肯定

Q:請問有任何建議嗎?
A:去學,主動去找。

這個工作或說是能力的內容,包含你自己要一直去想:
有什麼議題空間、有什麼資料、怎麼取得或代替、可以怎麼用、統計上有何限制與問題、有何資料表面以外的意義。

不是別人準備好資料包後放到你桌上的。
.

3人拍手・
1人肯定

1 問題大意:您具有商學院背景,但希望學習資料科學,並將其應用於工作,甚至在其他國家找到跨境機會。請問有何建議?
2 首先,您的商學院背景將是一個寶貴的基礎。資料科學領域需要不僅僅是技術,還需要商業洞察力,這將是您的優勢之一。
3 開始自學資料科學可以透過線上資源,例如Coursera、edX、Udacity等網站提供的課程。建議您從基礎的課程開始,學習Python或R等程式語言,並掌握統計學和機器學習的基本原理。
4 在學習過程中,實踐對於資料科學非常重要。嘗試參與開源項目、競賽,或者找到實際的資料集進行分析,以建立您的實際經驗。
5 網絡社群也是學習資料科學的寶貴資源,參加相關論壇、社交媒體群組,向其他資料科學家尋求建議,分享經驗。
6 若您想將資料科學應用於工作,建議您尋找相關實習機會或自願參與公司內部的資料專案。這將幫助您建立職業經驗並展示您的技能。
7 最重要的是,堅持學習,不斷追求知識,資料科學是一個不斷發展的領域,持之以恆的學習將有助於您實現跨境技能的目標。祝您在資料科學的學習和職業道路上取得成功!

2人拍手・
1人肯定

樓上發表的伙伴內容很有感,謝謝分享;

真的Udemy資源多多,推給發問的伙伴這堂課 
https://www.udemy.com/course/datascience/
主重點在了解資料科學架構,所以沒有特別指定使用程式語言

1人拍手・
2人肯定

資料科學有很多面向,有些基礎的科目,不是那麼容易自學會線上學習的。建議還是去學校學那些不容易學習的"基礎",特別是要謀生。

問題沒被解決嗎?邀請GIVER來回答!
找不到想看的內容嗎?

大家都在搜

發問
發問