Mythen über Data Science entlarvt!

Data Scientist zu werden ist kompliziert. Man muss nicht nur Mathematik, Statistik und Programmierung lernen, sondern auch ständig gegen Mythen ankämpfen, die man um sich herum hört. Diese Aberglauben erwecken bei den Menschen das Gefühl, dass nur Genies in der Data Science arbeiten können, und das ist nicht wahr.

1. Es ist notwendig, einen Ph.D. zu haben, um Data Scientist zu werden
In der Data Science arbeiten zwei Arten von Menschen. A) Forscher, die Forschung betreiben B) diejenigen, die bereits entwickelte Algorithmen in der Praxis anwenden. Mindestens Typ B benötigt keinen Ph.D. Hier ist praktische Erfahrung wichtiger. Heute gibt es viele Bücher und Kurse, in denen man die Theorie bequem von zu Hause aus lernen kann, und für Spitzenleistungen ist kein Abschluss erforderlich. Ein Beweis dafür ist Greg Brockman, Mitbegründer und Direktor der OpenAI-Abteilung, der keinen Hochschulabschluss hat.

2. Alle Ihre Erfahrungen aus früheren Jobs werden Sie in der Data Science nutzen.
Das wäre schön, aber nein. Wenn Sie beispielsweise 5 Jahre als Tester gearbeitet haben, bevor Sie in die Data Science eingestiegen sind, werden Sie Ihre vorherigen Erfahrungen nicht wirklich nutzen können und beginnen fast von null. Etwas anderes ist es, wenn Sie in derselben Domäne der Data Science arbeiten – zum Beispiel im Bankwesen. Das Wissen über die Branche können Sie natürlich nutzen. Persönlich habe ich vor der Data Science IT-Analyse, Architektur und Projektmanagement gemacht. Hier würde ich mit dem Autor diskutieren und denke, dass die meisten dieser Erfahrungen problemlos in die Data Science übertragen werden können.

3. Sie müssen Mathematik, Statistik gut beherrschen und großartige Entwickler sein.
Wenn Sie diese Dinge wissen, haben Sie einen Vorteil, aber es ist nicht notwendig. Wichtig ist die Bereitschaft, neue Dinge zu lernen. In den Quellen finden Sie Links zu Geschichten wie „Vom Papierlieferanten zum leitenden Ingenieur“, „Wie ich in 10 Monaten zum ML-Experten wurde“ oder „Inspirierende Geschichte eines Nicht-Programmierers, der zur Nummer eins auf Kaggle wurde“.

Weitere entlarvte Mythen finden Sie im Originalartikel.

Quellen: https://www.analyticsvidhya.com/…/myths-data-science-tran…/…

https://www.analyticsvidhya.com/…/exclusive-interview-with…/

https://www.analyticsvidhya.com/…/mystory-became-a-machine…/

https://www.analyticsvidhya.com/…/datahack-radio-episode-3…/