„Na ez tényleg nehéz volt, amikor elkezdtem data science-et tanulni…” 🤯
… kezdődik a mondat — a befejezés pedig szintén sokféle lehet, hiszen több jó út is létezik az adattudóssá váláshoz.
Egy biztos:
A data science egy kemény szakma. Olyan szempontból mindenképpen, hogy sok fajta dologban kell egyszerre jónak lenni. Ha csak a kódolás és üzleti gondolkodás kettősségét nézzük, már érzékelhető ez a komplexitás. És akkor a többiről ne is beszéljünk (statisztika, adatvizualizációs készségek, elemzői gondokodás, prezentációs készségek, stb, stb.
Viszont mivel nehéz és komplex terület, két óriási előnye van azok számára, akik mégis elköteleződnek ebbe az irányba és úgy döntenek, hogy data scientist-té válnak:
- Iszonyatosan szórakoztató hivatás! 10+ éve foglalkozom adatokkal és ezalatt nem volt egy olyan projektem sem, ahol ne tanultam volna valami újat. Egy adatos feladat problémák megoldásának komplex sora — éppen ezért egy kiváló agytorna… A flow élmény garantált. 🙂 (Már persze feltéve, hogy valakit az agytorna flow állapotba hoz.)
- Pont azért, mert komplex, nehezebben telítődik ez a piac. Sokan végül megijednek a fent említett komplexitástól — még akkor is, ha tudják, hogy a data science megtanulása életük egyik legjobb szakmai befektetése lehetne… Nyilván, akik mégis megugorják ezt a szintet és sikeresen elsajátítják az alapokat, már eleve egy olyan munkaerő piacra érkeznek, ahol kellemes feltételekkel lehet elhelyezkedni.
Persze én elfogult vagyok…
Podcast a data science tanulásról
Viszont elhoztam két olyan embert, akiknek érdemes meghallgatni a véleményét: Ujhelyi Tamást és Kozma-Renge Krisztát. Mindketten viszonylag frissek még az adattudományok világában: Tomi 3 éve, Kriszta 1 éve végezte el a 3-hónapos Junior Data Scientist Akadémia nevű képzésemet.
(Tomi egyébként azóta már medior data scientist pozícióban van a magyar alapítású, de nemzetközi piacon működő BrokerChooser-nél.)
Így mindketten erősen emlékeznek még arra, hogy milyen élmény volt megtanulni a data science-et:
- Milyen kezdeti kihívások voltak benne?
- Milyen meglepetésekkel találkoztak?
- Mit volt a legnehezebb megtanulni? És mit volt a meglepően könnyű?
- Mikor és hogyan kattant át a kapcsoló, mi volt az a pont, amikor rájöttek, hogy ez a terület tényleg nekik való.
Ilyen és ehhez hasonló kérdéseket tettem fel nekik ebben a 30 perces podcast részben. Úgyhogy ha érdekel, hogy egy senior mellett mit gondol a fenti kérdésekről egy medior és egy junior data scientist, akkor mindenképpen ajánlom hallgatásra!
Megjegyzés: Aki résztvevőként jön a 2024-es JDS Akadémiára, annak kifejezetten azért is ajánlom ezt az epizódot, mert Tomi és Kriszta mentorként csatlakoznak majd ahhoz a csapathoz, így ott is találkozhattok velük… Szóval érdekes lehet már most digitálisan megismerni őket.
Itt a Spotify link, de amúgy minden podcast app-ban elérhető a hanganyag:
Két kiemelt tanulság a podcast-ből:
Kriszta egy érdekes kettősséget említett. Azt mondta, hogy számára eleinte a legnehezebb az volt, hogy a Python szigorú szintaxisával megbarátkozzon. Tényleg egy iszonyat szigorú nyelvről van szó. Egy space, egy kettőspont, egy zárójel (vagy ezeknek hiánya) szét tudja bombázni az ember megírt kódját. De Kriszta azt is említette, hogy a legmeglepőbb az volt, hogy ez milyen gyorsan átváltott benne — és onnantól, hogy egyszer csak ráérzett a dologra, minden ment, mint a karikacsapás.
Ujhelyi Tomitól arra a kérdésemre, hogy mit tanul most a data science-en belül az ML Ops volt a válasza (Machine Learning Operations — azaz a gépi tanulásos algoritmusok üzemeltetése). Ezt azért is tartom fontosnak, mert szerintem jó látni azt, hogy 3 év alatt ennyire haladó szintre lehet eljutni alkalmazott adattudományban, ha az ember időt, energiát és lelkesedést szentel a témának.
Akárhogy is: hallgasd a teljes podcast rész, még egy csomó érdekes gondolat van benne! ☝️
Data Science Képzés ajánló
Így a végére pedig hadd ajánljam a 3 hónapos data science képzésemet: a Junior Data Scientist Akadémiát! Ez a kurzus a Data36 legátfogóbb, 3 hónapon át tartó képzése. Teljesen online, főállású munka mellett vagy éppen akár GYES alatt is végezhető — és segít eljutni a nulláról a junior data scientist szintig. Részletek a fenti linken, vagy itt.
Mester Tomi
