Как стать специалистом по анализу данных в 2017 году? | Карьера специалиста по анализу данных | Б...

О вебинаре: В программе вебинара будут ответы на следующие вопросы: 1. Почему сейчас лучшее время для карьеры в области Data Science? 2. Как сделать первый шаг в Data Science? (В конце концов, первый шаг всегда самый сложный!) 3. Как стать лучше и быстро продвигаться вперед? 4. Какова жизнь после того, как вы стали Data Science? О ведущем: Джесси Штайнвег-Вудс скоро станет старшим Data Science в компании tronc, работая над системами рекомендаций для статей и изучая поведение клиентов. Ранее он работал в Argo Group Insurance над новыми моделями ценообразования, которые использовали методы машинного обучения. Он получил докторскую степень по атмосферным наукам в Техасском университете A&M, и его исследования были сосредоточены на численном прогнозировании погоды и климата. Слайды: https://www.slideshare.net/HackerEart... Ответы на вопросы: 1. Как студент первого курса (например, второкурсник или студент последнего курса) может стать специалистом по анализу данных? Какие проекты он может выполнять? На каких навыках ему следует сосредоточиться? Как начать подавать заявки на работу? 2. Как опытный специалист может сменить профессию и перейти в область анализа данных? Допустим, у кого-то есть 3 года опыта работы с Java, и теперь он хочет стать специалистом по анализу данных. Или, допустим, кто-то знает Hive, Pig, Flume, Hadoop, какова может быть естественная карьерная траектория для него? 3. Чем отличается инженер по машинному обучению от специалиста по анализу данных? 4. Чем отличается статистик от специалиста по анализу данных? 5. Чем отличается инженер по данным от специалиста по анализу данных? 6. Какова взаимосвязь между наукой о данных и машинным обучением? 7. Какие алгоритмы машинного обучения наиболее часто используются в отрасли сегодня, чтобы студенты могли сначала их освоить? 8. Каково будущее профессии специалиста по анализу данных? Сохранится ли она через 5-10 лет или будет автоматизирована? 9. Можно ли использовать науку о данных для создания геологических приложений? Если да, то с чего следует начать? Больше вебинаров и обновлений: https://goo.gl/MEAALs Подпишитесь на наш канал, чтобы получать больше обновлений: https://goo.gl/suzeTB О нас: HackerEarth — это наиболее комплексное программное обеспечение для оценки разработчиков, которое помогает компаниям точно измерять навыки разработчиков в процессе найма. Более 500 компаний по всему миру используют HackerEarth для повышения качества подбора инженеров и сокращения времени, затрачиваемого рекрутерами на отбор кандидатов. За эти годы мы также создали процветающее сообщество из более чем 2,5 миллионов разработчиков, которые приходят на HackerEarth для участия в хакатонах и конкурсах по программированию, чтобы оценить свои навыки и посоревноваться в сообществе.