１．データサイエンスで収入を18か月で3倍にした方法まとめ
・データサイエンティストとして働きたい業界の業務知識の習得が大事
・ビジネス分析とMLエンジニアリング、理論よりもコードの学習に時間を費やした
・本当の需要は、利用可能なデータの助けを借りて問題を解決できる人
２．未経験からデータサイエンスで職をえて収入を3倍に
怪しく感じるタイトルなので当初、スルーしてたのですが、元サイトでかなり長い期間人気ランキングに留まっていたため、読んでみたら普通に正攻法でした。
やった方が良いと言われている事を素直にやって、それを積極的にアウトプットして良い結果を引き寄せた人だなぁ、と思います。同じことをやって同じ結果になるとは限らないとは思いますが参考になるところは多いです。
アイキャッチ画像のクレジットはPhoto by Brittany Bendabout on Unsplash
1年以上前、私はCOVID-19パンデミックのために職を失いました。 この間、私は自分自身にデータサイエンスを学び、収入を3倍にしました。
約18か月前、COVID-19のパンデミックのために職を失いました。私は大学在学中に非常勤の家庭教師として働いていました。 家庭教師で得たお金は、食べ物、ガソリン、車などの費用を賄うために使われました。
政府が国全体に封鎖制限を課した後、私は教え続けることができませんでした。 私も大学に行くことができず、家で勉強しなければなりませんでした。
これは最初はひどいことのように思えましたが、大学に行かずに仕事をしないことで多くの時間が解放されたことに気づきました。この間、スキルセットの拡大を検討し始めました。 いくつかの調査を行った後、私はかなり面白そうな機械学習オンラインコースを見つけました。それは私がこれまでに完了した最初のオンラインコースでした。
その後、私はほとんどの時間をプロジェクトの構築、コーディングの学習、オンライン認定の取得に費やしました。現在、18か月で、私はデータサイエンスと分析の分野での知識を使って複数の収入源を構築しました。
1.フルタイムの仕事
私は最初、データサイエンスのインターンとして入社し、現在はフルタイムで働いています。
最初は、自分の仕事は主にモデル構築で構成されるのだと思っていました。
しかし、参加してみると、自分の仕事はモデル構築の約10％にすぎないことに気づきました。 残りの時間、私のチームと私は、ビジネス上の問題を解決するために作成できる新しいソリューションを検討していました。
多くの場合、これらの問題は機械学習を解決する必要さえありませんでした。 データソリューションは、単純なSQLクエリに変換されたビジネスロジックだけで構成できます。
私が毎日行う作業には、次のような質問への回答が含まれます。
・データを使用して、A社の競合他社に関する情報を見つけるにはどうすればよいですか？
・顧客来訪数予測モデルを構築しました。このモデルをテストするために使える業務事例は何ですか？ テスト環境と同じように、実稼働環境でも機能しますか？
・クライアントの顧客層とパフォーマンスを継続的に改善するにはどうすればよいですか？ 利用可能なデータから実際のシナリオを推測することはできますか？
これは私が日常的に行っている種類の作業の非常に抽象的な説明ですが、データサイエンスソリューションの作成はモデル構築で始まり、モデル構築で終わるわけではないことを強調したいと思います。
あなたが意欲的なデータサイエンティストであるなら、私はあなたが働きたい業界のいくつかの業務知識を習得することを提案します。
2.データサイエンスブログ
私はデータサイエンス分野での私の経験について書いています。
仕事でプロジェクトを構築する場合、Kaggleで同様のデータセットを見つけて分析を複製し、それに関するチュートリアルを作成します。
私は当初、自分のポートフォリオを強化するためにデータサイエンスチュートリアルの作成と投稿を開始しました。私の仕事についての記事を書くことは、私が他の意欲的なデータサイエンティストとつながる方法でした。また、MLモデルをコーディングおよび構築する能力を紹介する方法でもありました。
当初、私は自分の執筆に対して報酬が支払われるとは思っていませんでした。データサイエンスポートフォリオを強化するための優れた方法だと思っていました。
しかし、この1年間で、趣味として始まったものが収益を生み出し始めました。データ関連のチュートリアルやプロジェクトを作成し、自分の経験について書くだけで、今では受動的な収入を得ることができます。
3.フリーランス
データサイエンスコミュニティ内で地位を構築し始めたとき、私は複数のフリーランスのオファーを受け取り始めました。クライアント向けの機械学習モデルを1回限りで作成し、競合他社の分析レポートを作成し、データサイエンスの記事を作成しました。
私が最初にフリーランスについて考えたとき、私はオンラインプラットフォーム上でプロジェクトに競争入札しなければならないことを想像しました。
しかし、私の記事を読んだり、ポートフォリオプロジェクトを調べたりした後、様々なフリーランスのクライアントから連絡がありました。
数か月前、私はクラスタリングアルゴリズムを構築し、それに関するチュートリアルをオンラインで投稿しました。翌日、ある人が私に連絡をしてきて、クライアントのクラスタリングモデルを構築することに興味があるかどうか尋ねました。
フリーランスの仕事は、私が普段働いている分野以外にも多くのスキルを身につけてくれました。
私の会社では、通常、使用するデータは特定の前処理された形式で提供され、SQLとPythonを使用してデータをクエリして使用します。
ただし、フリーランスの場合、クライアントデータは非常に異なる形式で提供されます。そのほとんどは処理も構造化もされておらず、データセット間の関係を理解して理解することに多くの時間を費やしてきました。
また、分析を行うために外部データを収集する必要があります。これには通常、サードパーティのWebサイトをスクレイピングし、オープンソースツールを使用することが含まれます。
フリーランスのおかげで、現在の仕事では得られない知識に触れることができ、プロジェクトを進めるたびに新しいことを学ぶことができるようになりました。
私どうやって、ここまで到達したのでしょうか？
私がデータサイエンスのオンラインコースを受講したことを前述しましたが、そこから状況が変わりました。
あなたはどうやって実現したのかを疑問に思うかもしれません。
正直なところ、最初のデータサイエンスのオンラインコースを受講した後、私は道に迷いました。Scikit-Learnでさまざまなアルゴリズムとトレーニングモデルを学ぶのに約1か月を費やしました。そこからどこへ行けばいいのかわかりませんでした。
私は、修士号や専門的な資格なしにデータサイエンスの仕事に就くことができた人々に関する記事を読み始めました。私は、利用可能なデータの助けを借りて、専門知識で問題解決する事の重要性を認識しました。
最も正確なモデルを作成したり、モデルの背後にある基礎となるアルゴリズムを理解したりする必要はありませんでした。
私が持っている最も重要なスキルは、データを使用して問題を解決する能力であることに気づきました。これは、機械学習アルゴリズムを超えなければならないことを意味しました。
私はビジネス分析とMLエンジニアリングのコースを受講しました。理論よりもコードの学習に多くの時間を費やしました。私はSQLとデータ操作の学習に時間を費やしました。
次に、Webスクレイピングを使用してオンラインサイトから自分自身でデータを収集しました。データを使用して問題を解決し、それを使用して簡単な機械学習Webアプリを構築しました。
このようにして、私は直接データサイエンティストになるために必要なスキルを徐々に習得しました。
私のフルタイムジョブのデータ分析チーム内でさえ、私たちの日常業務の範囲を超えるプロジェクト(外部データ収集または新しいアルゴリズムを必要とするプロジェクト)がある場合、通常は私がその仕事の担当に割り当てられます。
結論
意欲的なデータサイエンティストには、オンラインで利用できるリソースはたくさんあります。 実際、何を選択すればよいかわからないほど多すぎます。
ただし、ほとんどの重点はモデル構築に置かれています。
モデルの構築とトレーニングの基本を知ることは重要ですが、ほとんどの実際の業務では、これを超える必要があります。
本当の需要は、利用可能なデータの助けを借りて問題を解決できる人々です。
３．データサイエンスで収入を18か月で3倍にした方法関連リンク
１）www.kdnuggets.com
How I Tripled My Income With Data Science in 18 Months
