
Чому дата-сайєнтист вивчає веб-розробку
Автор, дата-сайєнтист з досвідом у природничих науках, зокрема хімії та біопроцесній інженерії, ділиться своїми мотивами для вивчення веб-розробки. Після років практики у сфері даних, він зіткнувся з труднощами перетворення моделей у готові до використання продукти та представлення рішень зацікавленим сторонам. Це спонукало його до підвищення кваліфікації.
1. Потреба у підвищенні технічної майстерності
Автор зазначає, що не має формальної освіти у комп'ютерних науках. Хоча він комфортно працює з Python/R та SQL, його скрипти часто потребують доопрацювання, а ноутбуки не завжди готові для спільного використання. Він прагне стати технічно більш компетентним у цілісний спосіб, щоб мати можливість спілкуватися з більш технічними колегами на рівних.
2. Більший контроль над веб-сайтом-портфоліо
Раніше автор використовував WordPress для свого портфоліо, але зрозумів, що самостійно розміщений сайт або навіть проста сторінка на GitHub є ефективнішими та дешевшими. Він хоче створити кращий веб-сайт-портфоліо, який дозволить візуально та інтерактивно демонструвати результати його роботи, а не лише статичні аналізи.
3. Бажання вивчати розробку програмного забезпечення "правильним шляхом"
Автор прагне вивчати веб-розробку не просто для виправлення помилок за допомогою Stack Overflow, а для доповнення своєї практики в галузі даних. Він хоче краще розуміти мислення розробників, з якими працює, та засвоїти найкращі практики програмування, що виходять за межі Jupyter-ноутбуків.
4. Пристрасть до створення
З дитинства автор мав пристрасть до створення нового, від хімічних реакцій до розробки рішень за допомогою даних та програмування. Він усвідомлює, що впровадження його роботи вимагає значно більше навичок, ніж він має, і сподівається перетворити свої ідеї на реальні продукти.
5. Додавання цінності до "нечітко визначеної" ролі
Автор зазначає, що роль дата-сайєнтиста часто є "переоціненою" та "нечітко визначеною", оскільки компанії не завжди розуміють, як повною мірою використовувати потенціал цих фахівців. Він прагне бути більш гнучким у своїх навичках та додавати більше цінності, поєднуючи знання з боку даних та розробки. Це також може бути шляхом до кар'єри інженера машинного навчання, яка вимагає вищої технічної майстерності.
Поточне навчання та майбутні плани
Наразі автор вивчає основи веб-розробки, використовуючи такі онлайн-ресурси, як "The Complete Web Developer in 2021: Zero to Mastery" (особливо відзначаючи курс Андрія Негоя за його оновлення та активну спільноту), "The Web Developer Bootcamp: Learn HTML, CSS, Node, and More!" та freeCodeCamp.org. Він планує документувати свій прогрес та покращувати своє портфоліо, створюючи нові веб-сайти та додатки.
Що це означає для розробників
Ця тенденція показує, що дата-сайєнтисти прагнуть краще розуміти мислення розробників та принципи розробки програмного забезпечення. Це може призвести до більш ефективної співпраці між командами даних та розробки, а також до появи фахівців з даних, які можуть самостійно впроваджувати свої рішення.
Ключові факти
-
Дата-сайєнтист вирішив вивчати веб-розробку після років практики, щоб подолати труднощі з впровадженням моделей у продакшн.
-
Автор прагне підвищити свою технічну майстерність та стати більш компетентним у цілісний спосіб.
-
Він хоче отримати більше контролю над своїм портфоліо, створюючи інтерактивні демонстрації замість статичних.
-
Вивчення веб-розробки розглядається як спосіб зрозуміти мислення розробників та застосувати найкращі практики програмування.
-
Це також шлях до розширення ролі дата-сайєнтиста, додавання більшої цінності та потенційно до кар'єри інженера машинного навчання.
Джерела
Джерело
Towards Data ScienceTristan Joshua Alba
5 Reasons why I’m learning Web Development, as a Data Scientist20 жовтня 2020 · оновлено 20 січня 2025
Попередні статті

Docker-контейнери для фахівців з даних: від теорії до запуску моделей
Дізнайтеся, як Docker допомагає фахівцям з даних вирішити проблему несумісності середовищ між розробкою та продакшеном, забезпечуючи відтворюваність, портативність та швидке розгортання моделей машинного навчання.

Інженерія даних: затребувана професія, навички та кар'єрні шляхи
Інженерія даних є професією з високим попитом, що поєднує навички розробки програмного забезпечення, програмування та розширеної аналітики. Дізнайтеся про ключові технічні та нетехнічні навички, кар'єрні можливості та вплив ШІ на цю сферу.

Федеральні регулятори США вимагають прискореного доступу до електромереж для центрів обробки даних ШІ
Федеральна комісія з регулювання енергетики (FERC) зобов'язала шість регіональних операторів електромереж прискорити процеси підключення для великих споживачів електроенергії, зокрема центрів обробки даних ШІ, які прагнуть доступу до високовольтної передавальної системи.
Наступні статті

Інженер великих даних: Роль, перспективи та шлях до кар'єри
Інженер великих даних відповідає за розробку, підтримку та аналіз систем для роботи з величезними обсягами інформації. Дізнайтеся про їхні обов'язки, необхідні навички, потенційний заробіток та кроки для початку кар'єри у цій затребуваній галузі.

Docker як основа для відтворюваної та масштабованої науки про дані та ML
Docker-контейнери забезпечують портативність та надійність проєктів у сфері науки про дані, усуваючи конфлікти версій та спрощуючи спільну роботу. Вони є ключовим елементом для MLOps та майбутнього AI/ML інфраструктури.

Пік популярності комп'ютерних наук: студенти обирають інші напрямки
Навчання комп'ютерним наукам досягне свого піку з випуском 2026 року, після чого очікується спад. Студенти реагують на зміни ринку праці, обираючи спеціальності з вищими зарплатними преміями.