Công nghệ thông tin

Bạn nên nên chọn con đường nào trong lĩnh vực khoa học dữ liệu? Lời khuyên của nhà khoa học dữ liệu tại Amazon

Sự nghiệp của Daliana Liu liên đến nhiều khía cạnh của khoa học dữ liệu. Hiện là nhà khoa học dữ liệu cấp cao của Machine Learning (ML) Solutions Lab của Amazon, cô dùng kinh nghiệm của mình để giúp các nhà khoa học dữ liệu trẻ quyết định vị trí của họ trong lĩnh vực ngày càng phát triển này.

Liu sinh ra và được giáo dục ở Đại Liên, Trung Quốc – nguồn cảm hứng cho cái tên cô chọn. Cô học toán và toán ứng dụng, chủ yếu là vì cha mẹ cô đã đảm bảo với cô rằng nó sẽ mang lại cho cô nhiều cơ hội trong sự nghiệp. Cô đã làm công việc về thuế và thấy cũng ổn, cho đến khi cô tình cờ nghiên cứu các số liệu thống kê. Cô nói: “Thống kê và toán học ứng dụng, bạn có thể áp dụng chúng cho mọi ngành theo đúng nghĩa đen.”

Sau khi tốt nghiệp đại học, cô đã thử tìm kiếm một cái gì đó mới – và bằng thạc sĩ thống kê của Đại học California, Irvine dường như là một bước đi đúng đắn.

Khoa học dữ liệu: luôn luôn học hỏi
Công việc đầu tiên của cô sau khi tốt nghiệp là nhà phân tích dữ liệu kinh doanh tại Boingo, một công ty cung cấp truy cập Internet di động. Liu đã ở đó gần một năm khi một nhà tuyển dụng từ Amazon liên hệ để hỏi xem liệu cô có  quan tâm đến một vị trí trong nhóm bán lẻ của công ty.

“Tôi không chắc liệu mình đã có các kỹ năng cần thiết hay chưa, như thử nghiệm A / B và SQL, nhưng tôi quyết định thử nó,” cô nói.

Photo credit: amazon.science
Cô đã ứng tuyển và nhận được lời mời làm việc, và từ đó không ngừng học hỏi và tiến bộ. Cô chuyển đổi từ nhóm bán lẻ sang nhân sự và sau đó đảm nhiệm vai trò hiện tại là nhà khoa học dữ liệu và kỹ sư máy học cấp cao của ML Solutions Lab.

Hiện giờ Liu đang đảm nhận việc hỗ trợ các khách hàng của Amazon Web Services (AWS), những người đang tìm cách ứng dụng nhiều công nghệ máy học hơn vào doanh nghiệp của họ. Trong một dự án gần đây, cô đã làm việc với các huấn luyện viên bóng đá tại Đại học Illinois Urbana-Champaign, nơi cô và các đồng nghiệp đã phát triển mô hình ML dự đoán kết quả các trận đấu của đội, giúp giảm đáng kể thời gian huấn luyện viên dành cho việc lập kế hoạch cho trận đấu. Trong một dự án khác, cô đã giúp Sportradar, một nhà cung cấp dữ liệu thể thao theo thời gian thực, dự đoán các bàn thắng trong bóng đá bằng cách sử dụng mô hình thị giác máy tính 3D.

Liu nói rằng nhiều kỹ năng cô sử dụng ngày nay, như lập trình bằng Python, là những kỹ năng được phat triển sau khi tốt nghiệp. Cô cho biết thêm, mở rộng danh mục các kỹ năng liên quan là một phần của sự nghiệp trong ngành khoa học dữ liệu.

“Điều đó không dễ dàng, nhưng việc luôn học hỏi sẽ giúp bạn tràn đầy năng lượng” cô nói.

Đối với Liu, điều hấp dẫn đối với khoa học dữ liệu là giải quyết vấn đề. Mọi ngành đều có dữ liệu và “nếu bạn biết cách áp dụng khoa học dữ liệu, bạn có thể làm việc trong bất kỳ ngành nào” cô nói.

Đó chính xác là những gì cô đang làm với tư cách là một phần của ML Solutions Lab. Nhóm tư vấn và hỗ trợ khách hàng đang khám phá việc áp dụng ML. Các dự án có xu hướng yêu cầu từ hai đến sáu tuần, có nghĩa là cô ấy có thể đảm nhận nhiều dự án một năm, tất cả trong các ngành khác nhau, hầu hết với các mô hình kinh doanh khác nhau.

“Các vấn đề của họ rất thú vị,” cô nói. “Và việc xây dựng mối quan hệ với khách hàng và xem ML ảnh hưởng như thế nào đến hoạt động kinh doanh của họ là điều rất bổ ích.”

Giúp những người khác tìm thấy sự phù hợp
Giờ đây, cô đã là nhà khoa học dữ liệu cấp cao tại Amazon. Liu đưa ra lời khuyên nghề nghiệp hàng ngày trên trang LinkedIn của cô và phụ trách một bản tin miễn phí, Nerdy Talk with Daliana,  dành cho các nhà khoa học dữ liệu nghề nghiệp mới vào nghề. Nhiều người theo dõi cô và đưa ra cùng một câu hỏi: Tôi nên trở thành nhà khoa học dữ liệu loại nào? Khoa học dữ liệu hiện đại là một lĩnh vực tương đối non trẻ và không có nhiều hướng dẫn để phát triển một sự nghiệp lâu dài.

“Tôi mong muốn có thêm tài liệu trực tuyến từ những người đã làm việc đó,” cô nói và nhớ lại rằng cô cũng có những câu hỏi tương tự khi bắt đầu sự nghiệp của mình.

Vì vậy, cô đã viết một bài đăng trên LinkedIn về chủ đề đó. Trong đó, cô đưa ra các câu hỏi để giúp các nhà khoa học dữ liệu nên quyết định nên theo đuổi con đường nào. Đó thực sự là về loại công việc cô muốn làm.

“Bạn có thích áp dụng sự hiểu biết về hồi quy, lý thuyết thống kê, giả định của mô hình, thử nghiệm thống kê và chuỗi thời gian (regression, statistical theories, model’s assumptions, statistical testing, time series) không?” cô ấy hỏi trong bài viết. Nếu vậy, bạn có thể thích nghề dự báo hoặc hoạch định chiến lược. Nếu bạn quan tâm hơn đến việc thấy sự phát triển của sản phẩm và hiểu hành vi của người dùng, cô ấy khuyên, phân tích sản phẩm có thể phù hợp.

Và đối với những người giống như cô, những người thích về lĩnh vực học sâu (deep learning), lập trình và sử dụng dữ liệu để xây dựng các công cụ, Liu khuyên bạn nên học về học sâu hoặc kỹ thuật ML. Liu lần đầu tiên khám phá máy học như một sở thích cá nhân. Cô đã tham gia một số lớp học thông qua Machine Learning University của Amazon, các khóa học trước đây chỉ dành cho nhân viên của Amazon, nhưng hiện đã được cung cấp miễn phí cho công chúng. Sau đó, cô bắt đầu áp dụng những gì đã học được vào công việc của mình, xây dựng các mô hình ML để dự đoán hành vi của khách hàng. Tìm hiểu về một lĩnh vực mới đã cho Liu ý tưởng về cách cô muốn sự nghiệp của mình phát triển.

Liu cho biết bài đăng đã thu hút hàng trăm phản ứng tích cực trên LinkedIn, rất đáng trân trọng. “Rất nhiều người đã nói rằng họ thấy bài đăng hữu ích, rằng nó đã truyền cảm hứng cho họ để bắt đầu thay vì cảm thấy do dự,” cô nói.

Cô ấy cũng khuyên những người bắt đầu trong lĩnh vực khoa học dữ liệu nên nói về sở thích và hướng đi mà bạn muốn đi. Cô nói: “Có thể có những cơ hội bạn đang bỏ lỡ chỉ vì người quản lý của bạn không biết bạn muốn giúp đỡ”.

Mặc dù Liu đã tạo dựng được một sự nghiệp viên mãn cho mình, cô cho biết quá trình này không diễn ra một sớm một chiều. Đã có những lời từ chối trên hành trình sự nghiệp của cô.

“Tôi bị từ chối vì tôi không có kỹ năng cụ thể mà họ đang tìm kiếm,” cô nói. “Bạn chỉ cần tiếp tục tìm kiếm cho đến khi bạn tìm thấy một vị trí phù hợp với mình.”

Cô cũng khuyên những người muốn khám phá khoa học dữ liệu nên tuân theo nguyên tắc lãnh đạo của Amazon là “học hỏi và tò mò”. Cô cho rằng không có một nhà khoa học dữ liệu nào thành thạo mọi kỹ năng trong lĩnh vực này. Mấu chốt ở đây là: hãy để công việc hướng dẫn bạn đến những kỹ năng mới và luôn sẵn sàng học hỏi.

“Hãy chú ý đến những gì khiến bạn cảm thấy thích thú,” cô nói. “Đó là chìa khóa để có một sự nghiệp viên mãn.”

Theo https://www.amazon.science/working-at-amazon/what-kind-of-data-scientist-should-you-be

Photo by Sigmund on Unsplash

Back to top button