Utbildning till Data Scientist

Vad tycker ni om denna utbildningen för att arbeta med datadriven analys? typ BI utvecklare, junior Data analyst, Data scientist etc?
https://www.mdu.se/utbildning/progra...lampad-ai?l=sv

Vad tycker du om denna utbildningen för att arbeta med datadriven analys? typ BI utvecklare, junior Data analyst, Data scientist etc?
sen möjligtvis läsa master i DS eller gå enstaka online kurser? kan tänka mig att börja arbeta som BI utvecklare eller DA
https://www.mdu.se/utbildning/progra...lampad-ai?l=sv

En hel del bra kurser verkar ingå i programmet, t.ex. datastrukturer/algoritmer, programmering, samt övrig datavetenskap. Kanske inte så mycket statistik men det kan nog ingå i andra kurser, t.ex. de mot Big Data och ML.

Optimal är förstås att få in en fot på arbetsmarknaden redan unders studietiden, och om du studerar i Västerås/Eskilstuna kan ju den biten bli lite svår, så det bör du ha en plan på. Men som sagt, i övrigt verkar det som ett klart lämpligt program för att nå de jobb du nämner.

Tacksam för ditt svar. Har en fråga till ifall du har tid. EC utbildningen som tråden ursprungligen handlar om -

https://ecutbildning.se/utbildningar...hoCvw0QAvD_BwE

Vilken möjlighet ser du att landa på ett jobb inom datadriven analys/arbete ifall man går denna utbildning?
Tillexempel junior data analytiker, eller BI utvecklare?
De lovar en praktikplats på 26 veckor så jag ser ändå att det bör vara möjligt. Ungefär hälften av alla jobbansökningar jag har sett online efterfrågar inte universitetsutbildning, utan snarare att man arbetat i 1-3 år i en roll med DS verktygen (verktyg som även ingår i EC utbildningen).
Tillexempel om man skapar en kraftfull linkdin profil med personliga projekt inom data analys, lär det överväga en akademisk allmän utbildning på 3 år inom tex computer science?
Detta för att få jobb som är simplare än data scientist. Tillexempel BI utvecklare, eller data analytiker. - göra dashboards, använda färdiga modeller för att analysera historisk data (till skillnad från exempelvis ”live” data för att förutspå framtiden som ofta ligger i rollen för en DS)?

Satt och läste tråden om eget hopsnickrade program i Data Science och fick funderingen kring hur utbildningsväsendet har blandat ihop begreppet data och computer, eller data/dati/datum och information.

Av någon anledning har folk fått för sig att Data Science handlar om IT-teknologi och programmering. Tittar vi på de engelska wikisidorna skiljer man data från information på ett sätt som är onaturligt i längden.

Det latinska ordet "datum" betyder just information i singularis, vilket är just en registrerad bit av en observation. "Data" är pluralis av av "datum".

Data science bör då handla om exakt samma saker som informationsvetenskap;
- Informationsinhämtning
-Informationsanalys
-informationskonservering (förvaring, skydd, arkivering)

Men av någon anledning har man ansett att Data science eller slarvigt "datavetenskap" skall handla om att inhämta och analysera stora mängder information vis teknologiska hjälpmedel. Ingen som läser data science idag kan något om informationskonservering, dvs de kan inte förvara eller skydda sin data de nyss har samlat in. Än mindre kan de hämta data ur arkiv.

Frågan är varför man har satt de två vetenskaperna åtskilt från varandra? För, även större mängder av informationsinsamling är de facto inhämtning. Och maskininlärning är bara ett sätt att analysera information såsom lingvistisk analys (NLP som exempel).

Är det då inte bättre att huvudämnet är de facto informationsvetenskap och specialiseringen bör vara t.ex. maskininlärning eller dylikt?

Akademin har numera fjärmat sig från både intelligens och bildning.

Cybernetik som använts inom den germanska och ryska språksfären sedan 1950-talet speglar dessa discipliner bättre.

För mycket engelska och svengelska begrepp är inte sällan en indikator på en persons låga intelligens och bildningsgrad. Det förstår givetvis inte dom som använder engelska antingen behövs eller ej

Chefen på ett företag jag varit på trodde att datavetenskap och data science var samma sak Jag har jobbat med en data scientist och de kan å andra sidan ingenting om datorer eller programmering. Detta hör nog ihop med kraven för att gå en sådan utbildning, här exempelvis är kraven från Uppsala Universitet (förutom krav i matematik osv):

På engelska kallas datavetenskap ”computer science”, detta innebär att ”data science” får samma översättning på svenska varav av man istället använder det engelska ordet ”data science”. Jag har själv upplevt en stor begreppsförvirring - särskilt då man har en chef som inte har IT-bakgrund.

Jag tror du är något på spåren btw angående att använda ordet ”information” istället - å ena sidan så används ordet redan i IT - men å andra sidan tror jag de flesta oinsatta inte ens vet att IT betyder informationsteknik.

Skulle rekommendera en universitetsutbildning över YH, då detta har bättre möjligheter att leda till relevanta ingångsjobb inom data science / dataanalys. Inom BI-utveckling räcker dock YH och det är ganska vanligt att folk som sysslar med BI har läst en YH-utbildning, men detta är ju ett annat område än data science / dataanalys och inkluderar t.ex. ett begränsat fokus på statistik och prediktiva modeller. BI handlar ju mest om att få affärs-/rapporteringsystem på plats och att löpande dra ut rapporter i t.ex. Power BI, Tableau eller dylikt, snarare än att bygga modeller och att jobba med statistik.

Att arbetsgivare vill att man arbetat i t.ex. 1-3 år i en roll med relevanta verktyg innebär att man ska ha jobbat efter studierna, att man studerat verktygen räknas alltså ej in så det är ej helt juniora roller det rör sig om då. Men som sagt, en universitetsutbildning inom lämpligt område är att rekommendera.

Dataanalytiker är egentligen inte att se som ett enklare jobb än data scientist utan är snarare en väg för att bli data scientist, i många fall glider dessutom dessa roller ihop och kan innebära samma typ av jobb. Som dataanalytiker jobbar man främst med att skriva kod och skript, gräva fram data i databaser och analysera statistiskt, samt bygga modeller och visualisera datan för att ge en djupare förståelse för denna, så denna roll kräver goda kunskaper i statistik/matte, programmering samt databaser, och nästa steg efter denna typ av roll är vanligen att bli data scientist.

Vad ska du göra med maskininlärning som informationsvetare? Jag tror du är så insnöad på datorer att du inte vet ett smack om vad informationsvetare gör. Kontrollera att något som ska publiceras i en tidning är korrekt, det är ett exempel på en informationsvetares arbetsuppgifter.

Klart att IT-system behöver datalagring. Håll dig till dina arbetsuppgifter så behöver du inte ha 65 olika utbildningar.

Jag håller med om att det ofta uppstår en förvirring kring data science och computer science, och har själv kommenterat att det inte är samma sak i det här inlägget för snart 2 år sen.

Min uppfattning är dock att det snarare är studenter som blandar ihop dessa begrepp än lärosätena, inom computer science (datavetenskap) är lärosätena ofta noga med att detta inkluderar typ "allt" som rör informationsbehandling, såsom programmering, hårdvara, MDI, algoritmteori, dataskydd och personlig integritet, osv. Inom utbildningar som är specifikt riktade mot data science är det just det tvärvetenskapliga studiet i statistik, modellering och programmering som är i fokus, iallafall av de data science-utbildningar jag läst om. Har du något exempel där själva lärosätet blandat ihop begreppen?


Som nämnts är ju data science ett tvärvetenskapligt område, så det är ju egentligen missvisande att lägga det som en underkategori till t.ex. informationsvetenskap, data science "plockar" ju delar av flera discipliner såsom programmering inom data, matte/statistik samt även domänkunskaper inom t.ex. ekonomi/finans. Så det blir inte rätt att säga att det bara finns en huvudkategori, data science är ju en blandning av flera discipliner.

Beror ju på hur långt man ska gå inom datorer eller programmering, en data scientist kan ju koda i Python/R/SQL men då handlar det ju mest om att bygga modeller och att fixa skript för att t.ex. automatisera processer, inte om att gå ned på hårdvarunivå eller om att förklara i detalj hur en kompilator funkar.

Jag vet hur jag ska tolka ditt inlägg, men vissa ska kanske inte uttala sig innan de själva kan skriva?



Datavetenskap, informationsvetenskap och "data science" är samma sak. Eller borde vara samma sak.

Det du fiskar efter är datorvetenskap eller datorlogi. Eller vetenskapen om informationsteknologi.

Informationsvetenskap är ett huvudämne som hanterar vetenskapen om information i sin helhet, dvs all information.


Ja, vad kan kan man göra med maskininlärning?
Du kan t.ex. använda en AI som hanterar NLP och HTR, dvs lingvistisk anlays av äldre handskrivna dokument.
Man använder då en AI till att lära sig läsa handskrift för att kunna transkribera.
Detta har i sig inget med datorer att göra, utan kärnan i vetenskapen är informationsinhämtning och analys. som exempel att kunna få reda på vad som sades på en sockenstämma anno 1730 i Västergötlands län.

Korrekturläsare är inte informationsvetare. Däremot behöver arkivarier mfl. vara det.

Du är just inne på min poäng med den här tråden:
Folk har någon underlig uppfattning att informationsvetenskap är något inom humaniora som inte är viktigt. Sedan upphöjer man "datavetenskap" till att vara något som är superviktigt, ja till och med en ingenjörsutbildning. Men i själva verket är "datavetenskap" det samma som informationsvetenskap, dvs. att inhämta, manipulera och analysera information i olika omfattning.

Problemet jag ser i detta är att de ingenjörer som säger sig hålla på med informationsinhämtning och analyser har ingen som helst kunskaper i att bevara sin färdiganalyserade information. De kan inget om skydd och arkivering. De kan inte hämta data ur arkiv.

Därav var frågan var någonstans det gick snett när man drog ut den maskinteknologiska biten av informationsvetenskapen och lade den i ett ingenjörsprogram utan att ta med huvudbitarna i informationsvetenskapen.