top of page
Ảnh của tác giảCherry

Học gì? Học gì trước? Học ở đâu?

Đã cập nhật: 26 thg 5



Nhảy ngành sang lĩnh vực data sẽ bớt chông gai hơn nếu các bạn có chiến lược học tập. Trong phần cuối của sê ri chuyển ngành sang data, Cherry sẽ trả lời cho các bạn còn đang mông lung là phải (1) học gì, (2) học cái gì trước và (3) học ở đâu để chuẩn bị cho các job data analytics (xem lại bài viết phần biệt 3 nghề BA, BI, DA ở đây).




(1) Học gì?


Data Science nhìn chung và Data Analytics nói riêng đều yêu cầu chút hiểu biết ở 3 mảng: Statistics, Computer Science, và Domain knowledge. Đối với các nghề Analytics, (đừng hoảng nhé, đây là những topic các bạn ngấm dần dần chứ không phải học một ngày mà xong) thì các bạn cần:

  • Statistics: Descriptive Statistics (e.g., Distribution, Central Tendency, Variability) và Inferential Statistics (cần có nếu bạn mong muốn làm nhiều về forecasting - Dự báo kinh doanh)

  • Computer Science: coding đồ (python, R, etc)

  • Domain knowledge: hiểu biết về industry (vd: ngành tài chính, du lịch, etc), critical và structural thinking, business mindset.

Cụ thể hơn thì các bạn cần (a) Phân biệt Các nhóm nghề trong Data Science và hiểu về Tổng quan về hoạt động trong Data Analytics, (b) sau đó xác định được nghề mong muốn và kĩ năng cần có. Cuối cùng, (c) so sánh danh sách đó với kiến thức đang có, xác định kĩ năng còn thiếu và học dần dần thôi nè.


(2) Học gì trước?


Cherry recommend các bạn học các skill liên quan đến Computer Science trước, Statistics và cuối cùng là Domain Knowledge. Nói thế không có nghĩa là Domain knowledge kém quan trọng nhất mà là các kĩ năng cứng sẽ giúp các bạn qua được vòng gửi xe của các nhà tuyển dụng, còn yếu tố Domain knowledge sẽ mang tính quyết định đến giá trị thực tiễn mà các bạn đem lại cho nhà tuyển dụng khi đi làm. Lý do là các hard skills chỉ là công cụ, còn domain knowledge sẽ giúp bạn xác định được mục tiêu/khó khăn của công ty thực sự là gì và lựa chọn công cụ hoặc phương pháp giải quyết phù hợp.


Trong qúa trình tìm hiểu và học mà các bạn thấy bấn loạn thì quay lại đọc tiếp bài này nhé: Bấn loạn giữa rừng tools và technology?


(3) Học ở đâu?


Cái này sẽ tuỳ thuộc vào

  1. budget của các bạn

  2. phương pháp học của các bạn

  3. mục tiêu các bạn nhắm tới

Học online sẽ không tốn hoặc tốn rất ít so với việc học offline, nhưng được cái là content từ những platform online nước ngoài thì luôn được đổi mới liên tục cho theo kịp xu hướng. Mặt 'trái' là sẽ đòi hỏi khả năng ngoại ngữ tương đối cao để tiếp thu. Ngoài ra, cá nhân các bạn phải hiểu được bản thân học tốt hơn khi đến lớp hay khi học một mình. Nếu bạn là bánh bèo hướng nội thích học một mình thì không nên đu theo các lớp offline và ngược lại.


Cuối cùng, bạn phải cân nhắc mình học nhằm mục tiêu (a) kiếm việc càng sớm càng tốt hay là để (b) kiếm đường đi du học sau này. Nếu học để kiếm việc thì nhà tuyển dụng sẽ quan tâm các chứng chỉ chuyên nghiệp được cấp bởi các công ty công nghệ như Google hay Microsoft, etc hơn là các trung tâm local (bởi vì local thì ai kiểm định và đảm bảo chất lượng?). Nếu học để rộng đường du học thì bạn nên xem website chính thức các trường đại học nước ngoài có các online course ngắn hạn có cấp tín chỉ (credit) thì sau này bạn sẽ có thể cầm tín chỉ đó để chứng minh mình đạt đủ yêu cầu đầu vào các chương trình thạc sĩ/tiến sĩ. Nói thế không phải Cherry bảo các trung tâm local không deliver value, một số bạn Cherry học và có feedback tốt, nên nếu bạn thấy phù hợp và thích học để biết không quan trọng việc chứng mình khả năng cho nhà tuyển dụng hay nhà trường thì cứ triển (phù hợp hơn các bạn đã có chân trong ngành sẵn rồi và học để nâng cao kĩ năng).


Do Cherry không có kinh nghiệm học offline nên sẽ không comment về phần này. Còn online thì có khá nhiều options mà Cherry có thể giới thiệu cho các bạn:

  1. UDEMY: recommend các course dạy bởi 365careers, ngắn gọn dễ hiểu, minh hoạ hoạt hình và có thể vọc ngay và luôn nên các bạn mới sẽ bớt thấy nản nhất. Chuyên hơn thì có thể coi anh Hadelin de Ponteves, đã giỏi lại còn đẹp trai nên học cũng khá cuốn. (giá: đa số 1-5 trăm cành hoy, nhớ canh sales)

  2. DATACAMP: học có lộ trình, bài bản và từ từ nhưng tốn thời gian hơn và cần kiên trì, mang tính ứng dụng tương đối ổn. Tốn đâu đó $100/năm.

  3. COURSERA: mang tính học thuật cao, content hay nhưng không recommend cho các bạn mới vì dễ thấy chán và nản. (tuy nhiên Cherry recommend course này về Statistics nhé). Basic = Free.

  4. EDX thì content chất lượng rồi. Bạn nào hợp xì tai thì học ok. Nhưng cá nhân Cherry chưa bao giờ hoàn hành được course nào trên đó :") do lecture (đặc biệt của MIT) dài tầm 1h mỗi video, hơi quá sức với một người có attention span ngắn như Cherry. Hi vọng giờ đã được cải thiện hơn. Basic = Free.

  5. Nếu các bạn giỏi tiếng anh xíu, và cần học các tools thì các bạn lên hẳn các academy/university/learning blog của các phần mềm/công cụ đó để học cũng rất oke nha (ví dụ: Tableau, Power BI, AWS etc.). Các công ty đứng đằng sau các tools đó thường rất chú trọng update và cung cấp thông tin và kiến thức đào tạo đầy đủ về công cụ của họ, đơn giản vì càng nhiều người biết dùng thì họ càng bán được nhiều sản phẩm và dịch vụ :) Totally free.

  6. À ngoài ra các bạn nào tiếng anh tốt có thể học theo sách của O’REILLY nhé. Sách có publish online và free. Vô cùng ổn áp. Ví dụ luôn: cuốn R for Data Science by Hadley Wickham và Python for Data Analysis by Wes McKinney.

Lựa chọn khoá học online cũng như shopping online, các bạn đọc kĩ review và tham khảo content giới thiệu trước khi lựa chọn để tránh mất tiền oan uổng nhé.


Cuối cùng, trước khi bắt tay vào học thì Cherry recommend các bạn đọc bài viết này để chuẩn bị tâm lý vững vàng trước các khó khăn sẽ gặp phải, và bài Bấn loạn giữa rừng tools và technology? để bớt hoang mang khi gặp phải n tools trên thị trường.



------


*Sẽ có trade-off giữa sự cụ thể và tính bao quát của một recommendation. Vì (1) Cherry hướng tới sự cụ thể để các bạn thấy bớt mông lung và (2) trên đây là những tips dựa vào kinh nghiệm làm việc và học tập của riêng Cherry, nên sẽ khó có thể phù hợp với tất cả mọi người. As always, Cherry sẽ thẳng thắn đưa ra quan điểm cá nhân, các bạn nên tự cân nhắc và quyết định cho bản thân mình (you know yourself best!).

2.533 lượt xem6 bình luận

Bài đăng gần đây

Xem tất cả

6 комментариев


BaoMinh Huynh
BaoMinh Huynh
16 июн.

Dạ chị ơi cho em hỏi về cách đọc/học 1 cuốn sách dạy technical hiệu quả như 2 cuốn chị recommend ở trên ạ, vì trước giờ em chỉ tìm hiểu tool, techn qua video là chủ yếu

Лайк
Cherry
Cherry
22 июн.
Ответ пользователю

Hi Minh, đọc/học sách technical thế nào thì tuỳ vào mục đích của mình. Nói chung thì e chỉ cần:

  • Screen sơ thông tin phần đầu (Who this book is for và Contents) để xem nó có liên quan/có phải là thứ em muốn học hay không rồi mới quyết định đọc hay học tiếp. Nếu background e là business mà e đọc sách viết từ góc nhìn và kinh nghiệm của dân dev, dành cho dân dev thì khả năng cao là nó sẽ khó hiểu với em và em cũng sẽ không học được nhiều.

  • Phần nào e ko quan tâm, thấy không có ảnh hưởng nhiều thì có thể skip nếu không muốn đọc.

  • Ghi chú/làm mind…

Лайк

Khương Nguyễn
Khương Nguyễn
17 окт. 2022 г.

Ước gì biết chị sớm hơn huhu. Sao quả content chất lượng thế này lại ít người biết đến thế ạ? Đọc xong bài này phát là em có động lực nhảy vào tìm hiểu DA luôn, thực sự rất cám ơn những chia sẻ này từ chị. <333

Лайк
Cherry
Cherry
17 окт. 2022 г.
Ответ пользователю


Лайк

Vũ Thùy Dương
Vũ Thùy Dương
29 авг. 2022 г.

Cảm ơn bài viết của chị ạ. Chị ơi em có câu hỏi ạ, em thấy nhiều công ty lớn phần tuyển dụng DA mảng Computer Science còn yêu cầu các kỹ năng liên quan đến Cloud skills như AWS, Azure, IBM Cloud, etc hay Next Gen programming skills (Spark, Scala, PySpark, etc). Mình có cần phải học thêm về những kỹ năng này không á chị, vì những khái niệm này em mới chỉ nghe qua ở mảng Data Engineer thôi á nên nhìn JD của DA như vậy em khá hoang mang ạ. Mong chị giải đáp giúp em, em cảm ơn chị nhiều.

Лайк
Cherry
Cherry
31 авг. 2022 г.
Ответ пользователю

Hi em, những skill e list trên đều là của DE nha.


DA maximum requirement e làm là Python (đa số chỗ e chỉ cần SQL thôi ấy). Chị có thấy DA xài PySpark, nhưng again là phục vụ việc ingest data cho local team dùng, và cũng thường chỉ store trong development environment.


Trường hợp của e chị suggest là:

(1) e hỏi thẳng recruiter (chuyện recruiter nhầm lẫn tên gọi, hoặc requirement xảy ra không hiếm).

Trong trường hợp họ thực sự yêu cầu như vậy thì em hỏi tiếp

(2a) họ có DE trong công ty hay không? (để xem có phải là cty trả lương e DA mà lại muốn e làm DE hay không)

Лайк
Language Studies

STAY IN THE KNOW

Thanks for submitting!

bottom of page