Bạn có thể chia sẻ về nền tảng của mình không?
Sự nghiệp của tôi bắt đầu năm 2010 trong Không quân, làm việc trong lĩnh vực Security Forces, thường được biết đến là Cảnh sát Quân sự. Tôi tham gia bảo vệ trực tiếp các cơ sở của chính phủ tại Hàn Quốc và Nhật Bản, và thậm chí đã từng canh gác máy bay của Obama một lần! Sau khi rời Không quân, tôi làm trong lĩnh vực Viễn thông nhiều năm với vai trò chuyên viên hỗ trợ help desk, trước khi chuyển sang An ninh mạng trong ngành ngân hàng.
Mặc dù không làm ở vị trí đòi hỏi kỹ năng dữ liệu, tôi luôn cố gắng áp dụng chúng ở bất cứ nơi nào mình làm việc, đôi khi khiến sếp khó chịu, người từng bảo tôi “hãy tập trung làm đúng công việc chính của mình” 😂. Tuy nhiên, rất nhiều lần việc trở thành “người làm dữ liệu” của đội đã hữu ích, như tạo các báo cáo Tableau cung cấp thông tin cho quản lý, tìm ra dữ liệu chưa được sử dụng và khai thác chúng, cũng như xác định các insight chưa từng được nhận ra trước khi phân tích nâng cao.
Gần đây, tôi đã có một công việc đúng nghĩa là nhà phân tích dữ liệu trong một nhóm khoa học dữ liệu, nơi cuối cùng tôi được dùng những kỹ năng này mỗi ngày. Tôi thất nghiệp vào tháng 11/2020 trong đại dịch và xem đó là cơ hội tốt để chuyển hướng sự nghiệp lớn, làm việc toàn thời gian với dữ liệu. Tôi đã chuyển từ nhà phân tích an ninh mạng trong ngân hàng sang nhà phân tích dữ liệu trong ngành xuất bản. DataCamp giúp tôi có được các kỹ năng đủ để trở nên hấp dẫn trên thị trường và thực hiện bước chuyển nghề này, và tôi dự định sẽ chuyển sang vai trò nhà khoa học dữ liệu trong tương lai rất gần!
Tôi học phát triển phần mềm ở trường, nhưng tôi rất ủng hộ việc tự học các kỹ năng liên quan mà mình cần trên mạng thay vì đổ tiền vào giáo dục bậc cao. Tôi thấy giá trị lớn ở các nguồn học trực tuyến miễn phí hoặc hợp túi tiền như DataCamp. Về cá nhân, tôi thích tham gia các cuộc thi trên DrivenData.com và Kaggle, học tiếng Nhật, chơi guitar, và dĩ nhiên là “chinh phục” các mô-đun trên DataCamp.
Bạn dành khoảng bao nhiêu thời gian để học trên DataCamp?
Khoảng 2–3 giờ mỗi ngày.
Bạn biết đến DataCamp như thế nào và vì sao chọn nền tảng của chúng tôi thay vì các nền tảng học trực tuyến khác?
Đã lâu quá nên tôi không thật sự nhớ mình biết đến DataCamp bằng cách nào. Nhiều khả năng là tôi chỉ đơn giản tìm kiếm các nguồn học khoa học dữ liệu. Tôi nhớ là có xem qua DataQuest, nhưng tôi không chọn vì giao diện người dùng của họ khiến tôi “đau đầu”. Trên DataCamp, mọi thứ được trình bày rất tối giản và nhất quán. Rất dễ tìm thứ tôi cần.
DataCamp đã giúp bạn đạt được mục tiêu nghề nghiệp như thế nào?
Công việc mới của tôi chủ yếu là viết mã Python. Mã để xử lý, làm sạch và đưa dữ liệu từ điểm A đến điểm B. Đôi khi có thêm chút SQL, và DataCamp đã cung cấp 98% kiến thức và nền tảng SQL thực tế của tôi mà tôi không thể có được từ công việc trước đó. DataCamp chắc chắn đã giúp công việc mới của tôi trở nên nhẹ nhàng.
Những kỹ năng nào bạn học được trên DataCamp tỏ ra hữu ích nhất?
Ồ, đó là một câu khó. Tôi sẽ nói là các kỹ năng machine learning nói chung. Tôi mất rất nhiều thời gian để nắm bắt scikit-learn và làm những việc tưởng chừng đơn giản như dùng train_test_split(). Ban đầu rất đáng ngại. Sau khi được lặp lại có hướng dẫn thật nhiều, mọi thứ bỗng “vỡ òa” chỉ sau một đêm. Tôi vẫn tiếp tục học các mẹo và thủ thuật mới trong lộ trình nghề nghiệp Nhà khoa học Machine Learning với Python và áp dụng liên tục vào các dự án thực tế của mình.
Một ví dụ điển hình mà tôi tự hào là xây dựng bộ phân loại thư rác cho đội Email Abuse của Bank of America, trong Trung tâm vận hành an ninh của họ. Công việc của họ là phân tích các email đáng ngờ do nhân viên nội bộ báo cáo. Họ nhận được lượng lớn submission và nhiều trong số đó là rác (spam). Để hỗ trợ tự động hóa xử lý các submission này, tôi xây dựng bộ lọc spam bằng Logistic Regression với độ chính xác 93%. Cuối cùng, giải pháp này được đưa vào vận hành và tiết kiệm khoảng 200 giờ phân tích mỗi tuần. Điều đó cho phép đội của họ tập trung vào các nhiệm vụ cấp bách hơn.
Trong công việc hiện tại, tôi gần đây phải xây dựng một pipeline dữ liệu phức tạp (bằng Python và SQL) lấy dữ liệu từ máy chủ SFTP, thực hiện làm sạch dữ liệu chuyên sâu, join dữ liệu đó với một bảng từ cơ sở dữ liệu SQL Server, rồi chuyển kết quả cuối cùng sang Jira. Khóa học Viết mã Python hiệu quả của DataCamp đã giúp tôi tăng tốc script này lên gấp 10 lần và lộ trình kỹ năng Nền tảng SQL thực sự giúp ích cho phần SQL của script.
Hiện tại, tôi đang làm việc trên Cuộc thi Disaster Tweet trên Kaggle. Để hỗ trợ xây dựng lời giải, tôi đang theo học lộ trình kỹ năng Xử lý ngôn ngữ tự nhiên với Python để được định hướng, đồng thời áp dụng các khái niệm này vào dự án Kaggle.
Bạn thích điều gì nhất ở DataCamp?
Tính cập nhật, sự đa dạng và chất lượng của các khóa học. Về tính cập nhật: Nhiều khóa học “bền” theo thời gian. Sau ba năm, tôi vẫn quay lại một số khóa cũ để tìm sự trợ giúp.
Bạn có lời khuyên nào cho người mới bắt đầu với DataCamp không?
Hãy nghĩ về một dự án dữ liệu mà bạn muốn làm ngoài đời thực, sau đó xác định các kỹ năng bạn cần để thực hiện dự án đó, rồi tìm trên DataCamp một khóa học về kỹ năng đó. Hoàn thành khóa học và sau đó thử bắt tay vào dự án.
Với người học mới chưa biết bắt đầu từ đâu, hãy bắt đầu với một trong các lộ trình nghề nghiệp khơi gợi hứng thú ban đầu của bạn. Rồi chuyển hướng sang thứ khác khi bạn khám phá thêm những gì đang có! 😊
Tôi cũng khuyên bạn nên xem các hội thảo trực tuyến của DataCamp, nơi đã giúp tôi tiếp cận nhiều bộ óc xuất sắc trong lĩnh vực khoa học dữ liệu.
Bạn đang tìm một cộng đồng những người yêu dữ liệu để được hỗ trợ trên hành trình học tập? Hãy tham gia Cộng đồng Slack của DataCamp, cho cả thế giới biết bạn là người đam mê dữ liệu với một ảnh bìa LinkedIn tùy chỉnh, và kết nối với Patrick trên LinkedIn.
