IT-Weiterbildung: AI (Data Science/Analytics, ML) o.a.

[Romio]

 

Hallo,

ich wollte mich zum Thema IT-Weiterbildung beraten lassen.

In IT-Bereich bin ich eher Quer durch die Praxis gekommen und habe über Ing.-Dienstleister 3 Jahre gearbeitet:
Von Hardare-Test zum Software-Tests (vor allem manuell). Studium (vergleichbar) Maschinenbau-Ing., aber das war schon eine Weile her.

Um in IT-Bereich Software stabiler weiter zu arbeiten und weiterzukommen, benötigte ich bisschen mehr IT-Kenntnisse.
Mehrere Einladungen zur Vorstellungsgespräche (weil es gibt schon gute Erfahrung), aber dann sind jeweils spezifische IT-Kenntnisse manchmal erwünscht.

Momentan lerne ich Python selbst: villeicht werde ich diese
verbreitete mehrzeckige Programmiersprache für eine Arbeit brauchen oder als Vorbereitung an eine Weiterbildung.
Mit dem Lernen von Grdl. Python schätze ich, dass ich gut voran komme und Aufgaben selbst löse.

Ich wollte heir passende Richtungen der Weiterbildung absprechen.

Als Option A: 
schlage ich es vor, in Richtung AI zu schauen.
Ich beobachte Nachfrage in Jobbörsen für AI
- Data-Schience/Data-Analyst, 
- Machine Learning Developer 
So gibt es auch Weiterbildungsangebote mit entscprechenden Abschlüßbezeichnungen. 
Z.B. Machine Learning developer - Kurs besteht aus haupt-Modulen: Python, SQL, Machine Learning, Deep Learning

So wie ich verstehe: Data-Scientist/Analyst - ist selbstaussagende Thema (u.a. Statistik, Analyse gesammelten bisherigen Daten, 
Prognosen für Zukunft, Diagrammen)... Während Machine-Learning-Developer implementiert 
Ergebnisse der Arbeit von Data-Scientist/Analysts und hier sind u.a. programmier-Können wichtig  - so verstehe ich.
Daher, denke ich, wird dem Python in Weiterbildungsangeboten im Machine-Learning mehr Zeit als in Data-Scintist gewidmet. 
Für data-Science: mehr Zeit für Statistik, Sprache R...gewidmet.

Ich habe Stellenangebote von Data-Scinnce/Analyst und Machinen-Learning Developers durchgeschaut.
An vielen sind dazu noch Kenntnisse fürs Thema Cloud (Azure, AWS) erwünscht... aber das ist nicht an allen Stellenangeboten so.

Klar, ich habe es mit Weiterbildungsträger kurz abgesprochen: die sagten die Kurse passen für Anfänger und die dort erworbene Kenntnisse
seien ausreichend für einen Start im Arbeitsmarkt (sonst wären die Weiterbildungen nicht zugelassen sein - so sagen Weiterbildungsträger).
Aber die Weiterbildungsträger sind für Teilnehmer interessiert, daher meine Überlegung ob sie ganz neutral sind...
Was könnte darüber Seite der Arbeitgeber sehen?

Meine Fragen wären: 

1.
kann man ohne Cloud-Kenntnissen in Thema AI (Data-Scinnce/Analyst und Machinen-Learning developer) starten?
Ist der Eindruck: dass Cloud zuerst man nicht überall braucht - richtig oder nicht ganz richtig und nicht perspektivisch?
Klar, danach kann man auch Cloud lernen - aber ob die erste Option ohne Cloud für Starter existiert?

2.
Was ist für einen Anfänger leichter erlernen und mit welchem Thema wäre leicher beruflich einsteigen:
- Data-Schience/Data-Analyst, 
- Machine Learning Developer 
?

Ich habe auch skeptische Meinungen gehört, aber ich kenne einen Mensch welcher halbjahrigen Weiterbildung Business-Analytic 
abgeschloßen hat, .... und dann 1 Jahr bei einem Mittelständer in dieser Rolle gearbeitet. Der AG war nicht immer zufrieden, aber der Mensch hat
ziemlich schnell eine weitere Arbeit im Berech gefunden...

 

[pr0gg3r]

Dein Post ist etwas wirr geschrieben aber ich versuche mal auf einige Punkte einzugehen.

Erst einmal sind die Übergänge in der IT immer auch fließend. Das heißt, dass es Überschneidungen zwischen jemand der ML-Modelle entwickelt und einem Data-Scientist gibt, die aber unterschiedlich ausgeprägt sein können. So habe ich bei einem ML-Projekt (bevor GPTs cool waren) die Erfahrung gemacht, dass der harte Part nicht das Modell zu trainieren ist, sondern die ganzen Daten erst mal aufzubereiten. Eine gewisse Genauigkeit haben wir auch mit relativ wenig Aufwand hinbekommen, aber jedes 0,1% weitere Genaugkeit hat dann sehr tiefes ML-Kenntnisse erfordert. Deshalb würde ich mich jetzt auch nicht auf etwas versteifen und zu konkret etwas raten im Sinne von "das ist dein Weg".

Zum Thema Kurse: Data Science und ML sind Bereiche, in denen sehr spezielles Wissen erforderlich ist. Der beste Weg dort hin ist eine akademische Laufbahn. Du kannst relativ leicht Daten erheben und Modelle trainieren, aber der intellektuelle Part auch die Richtigen Dinge zu tun, ist noch mal ein anderes Kapitel. Dazu sei z. B. gesagt, dass Statistik eher ein Studienmodul ist, an dem sehr viele durchfallen aber absolute Grundlage (und trockene Theorie) für Data Science und ML ist. Natürlich kannst du Python und Tensorflow lernen, das alleine reicht aber nicht aus. Warum ich noch auf den akademischen Weg eingehe ist um dir zu zeigen, mit wem du auf dem Arbeitsmarkt bei Bewerbungen um diese Stellen konkurrierst.

ML und Data Science hat erst mal nichts mit irgendwelchen Clouds zu tun. Natürlich kann es auch hier wieder Überschneidungen geben, z. B. wenn du dort Daten ablagerst, raus ziehst, analysierst oder dort Modelle trainierst. Im Grunde beinhalten Stellenanzeigen aber auch immer mit mehr Anforderungen als die Unternehmen tatäschlich stellen. Hier würde ich mich nicht abhalten lassen.

Deine Zielsetzung und deine Momentane Situation ist mir auch nicht ganz klar. Möchtest du in die IT gehen? Wenn es dir nur darum geht, gibt es sicherlich einfachere Möglichkeiten. ML / Data Science ist nichts, was man mal eben "schnell lernt". 

[Romio]

 

Vielen Dank für die informative Antwort.

Ich versuch es gerade zu klären, in welche Richtung im IT soll ich weiter gehen.
Fazit von aktuelle Vorstellungsgespreche:

"Sie haben bis jetzt geschafft in den IT-Bereich Quer- zu kommen, deswegen haben wir Sie zum Interview eingeladen und versuchen es,
mögliche zu betrachten. Aber dafür brauchen Sie bisschen mehr IT-Kenntnissen."

Klar, ein akademischen Weg ist besser - keine Frage.
Nur ich habe seinerzeit im Ausland studiert (akzeptiere Unterschiede) und dort und hier mehrere Jahre nicht beruflich gearbeitet (andere Realitäten sind manchmal anders),
aber habe es geschafft, nach mehreren Jahre auf den Ingenieur-level in Deutschland meine Niesche zurück zu finden: der mögliche Bereich war Testing /QS... ja bis jetzt in Projekte.
Ich konkuriere auch dort mit erfahrenen und frischen Informatik-absolventen. Das ist nicht leicht, aber ich habe keine andere Wahl.
Ich muss weiter im IT meine zukunftige Richtung/Zweig wählen (weil es schon angefangen wurde und es ist besser als es zu wechseln) und das wird sowieso eine Weiterbildung und nicht akademische Weg sein.
Und in jedem beruflichen Thema wird die Vertiefung auch nach der Weiterbildung benötigt: auch daher weil der Weg nicht voll akanemisch war.
Entweder in Data Science oder im ML oder...start in eine SW-Entwicklung - besprechen wir wennmöglich wo es sein könnte. Das wäre meine Bitte.

Die Zeit geht, auch Testing geht in Richtung Testautomatisierung(TA). Manuelles Testen ist immer weniger gebraucht (daher ist mir eng). 
Ich arbeite selbst daran, die Grundlagen TA kennenzulernen, aber auch nur das zu können - wäre beruflich zu eng.
 
Daher brauchte ich weiter - beruflich auch breiter zu stehen. Python - braucht man viel wo,... auch in Data Science/ML, Mal auch für Testautomatisierung - daher lerne ich es jetzt selbst.

Data Science/ML - sehe ich als interessante und perspektive Thema. Logik und Algorithmen sind meine Instrumenten.
Frage ist die Erlernbarkeit des Themas für meinen Fall und ob ich nach der Weiterbildung (ohne Weiteren Themen) "beruflich atmen" kann. Mir ist klar, danach wird auch relevante Vertiefung notwendig:
nun damit es machbar wäre:

z.B.: ich habe schriftliche Prüfung für Englisch auf Level B2 bestanden. Sicherer kommuniziere ich auf Level B1. Manche Schulungen und Prüfungen für Thema Cloud (vor allem AWS) sind schon auf Deutsch, aber viele sind
nur noch auf Englisch (auch auf Deutsch ist in Planung aer könnte dauern). Evtl könnte ich es (aber mit Mühe), aber viel lockerer wäre für mich auf Deutsch.
Und wenn ich viele Stellen beobachte wo in ML auch Erfahrung/Kenntnisse von Azure, AWS gefordert sind - dann mache ich mir gedanken. Wenn man ohne Cloud für Themen ML/Data Science arbeiten kann und die danach
ruhig die Grundlagen kennenlernen - dann könnte ich die Gelegenheit betrachten.

Ich habe mit Englisch schön gearbeitet: ca. Drittel von meiner Testergebnisse; Errorbeschreibungen sollten auf Englisch beschrieben werden... aber das war Schriftlich und eine MS-Azure-Prüfung auf Englisch mit Zeitdruck 
- das wollte ich vermeiden. Vielleicht könnte das auch funktionieren, aber das Risiko ist...Lernstoff auf English kann ich abarbeiten, aber es nimmt bisschen mehr Zeit und Mühe.

Sonst lerne ich sehr gerne: ja, Firmen fördern das wenn sie wollen oder auch ich selbst.

 

[Flammkuchen]

Data Science und Data Analytics ist voll mit Quereinsteigern. Als MINT Absolvent R und Python in der Abschlussarbeit benutzt -> Data Analyst

ML einer der wenigen IT Bereiche, die ziemlich akademisch sind. Es ist ein Unterschied ob man etwas mit PyTorch rumspielt oder ob man mal Paper ließt um auf dem laufenden zu bleiben. 

 

[Romio]

Am 19.2.2024 um 20:46 schrieb pr0gg3r:

ML und Data Science hat erst mal nichts mit irgendwelchen Clouds zu tun. Natürlich kann es auch hier wieder Überschneidungen geben, z. B. wenn du dort Daten ablagerst, raus ziehst, analysierst oder dort Modelle trainierst. Im Grunde beinhalten Stellenanzeigen aber auch immer mit mehr Anforderungen als die Unternehmen tatäschlich stellen. Hier würde ich mich nicht abhalten lassen.

Deine Zielsetzung und deine Momentane Situation ist mir auch nicht ganz klar. Möchtest du in die IT gehen? Wenn es dir nur darum geht, gibt es sicherlich einfachere Möglichkeiten. ML / Data Science ist nichts, was man mal eben "schnell lernt". 

Vielen Dank.

Ich könnte es vorstellen, dass ML und Data Science erst Mal nichts mit Clouds zu tun haben. Ich habe dazu Bücher mit einsteigender Stoff durchgeblättert um zu verstehen worum es geht. Wenn ich aber Stellenanzeigen lese - dann beibachte ich in vielen davon Wünsche der Arbeitgeber, Erfahrung mit Clouds.

Es muss nicht sein, dass ich unbediengt in Richtung Maschinen Lerning oder Data Science weitergehe.  Ich versuche es gerade, meine Chancen auf dem Gebiet und Erlernbarkeit mit einer Weiterbildung zu verstehen. Vielleicht komme ich dazu, eine andere IT-Richtung zu nehmen.

An der Stelle wäre meine Frage: wenn ich eine Weiterbildung "ML Developer" 5-6 Monaten absolviere - komme ich in der Arbeitswelt nicht zur Erwartung meisten Arbeitgeber, sofort oder sehr Schnell Cloud zu kennen oder lavinisch zu lernen? Weil ich vermute, dass ich nocht in die ML praktisch einsteigen sollte.... Die Lage ist mir nicht bekannt, daher Frage ich.

Das gleiche gilt für Data Science/Data Analyst.

 

Meine Situation kurz und knapp: arbeitssuchend. Studium im Ausland (vergleichbar) Maschinenbau-Ing. Alter 40+

In Deutschland: 3 Jahre IT-Erfahrung in Projekten  (Arbeitnehmerüberlassung 2 Projekte für HW/SW (Mix)-Testing bei Großlieferanten in Automobilindustrie und 1 Projekt als Mix (Tester und Unterstützung in Testmanagement) bei OEM.

Danach ca 1 Jahr SW-Tester (manuell) in Banking... (Ja, es fehlte mir background im Thema)

Jetzt bin ich arbeitssuchend und mein Berater in Jobcenter hat es zugestimmt, dass ich mir eine Weiterbildung in IT suche (Dauer 4-6 Monaten). Als mögliche Richtung habe ich Data Science/Data Analyst /AI erwähnt und habe bisschen Zeit bekommen mit den Themen, Erlernbarkeit und meiner Chancen zu schätzen. Oder eine andere IT-Richtung für Weiterbildung vorzschlagen.

 

Daher bin ich noch bei Erarbeitung menier Zielsetzung und bitte dabei um Ihre Hilfe. Mein Vorschlag wäre, neben meiner Fragen noch welche Weiterbildungsangebote durchzusprechen, aber zuerst bitte: Erlernbarkeit und meine Chancen und Risiken in Data Sc./Anal. Machine Learning.

 

Ich lerne jetzt Python - weil die Programmiersprache für Testautomatisierung, in Data Sc. & ML und in Backend und viel wo einsetzbar ist. So probiere ich mir das Thema Erlernbarkeit "mit eigenem Zahn". 

Ich bekomme regelmäßig Einladngen zur Vorstellungsgespräche, auch mein ehemalige Ing-Dienslleister wollte mich gerne zurück bekommen, aber ich muss bisschen mehr IT-Kenntnisse bekommen.

Bearbeitet 22. Februar von Romio

[x0r]

Warum hast du dich so auf ML/ Data versteift? 

Warum versuchst du nicht erstmal überhaupt die Fuß in die Tür zu bekommen? Schau nach einer Support Stelle, Junior etc. Langfristig kannst du dich dann in solch komplexen Themen, wie die von dir genannten, einarbeiten. Hättest aber erstmal einen sicheren Hafen.

"Cloud" ist im Endeffekt (überspitzt) nichts anderes als Netzwerkgrundlagen + natürlich gewisse Besonderheiten. 

Ich persönlich würde dir in deiner Situation empfehlen, erstmal überhaupt irgendein Job mit IT Bezug zu auszuüben und darauf dann aufzubauen. 

 

[Romio]

vor 19 Stunden schrieb Flammkuchen:

Data Science und Data Analytics ist voll mit Quereinsteigern. Als MINT Absolvent R und Python in der Abschlussarbeit benutzt -> Data Analyst

ML einer der wenigen IT Bereiche, die ziemlich akademisch sind. Es ist ein Unterschied ob man etwas mit PyTorch rumspielt oder ob man mal Paper ließt um auf dem laufenden zu bleiben. 

Vielen Dank.

Data Science und Data Analytics - wären Varianten, wenn dort Quereinsteiger wilkommen sind. Sie haben für mich eine erfrohliche Nachricht geschrieben.

Ich habe bisschen über meine Situation und beriflichen BAckground geschrieben. Was würden Sie über Chancen von solcher Person in Data Science und Data Analytics mit 4-5 Monatigen Weiterbildung sehen? Bei Data Science und Data Analytics wollen mehrere Arbeitgeber auch Cloud-Kenntnisse (Azure, AWS). Kann man im Bereich ohne Cloud-Kenntnisse einsteigen oder arbeiten?

Warum ich auch ML durchspreche - weil das Thema mit Automotive zu tun hat (so habe ich Eindruck) und zwar "Autonomes Fahren" - Elemente davon sind Teile der Weiterbildung (Spur- VerkehrzeichenErkennung) und ich habe in Autoindustrie schon einige Jahre gearbeitet. Ja, ich habe gesehen, GroßUnternehmen aus Autoindustrie haben an AI Positionen höhere Anforderungen.

Weiter könnte ich auch Einsätze in Autoindustrie vorstellen, es muss aber nicht unbediengt sein. Ich wollte gerade bisschen breitere Arbeitsmöglichkeiten haben (um nicht für jeden Projekt umzuziehen da wo Autowerk ist). Aber schließlich KfZ-Geräte liefern auch Data und die mussten/könnten auch analysiert/prognosiert werden, oder?

[Romio]

vor 15 Minuten schrieb x0r:

Warum hast du dich so auf ML/ Data versteift? 

Warum versuchst du nicht erstmal überhaupt die Fuß in die Tür zu bekommen? Schau nach einer Support Stelle, Junior etc. Langfristig kannst du dich dann in solch komplexen Themen, wie die von dir genannten, einarbeiten. Hättest aber erstmal einen sicheren Hafen.

"Cloud" ist im Endeffekt (überspitzt) nichts anderes als Netzwerkgrundlagen + natürlich gewisse Besonderheiten. 

Ich persönlich würde dir in deiner Situation empfehlen, erstmal überhaupt irgendein Job mit IT Bezug zu auszuüben und darauf dann aufzubauen. 

Vielen Dank. 

Auch sehr gute Tipp. Ich bin in ML/ Data nicht versteift. Ich spreche auch die durch weil die mir interessant scheinen, aber ich kann mich irren. Der Weg und die Chancen sind aber nicht transparent für mich. 

Ab und zu denke ich wie Sie mir gerade empfehlen: "die Fuß in die Tür zu bekommen". Aber schließlich musste ich in jedem Thema von Grundlagen anfangen, auch in die Fuß in DATA/ML, auch in Netzwerke, auch in Programmierung. Und dafür benötige ich u.a. ein Zeugniss, Nachweiss. Weil beim Bewerbungsverfahren wird oft gefragt: wie könnten Sie ihre Python-Kenntnisse nachweisen? 

Aber z.B. nur ein Python in einer Weiterbildung (auch mit SQL) zu lernen - wäre zu wenig für einen berufliche Einsatz oder irre ich mich hier?

Ich habe im Kopf auch einfacheren oder kürzeren Weiterbildungsangebote und ich wollte auch die diskutieren... nur nicht alles auf einmal, sondern eins nach dem anderen? 

Aber zuerst wollte ich mehr Klarheit mit Data / ML.

Kollegen haben oben geschrieben, dass  Data Scinece/Data Analytics für Quereinsteiger   relativ offene bereiche seien. Warum nicht?

 

Was mir auch für Themen Data Science/Data Analytics noch Überlegungen macht... wenn man als Data Scientist/Analyst arbeiten dann arbeitet man entweder in Vericherungs- oder im Lebensmittel, oder in Medizin- Branche oder in Industrie. Dann muss man (oder erwünscht) auch jeweilige Branchenkenntnisse haben oder? Und wenn man in ML arbeitet - dann ist man weniger von Branchen-Kenntnisse abhängig (sondern man implementiert mit Python, Tensor Flow usw.) das was Data-Leute gemacht haben. Und so lernt man das nur ein Mal, anstatt jedes Mal in die jeweilige Branchen-Matherie zu kommen. Oder denke ich hier falsch?

[Romio]

Was von mir auch erwünscht wäre - ein Thema zu wählen in welcher auch viel remote arbeiten könnte - so hat man mehr Berufschancen.

[Romio]

vor 20 Stunden schrieb Flammkuchen:

Als MINT Absolvent R und Python in der Abschlussarbeit benutzt -> Data Analyst

Wenn Sie so schreiben: ist das ein Witz oder meinen Sie, dass es für Quereinstieg ausreichend wäre?

[pr0gg3r]

Ich frag mal anders herum: Was willst du von uns hören? Ob das eine gute Idee ist, in richtung ML zu gehen?

Grunsätzlich kann man sagen:

• Ja, es gibt ML und Data Science Stellen.
• Ja, es finden auch Quereinsteigen einen Job.
• Nein, es ist nicht einfacher als Quereinsteiger, aber es ist auch nicht unmöglich.
• Ja, ein Kurs ist besser als kein Kurs in dem Bereich (wie immer: Bildung, Berufserfahrung in dem Bereich etc. wiegen auch viel).

Meine persönlich Meinung:

• ML ist derzeit hyped, dh. es gehen viele in diese Richtung.
• Der Markt ist für Quereinsteiger (alle Bereiche) nicht mehr so gut wie vor ein paar Jahren.
• Wieso willst du dir das Leben schwer machen? Warum nicht auf Stellen bewerben was du bisher gemacht hast bzw. was du kannst?
• Mach was dir Spaß macht.

Letztendlich musst du selbst entscheiden was du machst, das kann dir keiner abnehmen. Wenn du Bock drauf hast, dann mach das doch.

Niemand kann dir sagen, ob DU damit deine Traumstelle finden wirst. Einfach wirds nicht aber unmöglich ist es auch nicht.

 

[Romio]

Danke.

Als ich meine Posts geschrieben habe - habe ich meine Fragen gestellt,ich habe es versucht konkret zu stellen. Natürlich werde ich letztendlich entscheiden was ich machen werde. Nur für jede Entscheidung braucht man ausreichend Informationen oder Kommentare, oder? Oder auch bevor man entscheidet - wäre es eine gute Idee mit Leute die mehr wissen zu diskutieren? Ich habe Transparenzdefizite.

 

Ich kann meine Fragen noch enger bündeln, zusammenfassen und numerieren. Nur war doch oben die Frage, meine Situation und Zielsetzung zu formzlieren. Daher hat es sein Platz in meinen Antworten.

 

Auf Ihre Frage: "Warum nicht auf Stellen bewerben was du bisher gemacht hast bzw. was du kannst?"

Weil:

-manuelles Testen gibt es immer weniger und enger. Man benötigt eine Weiterentwicklung. Vor Jahren waren meine Ideen implementierbarer auch ohne diskutiernden Weiterbildungsmöglichkeiten.

-auch bei bisherigen Tätigkeiten brauchte ich mehr IT-Kenntnisse (aufgrund der Anforderungen) und kann sein, dass in passenden Gebieten (oder mit einer Vorbereitung) das mir besser klappt.

-weil das sind Projekte und private Situationen können weniger Umzuge (da wo Automotive-Standorte/Nischen frei) erlauben.

Bearbeitet 22. Februar von Romio

[Flammkuchen]

vor 5 Stunden schrieb Romio:

Vielen Dank.

Data Science und Data Analytics - wären Varianten, wenn dort Quereinsteiger wilkommen sind. Sie haben für mich eine erfrohliche Nachricht geschrieben.

Ich meine damit aber auch, dass diese Bereiche ggf. sehr überlaufen sind und du viel Konkurrenz hast, weil es eben viele Quereinsteiger und Seiteneinsteiger gibt

[alex123321]

In den Bereichen gibt es auch viele Bewerber die keine Quereinsteiger sind.

Man kann nichts mit 100% Wahrscheinlichkeit vorraussagen, aber ich würde es an deiner Stelle lassen und etwas realistischeres wählen. Ich sehe nicht warum ein Arbeitgeber dich als Quereinsteiger einstellen sollte.

[Romio]

Ich kann Menschen verstehen, die hier ein Studium oder Ausbildung gemacht haben und jetzt kommt einen mit ausländischen Hintergrund und fragt wie man dazu durch Weiterbildung annähern kann.

Ja, es gibt genug Neid in der Welt... aber allein das ist kein Grund, den Weg für andere Quereinsteiger frei zu machen. Mein bisheriger Kenntnisse und Erfahrungen bringen mich leider nicht mehr weiter aber das ist kein Grund, eigene Interessen zu vernachlässigen. Ein Ziel kann nur der erreichen, wer seine eigene Interesse auch nicht schämt.

Schließlich muss ich evtl. eine Weiterbildung unternehmen wenn ich für eine andere Thema entscheide. Wenn ich es versuche, die ganze Welt zu retten - werde ich nichts erreichen. Ich bin selbst in einer nicht ganz guten Situation.

Für die Hilfe und gute Tipps bin ich sehr dankbar.

[Romio]

Also, die Begründung, dass in Bereichen auch ohne mich genung Quereinsteiger gibt - ist kein ausreichender Grund, dass ich Finger davon lassen sollte. 

Ja, es gibt Risiken, klar. angemessenes Risiko - ist ok. Ich wollte nur Chancenlosigkeit oder zu grosses Risiko vermeiden. Wenn ich etwas schaffbares meistern soll, dann meistere ich das nicht schlimmer als andere Quereinsteiger - wenn es darum geht. Nur wegen anderen Quereinsteiger muss ich den Weg nicht schämen: damit die das statt mich schaffen.

Werde ich in anderen Weiterbildungsrichtung gehen - wird das auch voll/teil- Neuanfang oder Quereinstieg sein. Keinen Neuanfang zu machen - wäre keine Gutwilligkeit. Leider ist das auch bekannt.

Seinerzeit habe ich Seiteneinstieg in IT gemacht...Ich weiss, das ist nicht leicht. 

Dann Frage: aus welchem Grund werden 4-6 Monatige Weiterbildungen für Einsteiger ohne Vorkenntnisse mit der Bezeichnung ML-Developer oder data Analyst  als Massnahme für arbeitslosen zugelassen? Wenn schon genug Absolventen mit akademischen Weg gebe...

Und für ML und Data Sc. habe ich noch nicht alle Antworten auf meine Fragen bekommen. Klar, kann ich nicht zwingen, wenn das nicht gewollt ist. Vor allem die Frage: in wie weit sind Cloud-Kenntnisse ein MUSS im Bereich ML/Data? Kann man ohne Cloud -Kenntnisse einsteigen und arbeiten (ohne dass dies als Ausnahmefall gilt)?

 

Die Begründung, dass ich mit einer solchen Weiterbildung zu Vorstellungsgespräche möglicherweise nicht eingeladen werde - das kann ich als möglich halten. Dann entsteht weitere Frage: welche Richtung (für eine Weiterbildung) wäre für meinen Fall passend und realistisch? Ich habe auch B-Ideen, aber dazu hätte ich auch Fragen und wegen ausreichende Transparenz zur Chancen für Quereinsteiger und Erlernbarkeit. Die Fragen werde ich kurz danach stellen.

Aber zuerst wollte ich das Thema Data Sc./Analyst/ML -bisschen mehr ausdiskutieren - wenn das gewollt und möglich wäre. Allein andere Quereinsteiger sind kein Grund, mit solcher Weiterbildungsidee zu verabschieden. Aber ein zu höhes Überforderungssrisiko (z.B. wenn Cloud sofort oder sehr schnell können muss) - könnte Ausschlüsskriterium sein.

Bearbeitet 22. Februar von Romio

[pr0gg3r]

vor 5 Stunden schrieb Romio:

Als ich meine Posts geschrieben habe - habe ich meine Fragen gestellt,ich habe es versucht konkret zu stellen.

Ok, dann möchte ich noch ein mal ein bisschen darauf eingehen:

Deine Cloud-Frage (Frage 1) wurde ja schon einigermaßen beantwortet. Würde darauf erst mal weniger Acht geben, wenn du in Richtung ML/DS gehst. Vergiss mal das Cloud Zeugs für einen Augenblick. Weil wenn du ein Modell trainieren kannst, dann kannst du auch lernen, wie man das in der Cloud macht. Aber das gehört erst mal nicht zu den Grundlagen (bei denen du anfangen solltest).

Zu Frage 2, finde ich, dass die Frage "was ist einfacher" nicht unbedingt zielführend ist. "Einfach" ist relativ. Es kommt auf viele Punkte an, wie z. B. deinen Wissensstand, deine Motivation, ect. Hier kann ich nur sagen, dass beide Felder nicht gerade leicht sind. Darum mein Rat: Mach was dir Spaß macht, denn darin ist man auch immer eher gut (alleine weil man dazu mehr Motivation hat).

Wir müssen auch unterscheiden zwischen "einfach das Technische zu lernen" und "einfach einen Job zu finden". Ich denke, beide Punkte wurden schon eingegangen und mein Fazit ist hier, dass beides nicht unbedingt einfach wird. Erst einmal, weil wir uns hier in ein eher akademisches Umfeld mit mathematischer Tiefe begeben und zweitens da gerade viele in Richtung ML/DS gehen. Das muss ja auch nicht unbedingt nur schlecht sein, es zeigt ja auch, dass der Bedarf vorhanden ist.

 

Ich habe mir damals das Buch "Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow: Konzepte, Tools und Techniken für intelligente Systeme" gekauft gehabt. Das würde ich dir auch als Anlaufstelle für den Einstieg empfehlen. Verusche, das halbwegs zu verstehen - auch die mathemtischen Sachen. Wenn es dir dann noch Spaß macht, ist der Bereich auf jeden Fall etwas für dich.

Eine weitere deiner Fragen ist ja auch "ML oder Data Science". Ich kann da keinen passenden Rat geben. Beide Disziplinen haben ihre Herausforderungen. Bei DS geht es darum, Daten zu sammeln, zu analysieren und auszuwerten. Bei ML veruschst du anhand von Daten vorhersagen zu treffen (aber auch da brauchst du erst mal auch Daten, daher die Überschneidung).

Für beides solltest du auf jeden Fall Python (mit Pandas, Numpy etc.) vertraut sein. Wenn dir das (und Statistik) Spaß macht, dann los gehts! Wenn nicht, wirst du es schwer haben (nicht nur du als Umschüler sondern alle, die in dem Bereich arbeiten möchten).

Ein Anfang könnte ja sein, dass du erst mal schaust ob dir das alles Spaß macht und dir liegt und dann eine Fortbildung in dem Bereich suchst.

 

vor 6 Stunden schrieb Romio:

Nur für jede Entscheidung braucht man ausreichend Informationen oder Kommentare, oder?

Deshalb schreibe ich ja immer noch ein bisschen mehr drum rum. Ich möchte dich auch auf keinen Fall entmutigen. Aber gleichzeitig ist eine kritische Betrachtung oft das, was einem hilft.

[Romio]

 

pr0gg3r - vielen Dank!

Kritische Betrachtung brauche ich und bedanke dafür. Wenn ich falsch denke oder wenn es mich davor saved, einen Fehler zu machen - dann bitte ich Sie sogar, mich zu entmutigen - dann wäre das eine dankbare Sache.

Nur, bitte versuchen Sie es auch mich zu verstehen: es gab im Leben genug Entmutigungen. Ich wollte konstruktive von destruktiven Entmutigung unterscheiden - wenn ich Menschen noch nicht kenne: wie kann ich das tun?

 

Ich bin weit davon " und "einfach einen Job zu finden". Ich habe schon viel gemacht um in SW /Systemtests zu kommen. Jetzt  lerne ich Python: schleifen, funktionen - schon hinter sich und komme zur OOP. Also, das Programmieren - für einen Anfänger funktioniert.

 

Nur eine einfache und zu formelle Weiterbildung zu wählen was zu kaum was führt - wollte ich auch nicht. Einen gewissen technischen level habe ich schon. Statistik hatten wir seinerzeit bei meinem Studium noch nicht im Programm damals, aber Differentialgleichungen - schon. Im weiteren Schritt werde ich meine Ideen zur anderen Weiterbildungen zur Besprechung vorstelle. Ich hätte Fragen ob die ausreichend sein werden

Bearbeitet 22. Februar von Romio

[Romio]

vor 28 Minuten schrieb pr0gg3r:

Wir müssen auch unterscheiden zwischen "einfach das Technische zu lernen" und "einfach einen Job zu finden". 

herzlichen Dank für die Antwort. Ich schreibe dazu noch kurz später

Bearbeitet 22. Februar von Romio

[0x00]

Ich habe das Gefühl, dass du deine Entscheidung schon längst getroffen hast und nur noch Bestätigung suchst. Liege ich falsch?

Ansonsten denke ich, dass der Wechsel von Tester zu Test Automation Engineer oder SWE deutlich natürlicher wäre, als zu den - etwas problembehafteten - Data Science/ML Rollen.

[Romio]

vor 4 Stunden schrieb 0x00:

Ich habe das Gefühl, dass du deine Entscheidung schon längst getroffen hast und nur noch Bestätigung suchst. Liege ich falsch?

Ansonsten denke ich, dass der Wechsel von Tester zu Test Automation Engineer oder SWE deutlich natürlicher wäre, als zu den - etwas problembehafteten - Data Science/ML Rollen.

Danke.

Eine Entscheidung habe ich noch nicht getroffen. Mir fehlen noch Informationen. Ich versuche es, die zu finden und zu fragen indem ich Nachfrage aus Stellenbörsen analysiere, Ihre Antworten und Tipps dankbar lese, über Berufsbilder lese, Inhalte der Weiterbildunge lese.

Wie gesagt, heute habe ich mehrere Stellen Data Scientist gesehen, auch ML. Als reine Leser der Stellenanzeigen habe ich Eindrück, dass Data Scientists weniger Anforderungen  als die SWE hätte (ich vermute die Abkürzung bedeutet SW Entwicklung?). Aber ich könnte zulassen, dass ich als reine Leser der Stellenangebote nicht ganz praktische und tiefe Eindrucke von realen Lage habe als Sie, wenn Sie ein akademische oder ausgebildete IT-ler sind, daher können Ihre Meinungen und Tipps für mich  bedeutender als meine eigenen sein.

Wie gesagt, ich lerne jetzt Python und habe schon einiges davon hinter sich. Daher, meine Überlegung (noch nicht eine Entscheidung) dass meine Weiterbildung auch Python-basiert/als Modul enthaltend wird.

Zum ersten: um selbst gelernte zu befestigen,

zum zweiten: wird zumindest der Einstieg/Modul Python für mich nicht so stressig sein,

zum Dritten: werden meine Kenntnisse mit einem Zeugniss bestätigt sein (ein Wort vom Bewerber ist nicht immer überzeugend), zum vierten: basierend auf Python sind noch viele Wege geöffnet: Testautomatisierung, SWE, ML/Data Sc./An.

 

Nach dem ich Python-Basics incl OOP erlerne - plane ich, Testautomatisierung mit selbstlernkurs kennenzulernen. Ich habe mir so ein Kurs als Nachschlagewerk gekauft https://www.udemy.com/course/kurs-testautomatisierung-mit-selenium-4-java-python/?utm_source=adwords&utm_medium=udemyads&utm_campaign=Webindex_Catchall_la.DE_cc.DE&utm_term=_._ag_131531401401_._ad_549902584465_._de_c_._dm__._pl__._ti_dsa-110925177408_._li_9043859_._pd__._&portfolio=Germany&campaignid=14856107679&adgroupid=131531401401&gad_source=1&gclid=CjwKCAiA_tuuBhAUEiwAvxkgTg9rirCUh-6tgmgSK_dTTUGD9huC4PzEzJUatMiPQP6OnWyOihqNBBoCou8QAvD_BwE&couponCode=KEEPLEARNING

Ich arbeite noch andere Materialen in Richtung TA durch (ja nicht ein Hochschulkurs, nur minimal-Set, aber trotzdem...), die bisschen mehr Übungen incl. Python-Basics enthalten. Selbstlernen nimmt seine Zeit und mit bisschen mehr oder weniger Zeit plane ich es, durch Kennenlernen TA durchzukommen/"durchzufressen". Das ist jetzt weniger eilig.

Aber bald muss ich meinem Berater meine Ideen/Vorschläge zur Weiterbildung vorlegen. Ich habe schön Data Sc./An. /AI erwähnt und dass ich dazu mehr rechrechiere daher sind auch endere IT-Themen offen.

 

Kurz zum Thema SWE: ich habe kurz Stellenangebote geschaut:

es gibt Frontend (braucht man kein Python und ist weltoffen für jeder). Die Erlernbarkeit sei relativ leicht, aber das kann man auch ohne Ing.-Background machen. Dei Weiterbildung dafür 6 Monaten.

Es gibt Back-End: es scheint bisschen tiefer und anspruchsvoller als Frontend zu sein (Frage: oder irre ich mich darin???), könnte Python-basiert sein, Weiterbildung 6 Monaten. Nicht einzelne Arbeitgeber wollen auch Cloud-Kenntnisse Azure und AWS. Geht's hier einstieg ohne Cloud?

Es gibt Fullstack: Mindestdauer 9-10 Monaten. Das ist schon Frage ob der Berater das bewilligt, weil zuerst hat er gesagt 4-6 Monaten, aber vielleicht kann man handeln... wer weiss... ?

Es gibt einfach Kurze Weiterbildungen (nicht geschrieben z.B. Web-Development, sondern einefach) 1-2 Monaten Python, 1-2 Monaten Java (oder Kombination Python/Java, +) optional + noch 1 Monat irgendwas noch. Kann man nur somit in SWE eine Einstiegsposition bekommen?

 

Kurse Data Sc. enthalten 2-3 Wochen Python. ML-Kurs enthält 6 Wochen Python und 4 Wochen SQL   - Punkte die auch ein Tester brauchen könnte.

[Romio]

 

Kann man nur somit in SWE eine Einstiegsposition bekommen? :

Z.B: https://www.alfatraining.de/kurse/weiterbildung-python-java-entwickler

oder was hält ihr als praktisch und sinnvoll für meinem Berifsprofil z.B davon?:

https://www.alfatraining.de/kurse/weiterbildung-python-java-entwickler

Ein SWE-Kurs für Backend auf Python kann ich auch woanders finden. Es gibt noch weitere Möglichkeiten.

 

Was meine Schwache Stelle ist: Netzwerkte. Wäre es sinnvolle, das Thema zu vermeiden oder doch zu lernen? Da gibt es jetzt auch was zum Testen. Außerdem, wenn Clouds auch eine Variante der Netzwerken ist, soll ich Grundlagen von Netzwerke als Priorität setzen? Auch sehr perspektive Thema IT Sicherheit - setzt NW-Kenntnisse voraus. Dazu sollten weiter ggf. TIA-Kurse und Prüfungen führen. Sind TIA-Kurse und Prüfungen im Thema IT-Sicherheit auf Deutsch oder auf Englisch? Ist 1 Monatige Kurs Grundlagen Netzwerke CCNA Wert? Die Löhne da /CCNA) sind 2 Mal geringer als bei einem Tester oder Test-Ingenieur... Obwohl der Lohn ist wichtig aber das Thema und Lernbarkeit eines Themas sind noch wichtiger. Und wozu benötigt ein CCNA die Java und Python?: https://www.alfatraining.de/kurse/weiterbildung-ccna-python-java-entwickler

Also, im Thema NW, CCNA habe ich noch wenig Ahnung und kann sein dass ich was falsch gefragt habe.

 

[0x00]

Um grundlegende Netzwerkskills wirst du nicht herumkommen fürchte ich. Das muss jeder können, ist aber auch schnell gelernt. Netzwerke haben per se mit Java und Python wenig zu tun, aber das sind halt Grundlagen. Einen CCNA musst du aber nicht machen.

Wenn du Hardwaretests gemacht hast... Wie fit bist du in E-Technik? Schonmal überlegt Richtung Hardwareentwicklung oder Embedded-Entwicklung zu gehen? Das wäre das einzige, wo dir dein Ing potentiell weiterhelfen würde. Ich sehe nicht, wie das bei DS/ML der Fall wäre.

[Romio]

vor 14 Stunden schrieb pr0gg3r:

Ok, dann möchte ich noch ein mal ein bisschen darauf eingehen:

...............

Darum mein Rat: Mach was dir Spaß macht, denn darin ist man auch immer eher gut (alleine weil man dazu mehr Motivation hat).

Ich habe mir damals das Buch "Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow: Konzepte, Tools und Techniken für intelligente Systeme" gekauft gehabt. Das würde ich dir auch als Anlaufstelle für den Einstieg empfehlen. Verusche, das halbwegs zu verstehen - auch die mathemtischen Sachen. Wenn es dir dann noch Spaß macht, ist der Bereich auf jeden Fall etwas für dich.

Eine weitere deiner Fragen ist ja auch "ML oder Data Science". Ich kann da keinen passenden Rat geben. Beide Disziplinen haben ihre Herausforderungen. Bei DS geht es darum, Daten zu sammeln, zu analysieren und auszuwerten. Bei ML veruschst du anhand von Daten vorhersagen zu treffen (aber auch da brauchst du erst mal auch Daten, daher die Überschneidung).

....................

Deshalb schreibe ich ja immer noch ein bisschen mehr drum rum. Ich möchte dich auch auf keinen Fall entmutigen. Aber gleichzeitig ist eine kritische Betrachtung oft das, was einem hilft.

Vielen herzlichen Dank für die Inhaltliche Antwort. Das ist nicht selbstverständlich.

Was mir Spass macht? Ich hatte nicht eine Möglichkeit darüber bisher zu denken. Um durchzukommen, sollte ich über aus meiner Ausgangssituation erreichbare Niesche denken, und das war auch das Glück, die seinerzeit zu erreichen. Dann schon am HiL habe ich gespührt was die Konkurrenz ist. Mir fehlten welche Kenntnisse: vor allem Programmiersprachen und IT...und ich war sehr Fragenabhängig von Konkurrenz. Ich habe das schon lange nicht gemacht. Aber die Konkurrenz und Anforderungen steigen.  Leicht war das auch damals noch nicht. Ich war aber weniger als jetzt vorbereitet aber jünger.

 

Ich habe mir Paar Bücher von Mitp-Verlag genommen: Deep Learning mit Python und Keras, Data Science mit Python    Da steht gerade, dass die Authoren mit minimalen mathematischen und statistischen Grundlagen den Stoff darlegen. Der Leser braucht keine großartige mathe-statistik-Kenntnisse haben, bei Bedarf wird das notwendige im Buch erklärt.

 

Ich habe Eindruck, dass die Weiterbildungen dem Bücherinhalte nah sind. Das Lesen und Verstehen funktioniert, ich muss ab und zu in manche Fragemente intensiver durchlesen.

Für Data Sc.: eine Weiterbildung Besteht aus Python, R, Statistik , (Qual-Manag, Bewer-Training kurz).

Ist R - in vielem Datenmanagement und Diagrammen-Bildung-Kunst?

 

[Romio]

vor einer Stunde schrieb 0x00:

Um grundlegende Netzwerkskills wirst du nicht herumkommen fürchte ich. Das muss jeder können, ist aber auch schnell gelernt. Netzwerke haben per se mit Java und Python wenig zu tun, aber das sind halt Grundlagen. Einen CCNA musst du aber nicht machen.

Wenn du Hardwaretests gemacht hast... Wie fit bist du in E-Technik? Schonmal überlegt Richtung Hardwareentwicklung oder Embedded-Entwicklung zu gehen? Das wäre das einzige, wo dir dein Ing potentiell weiterhelfen würde. Ich sehe nicht, wie das bei DS/ML der Fall wäre.

Vielen Dank.

Zum Thema Netzwerke komme ich noch.

Die Autoindustrie befindet sich an bestimmten Standorten: es gibt Regionen wo mehr und wo weniger davon. HW-Entwicklung und Test sind am wenigstens remote (wenn überhaupt). Das bedeutet eine Verengung der Einsatzmöglichkeiten und gebundenheit an Standort. Obwohl es ist sehr-sehr schade, die gute Erfahrung in Zukunft nicht mitzunehmen.

Es gibt Weiterbildung-ML wo auch Themen: Spur- Verkehrzeichen- Figuren-Erkennung dabei ist. (Ich habe ein Buch gefunden, wo das auch dargelegt sein sollte). Also Kontakt mit Automotive, aber für sowas wollen AG evtl. den akademischen Weg... obwohl wer weiss? Früher konnte ich für Projekt durchkommen... nur muss man auch bleiben können. 

Und das: wäre das bischen zu Anspruchsvoll uns setzt bisschen mehr Vorkennstnissen als vorhanden?: https://www.ibb.com/weiterbildung/machine-learning-mit-aws-deepracer   Hier wird gewollt, ein Paar Cloud-Zertifikate gleichzeitig zu machen...