Наука о данных — это плато, а специалист по данным — это тот, кто исследует данные и добавляет ряд отраслей, от медицины до правительства и технологий. Право на работу в области науки о данных различается из-за того, что название очень обширно. Очевидно, что работодатели ищут опыт почти во всех специалистах по данным.
Специалистам по данным предстоит многое понять — глубокое обучение, визуализация данных, коммуникация, машинное обучение, статистика, информатика и математика. Среди этих областей есть множество технологий, языков и фреймворков, которые могут освоить специалисты по данным.
Вот диаграмма наиболее часто встречающихся навыков специалистов по данным.
Диаграмма показывает, что анализ данных и машинное обучение лежат в основе работы специалиста по данным. Получение информации из данных — ведущая роль науки о данных. Машинное обучение — это создание систем для прогнозирования производительности, и оно ужасно востребовано.
Чтобы стать специалистом по данным, вам нужно обладать правильным набором навыков. Есть некоторые технические и нетехнические навыки, необходимые для того, чтобы быть специалистом по данным.
Ø Пять основных навыков, необходимых для того, чтобы стать экспертом в области анализа данных
1. Машинное обучение, глубокое обучение и искусственный интеллект
Из-за увеличения объемов данных, вычислительной мощности и возможностей подключения отрасли очень быстро развиваются в этих областях. Исследователь данных должен оставаться в исследованиях и знать, какие интеллектуальные технологии должны применяться в какое время.
Специалисты по данным должны иметь глубокое понимание вопроса, который необходимо решить, и, следовательно, сами данные могут говорить о том, что требуется. Реагирование на значение машины с задержкой, интерпретируемость полосы пропускания, пропускную способность и альтернативные условия — из-за зрелости клиента — помогает специалисту по данным понять, какую технологию применить. Это точно, пока они признают технику.
Большое количество специалистов по данным, похоже, бесполезны в машинном обучении. Это включает в себя подкрепление, состязательные и нейронные сети и т. д. Если вы хотите выделиться среди других специалистов по данным, вам придется изучить методы машинного обучения, такие как логистика, принятие решений, контролируемое машинное обучение, регрессия поставок и т. д. Эти навыки могут помочь вам в решении различные проблемы науки о данных, связанные с прогнозированием важных структурных результатов.
Наука о данных требует применения навыков во многих областях машинного обучения. Kaggle в одном из своих опросов показал, что недостаточный процент профессионалов способен к навыкам машинного обучения, таким как подкрепление, анализ выживания, контролируемое машинное обучение, компьютерное зрение, состязательное обучение и т. д.
2. Программирование на R/Python
Используя язык программирования, вы можете использовать данные и применять алгоритмы, чтобы предложить некоторые важные идеи. Python и R являются одними из самых всеобъемлющих языков, используемых специалистами по данным. Первая причина заключается в разнообразии пакетов, доступных для научных и числовых вычислений. С помощью таких пакетов, как e107 в R и scikit-learn в Python, использование алгоритмов машинного обучения становится элементарным.
Углубленные данные минимум одного во всех этих аналитических инструментах, для науки о данных в основном выбирают R. R создан для нужд науки о данных. Вы можете применить R для устранения любых недостатков, с которыми вы сталкиваетесь в науке о данных. Сорок три процента специалистов по данным используют R для решения статистических задач. Тем не менее, R включает в себя крутую кривую обучения.
Трудно учиться, особенно если вы уже изучили язык программирования. Тем не менее, в сети есть подходящие ресурсы, которые побудят вас начать обучение R. Data Science с языком программирования R; это отличный ресурс для начинающих специалистов по данным.
3. Визуализация данных
Визуализация данных позволяет работать с данными по прямому маршруту. Они могут быстро уловить восприятие, которое поможет им действовать в соответствии с недавно появившимися возможностями для бизнеса и опережать конкурентов.
Деловой мир очень часто производит огромное количество данных. Эти данные должны быть преобразованы в формат, который может быть убедительным для понимания. Люди естественным образом больше воспринимают изображения в виде графиков и диаграмм, чем данные. Есть идиома, которая передает, что изображение стоит тысячи слов.
Как специалист по данным, вы хотите иметь возможность визуализировать данные с помощью инструментов визуализации данных, таких как Matplotlib, d3.js, Tableau и ggplot. Эти инструменты могут помочь вам преобразовать сложные результаты ваших работ в формат, который будет легко понять. Проблема в том, что многие люди не воспринимают значения p или серийную корреляцию. Вы должны показать им визуально, что все эти слова привели к вашим результатам.
Визуализация данных дает организациям возможность напрямую работать с данными. Они легко усваивают идеи, которые помогут им использовать новые возможности для бизнеса и удержаться раньше конкурентов.
4. Общение
Компании, которые ищут влиятельного специалиста по обработке и анализу данных, пытаются найти человека, который может просто и без усилий донести свои технические выводы до нетехнической команды, такой как отделы продаж или маркетинга. Ученый по данным — это тот, кто должен изменить бизнес, чтобы сделать выбор, вооружив его количественными данными, а также понять желания своих нетехнических коллег правильно обрабатывать данные.
Помимо передачи на том же языке, который понимает компания, вы также можете общаться, используя рассказывание историй на основе данных. Как специалист по данным, вы должны понимать, как построить график вокруг данных, чтобы сделать его простым для изучения. Например, представление кластера данных не так эффективно, как обмен выводами из этих данных в формате сторителлинга. Это может помочь вам правильно донести ваши выводы до ваших работодателей.
Во время беседы прислушайтесь к результатам и значениям, которые скрыты в изученных вами данных. Большинству бизнес-магнатов не нужно знакомиться с тем, что вы просматривали; им любопытно, как это повлияет на их бизнес в целом.
Значение коммуникативных навыков сдерживает повторение. В наши дни почти ничего в технике не делается в пустоте; существует постоянная некоторая интеграция между данными, приложениями, людьми и системами. Наука о данных не отличается от этого, и возможность общаться с несколькими заинтересованными сторонами с информацией о данных является дополнительным преимуществом.
4. Командная работа
Специалист по данным не может работать в одиночку. Вы должны сотрудничать с руководителями для создания стратегий, менеджерами по продукту и дизайнерами для создания продуктов, работать с маркетологами для запуска кампаний, работать с потребителями и разработчиками программного обеспечения для сбора данных и обновления рабочего процесса. Было бы полезно, если бы вы точно работали со всеми в компании, а также с вашими клиентами.
Вы собираетесь вместе со своими командами, чтобы создать варианты использования, чтобы понять бизнес-хитрости и данные, которые могут понадобиться для решения проблем. Возможно, вам придется следовать правильному подходу к вариантам использования, данным, которые необходимы для решения проблемы, и способу перевода и передачи результата в то, что будет понятно всем заинтересованным сторонам.
Вам нужно выяснить вместе со своими командами, чтобы понять проблемы бизнеса и использовать данные для решения этих проблем с помощью аналитики. Таким образом, вы должны быть рядом, чтобы выполнить сроки и доставить товары в кратчайшие сроки.
Подведем итоги
Первые три навыка: машинное обучение, глубокое обучение и искусственный интеллект, программирование на R/Python и визуализация данных — это то, что большинство людей в первую очередь признают, когда представляют себе навыки, необходимые специалисту по данным. Принимая во внимание, что эти навыки необходимы и составляют техническую базу набора способностей специалиста по данным. Я хочу подчеркнуть, что два из этих пяти наиболее важных навыков не являются техническими навыками. Остальные два навыка имеют решающее значение для любой работы, которую вы выполняете, когда вы сотрудничаете с любыми другими людьми.
Итак, это были некоторые навыки, необходимые специалисту по данным. Наука о данных включает в себя вероятность и статистику, программирование и математику. Вот почему вы должны приобрести правильные знания, чтобы понять их разнообразные концепции и идеи. В конце концов, наука о данных — это прибыльная карьера, которая привлекает множество людей и, следовательно, требует огромных инвестиций, поскольку требует навыков.
Справочник
· Человеческая сторона больших данных: понимание навыков специалиста по данным в образовании и промышленности, 2018, Патрик Микалеф; Михаил Н. Яннакос; Илиас О. Паппас; Джон Крогсти»
· Руководство по преподаванию науки о данных, 2017, Стефани С. Хикс, Рафаэль А. Иризарри
