Огляд навичок, необхідних для Data Scientist
У 2012 році в огляді бізнесу в Гарварді було зазначено, що «Data Scientist - це найсексуальніша робота 21 століття». Заздалегідь, щоб знати, які навички потрібні спочатку науковцю з даними, давайте подивимося, чим займається науковець. Є багато способів, за допомогою яких можна визначити вченого даних, але, щоб спростити це, давайте так сказати, Data Scientist - це той, хто здатний витягти сенс і отримати цінні уявлення з даних. Робота науковця здебільшого передбачає збір, очищення та маніпулювання даними.
Технічні та нетехнічні навички
Тепер давайте зануримось у технічні та нетехнічні навички, які є необхідними для роботи в галузі даних.
Технічні навички
Нижче наведені технічні навички, необхідні науковцю з даними.
1. Можливість роботи з великою кількістю даних
Кількість генерованих даних з останніх років експоненціально збільшується, і більшість з них класифікуються як неструктуровані дані. Неструктурованими даними зазвичай називають дані, які не перебувають у традиційній базі даних стовпців рядків, прямо протилежну структурованим даними, мало прикладів неструктурованих даних - це відео, фотографії, аудіо повідомлення. Оскільки основна роль науковця даних полягає у витягуванні сенсу з даних, слід зручно працювати з великими обсягами даних незалежно від природи, структуровані вони чи неструктуровані.
2. Візуалізація даних
Дані, що формуються в компаніях, повинні бути переведені у формат, який легко зрозуміти, приймати рішення. Як вчений із даних, треба мати можливість візуалізувати дані за допомогою таких інструментів, як Tableau, Plotly, Visual.ly, D3.js та Power BI. Важливо також, щоб вчений, що працює з даними, ознайомився з принципами візуального об'єднання даних. Це одна з важливих ролей для вченого, оскільки візуалізація даних є єдиним вибором дій для компаній, які безпосередньо працюють з даними.
3. Статистика
Роль статистики в науці даних є дуже важливою. Для науковців даних статистика - це математична дисципліна, яка дає необхідні інструменти та методи для пошуку шаблонів та надання уявлень зі складного набору даних, виконуючи на них математичні обчислення. Оскільки роль дослідника даних полягає у виведенні сенсу шляхом виявлення закономірностей у даних, знання статистики є ключовим навиком для вченого.
4. Навички програмування
У зв'язку з обсягом даних, отриманих 20 років тому, Excel було б достатньо, щоб впоратися з цим, але з кількістю структурованих та неструктурованих даних, що генерують дані цих днів, вчені повинні мати знання з таких інструментів програмування, як Python, R, SQL як
- Вони дають більше можливостей для підготовки набору даних за допомогою багатьох статистичних методик
- Вони підвищують ефективність процесу, роблячи аналіз даних
5. Маніпуляція даними
У більшості випадків дані, які нам потрібні, будуть безладними, і вченим із даними буде складно працювати з таким типом даних. Отже, після отримання даних із озерних даних перший крок - це усунення цих недосконалостей. Деякі недосконалості включають пропущені значення, неправильні рядки, такі як LA для Лос-Анджелеса, форматування дати, як 10/09/2009 та 2009/09/10. Усі ці недосконалості мають бути сортовані перед початком навчання або аналізу даних.
6. Багатозмінний обчислення та лінійна алгебра
Розуміння понять Матриці (лінійна алгебра) та диференціація (обчислення) - важлива навичка, якою повинен володіти вчений з даних. У організації, де наявні дані про неї відіграють головну роль у формуванні майбутніх прогнозів, невеликі покращення прогнозованої продуктивності чи алгоритмічної оптимізації можуть призвести до великої різниці для організації. На початкових етапах науковця даних при використанні заздалегідь закодованих моделей не потрібно глибокого розуміння матриць або обчислення, але щоб зрозуміти, що відбувається під кришкою моделей або розробити власні реалізації, безумовно, необхідно щоб зрозуміти ці поняття.
Нетехнічні навички
Нижче наведені нетехнічні навички, необхідні науковцю даних.
1. Інтелектуальна цікавість
Під час аналізу даних організації в більшості випадків ніхто не зможе побачити прямі результати чи відповіді. Більше кількість запитань, які ви починаєте ставити собі, більше відповідей ви зрозумієте з даних. Взагалі цікавість визначається як сильне бажання щось зрозуміти. Саме тому інтелектуальна цікавість є дуже важливою рисою науковця даних.
2. Сильна ділова проникливість
Без розуміння даних організації чи елементів у бізнес-моделі всі технічні навички, якими володіє науковець, не зможуть отримати необхідні результати для організації, оскільки він не зможе зрозуміти, які особливості присутні в наборі даних слід надати пріоритет і який слід вважати останнім. Тож для науковця з інформацією розуміння ділової моделі організації та даних допоможе вирішити потенційні проблеми її для підтримання та розвитку бізнесу.
3. Сильні навички спілкування
Як науковець із даних, слід підготувати презентацію про свої технічні висновки та представити її нетехнічним командам, таким як відділи продажу, в той чи інший час у кар'єрі. Як науковець даних, слід володіти такими навичками, як розповідь (здатність розповідати історії за результатами), оскільки вся кількість часу та енергії, витрачених на дослідження даних, застосовуючи статистичні прийоми, з’ясовуючи результати та всі інші речі, піде марно якщо науковець не може передати повідомлення належним чином керівникам підприємств. І в більшості випадків керівникам підприємств не буде цікаво прослуховувати всі кроки, які ми дотримувались, щоб дійти висновків, вони будуть в основному зосереджені на результатах та представлених цінностях. Тож завжди найкраща практика тримати історію чітко та в точності.
Висновок - навички, необхідні для науковця даних
Це одні з найважливіших навичок, якими людина повинна володіти науковцем даних, оскільки їх основна робота полягає в роботі над даними організації, їх аналізі та представленні керівникам бізнесу.
Рекомендовані статті
Це посібник з навичок, необхідних для Data Scientist. Тут ми обговорюємо технічні та нетехнічні навички, необхідні для вивчення даних. Ви також можете ознайомитися з іншими запропонованими нами статтями, щоб дізнатися більше -
- Кар'єра наукових даних
- Мови наукових даних
- Заробітна плата великих даних Analytics
- Питання щодо інтерв'ю з аналітиком даних
- PHP Формат дати зміни