Съдържание
- Различни определения, различни задължения
- Без грешки, без стрес - Вашето стъпка по стъпка ръководство за създаване на софтуер, променящ живота, без да разрушава живота ви
- Уменията на учен с данни
Източник: Сергей Хакимулин / iStockphoto
За вкъщи:
Учените за данни имат широки работни места, които варират значително в зависимост от приложението. Но едно общо нещо, което всички имат, е стремежът да използват добре данните.
Какво прави ученият по данни в областта на изкуствения интелект и машинното обучение? Много професионалисти, които се занимават с подобни проекти всеки ден, биха казали, че въпросът е трудно да се отговори просто. По-добър въпрос би бил: Какво правят учените НЕ?
Изследователят на данни е неразделна част от AI или ML процеса, в смисъл, че всички тези проекти зависят от големи данни или сложни данни. Ученият за данни е основният кариерист, който знае как да работи с данни за постигане на резултати.
Въпреки това, има някои начини да се говори за това какво прави ученият с данни, от какви квалификации се нуждае и каква е неговата роля в процеса.
Прочети: 6 основни концепции за наука за данни, които можете да овладеете чрез онлайн обучение
Различни определения, различни задължения
Много експерти, които описват работата на учен с данни, говорят за това в широк смисъл.
„В малките компании или когато работят на нов пазар, ролята на учен за данни е да преобразува сравнително нови (но очевидни) източници на данни в неща, които решават проблем за крайния потребител, което преди това не би било възможно, където използваните технологии не са съществували, "казва Антонио Хикс, мениджър на акаунти в Mercury Global Partners. „Идеалният кандидат е някой, който е част математик, част софтуерен инженер и част предприемач.“
Други озвучават тази основна идея, споменавайки какви данни са необходими на учените за справяне с проектите за моделиране.
„Най-важният атрибут, от който се нуждае ученият от данни, е дълбокото любопитство към света около тях - независимо дали те отговарят на въпроси или изграждат модели, ключово е желанието да се разбере проблемът пред тях“, казва Ерин Акинчи, мениджър на Data Scientist в Асана. „Оттам на повечето хора ще са необходими умения по математика и програмиране, за да намерят решения, но специфичните видове математика и програмиране варират в голяма степен в зависимост от областта на опитност в областта на науката за данни.“
Без грешки, без стрес - Вашето стъпка по стъпка ръководство за създаване на софтуер, променящ живота, без да разрушава живота ви
Не можете да подобрите уменията си за програмиране, когато никой не се интересува от качеството на софтуера.
„Отличната научна работа има повече общо с начина, по който един учен мисли за даден проблем, отколкото инструментите, които използват за решаването му“, добавя Чарли Бургойн, основател и изпълнителен директор на Valkyrie Intelligence. Valkyrie е приложна научно-консултантска компания с впечатляващи проекти под крилото си като Mark I, специализиран мрежов уред, който повишава обучението и тестването на невронната мрежа, подобрявайки това, което е възможно с предшестващите облачни платформи за машинно обучение.
„Пазарът изисква учени, които имат опит в разработката на Python, дизайна на невронни мрежи и способността да прекроят хранилището на данни в най-новата архитектура на базата данни“, казва Бургойн. „Тези способности обаче са залози на маса за талантлив учен. Това, което е по-малко очевидно, е способността на учения за безстрашна любознателност, агресивна изобретателност и придържане към научния метод. "
Уменията на учен с данни
Що се отнася до практическите умения, учените с данни се нуждаят от известна креативност и находчивост, що се отнася до моделирането. Те също могат да се възползват много от това, че имат „твърди умения“, като например кодиране на опит в Python, C ++ или други общи езици, приложени към проектите на ML.
„Python и C ++ са от съществено значение и могат да комбинират уменията за кодиране с анализ и обработка на данни и статистика са основни умения, благодарение на които ученият за данни ще изпъкне като силен кандидат или служител“, казва Вал Стрейф от Pramp, онлайн платформа за интервю за макет за софтуерни инженери, разработчици и учени по данни. „Докато някои от уменията за програмиране биха могли да се погрижат чрез сдвояване на специалист по данни с програмист, е много по-лесно, ако имате и двете умения, комбинирани в едно, от гледна точка на компанията.“
Други експерти добавят R, Hadoop, Spark, Sas и Java към списъка, както и технологии като Tableau, Hive и MATLAB.
Всички те правят впечатляващо възобновяване, но някои от тези, които имат опит с набирането на данни, учените казват, че и другите „човешки“ страни също имат значение. (Един вид учен с данни е гражданският учен. Научете повече в Ролята на учените с данни за гражданите в света на големите данни.)
"Традиционно хората с разнообразно образование за либерални изкуства правят отлични учени за данни", казва Бургойн, като прави разлика между инженерите, които са от строителната страна, и учените по данни, чиято работа може да бъде много по-концептуална. Той продължава:
Експертизата в традиционна област STEM с допълващ фокус в областта на хуманитарните науки, изкуствата или бизнеса дава тези качества, които правят отличен утвърден в индустрията учен. Трябва да се каже, че е също толкова важно за способността на организацията да използва тези качества и да формира техния запал и методи по продуктивен начин. Забелязах, че когато инициативата за наука за данни е неуспешна, организацията е толкова голяма, колкото и учените. Учените не са инженери. Те не са задвижвани да изпълняват и строят. Те са задвижвани да откриват и разбират. Организациите, които разбират тази разлика, са добре възнаградени за отглеждането на двете полета.
Що се отнася до това, към което обикновено се прилагат учените, това е свързано с основните цели на компанията. Някои фирми преследват децентрализиран интернет - някои си играят с IoT или SaaS. Други се опитват да направят пионер „удобен за потребителя“ или „етичен“ или „прозрачен“ AI.
Във всеки случай, учените за данни вероятно ще преодолеят разделението между твърдите показатели на данните, които използват, независимо от стека на технологията, който се играе, и свободната работа на концептуализиране на AI / ML функционалността.
„Ние наемаме учени за данни, които да управляват събирането и почистването на данни, както и да превеждат тези данни в смислена информация“, казва Майкъл Хъп, мениджър на Data Science и Analytics в G2 Crowd. Той разработва:
Обикновено това означава да се управляват всички важни алгоритми, които управляват двигателя на данни на компанията и да владеят ключови инструменти и езици за анализи, но през последните години включват и нови области като обработка на естествен език, машинно обучение, други форми на AI-активиран анализ. Най-успешните учени за данни са тези, които съчетават своите трудни умения със способността за бързо учене и способността за ефективно предаване на прозренията, които разкриват, така че да бъдат полезни за техния бизнес.
С тези видове поглед е по-лесно за младите специалисти или студенти да разберат дали информатологът би бил добра роля за тях и как да придобият умения. STEM обучението става все по-достъпно в училищата в цялата страна, но не може да замести страстта към кодирането и технологиите и способността да се учи в движение.