Doi analiști de la LinkedIn au inventat termenul „cercetător de date” în anul 2008. Încercau doar să descrie ceea ce fac, adică derivă valoarea afacerii din datele masive generate de site-ul lor web. În acest proces, au ajuns să numească titlul postului care ar vedea o cerere incredibilă în anii următori și chiar va fi numit drept „Cea mai sexy meserie din cei 21 de aniSfsecol.'
Acum, organizațiile care consideră „date” ca un activ valoros caută acești experți în date sau „oameni de știință” care să le conducă în viitor.
Deci, ce este nevoie pentru a fi un mare om de știință al datelor? ……… O varietate de seturi de abilități!
implementarea unei cozi prioritare în java
O scurtă privire asupra abilităților de bază ale unui om de știință de date.
Procesul științei datelor include 3 etape.
- Captarea datelor
- Analiza datelor
- Prezentare
Să aruncăm o privire mai atentă asupra rolului unui om de știință al datelor în fiecare dintre aceste etape.
Captarea datelor
- Abilități de programare și baze de date
Primul pas al exploatării datelor este de a captura datele corecte. Deci, pentru a fi un om de știință al datelor, este foarte esențial să vă familiarizați cu instrumentele și tehnologiile, în special cu cele open source precum Hadoop, Java, Python, C ++ și tehnologiile bazelor de date precum SQL, NoSQL, HBase și așa mai departe.
- Domeniul de afaceri și expertiză
Datele diferă în funcție de afacere. Prin urmare, înțelegerea datelor de afaceri necesită expertiză, care vine doar prin lucrul într-un anumit domeniu de date.
De exemplu: datele colectate din domeniul medical vor fi complet diferite de datele unui magazin de îmbrăcăminte cu amănuntul.
- Modelare de date, depozitare și abilități de date nestructurate
Organizațiile colectează o cantitate enormă de date prin diferite resurse. Datele capturate în acest mod sunt nestructurate și trebuie organizate înainte de analiză. Prin urmare, un om de știință al datelor trebuie să fie competent în modelarea datelor nestructurate.
Analiza datelor
cum să compilezi codul Java
- Abilități de instrument statistic
Competența esențială a unui om de știință în date este să știe cum să utilizeze instrumentele statistice precum R, Excel, SAS și așa mai departe. Aceste instrumente sunt necesare pentru a măcina datele capturate și a le analiza.
- Abilități matematice
Cunoștințele informatice singure nu sunt suficiente pentru a fi un om de știință al datelor. Profilul cercetătorului în date necesită pe cineva care să înțeleagă algoritmii și programarea de învățare automată pe scară largă, în timp ce este un statistician competent. Acest lucru necesită expertiză în alte discipline științifice și matematice, în afară de limbajele computerizate.
Prezentare
- Abilități pentru instrumentul de vizualizare
Este posibil să puteți extrage și modela datele colectate, dar puteți să le vizualizați?
Dacă doriți să fiți un om de știință de date de succes, ar trebui să puteți lucra cu unele instrumente de vizualizare a datelor pentru a reprezenta analize de date vizual. Unele dintre acestea includ R, Flare, HighCharts, AmCharts, D3.js, Processing și Google Visualization API etc.
Dar acesta nu este sfârșitul! Dacă sunteți cu adevărat dornici să deveniți cercetător în date, ar trebui să aveți, de asemenea, următoarele abilități:
- Abilități de comunicare: Statisticile și Excel sunt cele dificile de rezolvat. Oamenii de știință ai datelor ar trebui să poată prezenta datele într-un mod în care comunică rezultatele utilizatorilor de afaceri.
- Abilitati in afaceri : Oamenii de știință ai datelor vor trebui să joace mai multe roluri. Ar trebui să comunice cu diverse persoane din organizație. Prin urmare, deținerea unor abilități comerciale puternice care includ comunicarea, planificarea, organizarea și gestionarea vor fi de mare ajutor. Aceasta include înțelegerea cerințelor de afaceri și aplicații și interpretarea informațiilor în consecință. De asemenea, el ar trebui să aibă o înțelegere generală a provocărilor cheie din industrie și ar trebui să fie conștient de raporturile financiare pentru o mai bună luare a deciziilor. Linia de fund, un om de știință în materie de date care să gândească și „afaceri”.
- Abilități de rezolvare a problemelor: Acest lucru pare evident întrucât știința datelor se referă la rezolvarea problemelor. Un om de știință eficient al datelor trebuie să ia timp și să analizeze problema profund și să vină cu o soluție fezabilă care să se potrivească utilizatorului.
- Abilități de predicție: Un om de știință al datelor ar trebui, de asemenea, să fie un predictor eficient. El ar trebui să aibă cunoștințe largi despre algoritmi pentru a-l selecta pe cel potrivit pentru a se potrivi în mod corespunzător modelului de date. Aceasta implică o anumită cantitate de creativitate pentru a utiliza și reprezenta datele cu înțelepciune.
- Hacking: Știu că sună înfricoșător, dar diferite abilități de hacking, cum ar fi manipularea fișierelor text la linia de comandă, înțelegerea operațiunilor vectorizate și gândirea algoritmică, vă vor face un om de știință mai bun al datelor.
Privind seturile de abilități de mai sus, este clar că a fi un Data Scientist nu înseamnă doar să știi totul despre date. Este un profil de muncă cu o combinație de abilități de date, abilități matematice, abilități de afaceri și abilități de comunicare. Având toate aceste abilități laolaltă, un Data Scientist poate fi numit pe bună dreptate drept steaua rock a domeniului IT.
Lista de verificare pentru a deveni un cercetător de date minunat și eficient:
Am acoperit abilitățile necesare pentru a deveni cercetător în date. Există o diferență uriașă de a deveni doar un om de știință de date și de a deveni un om de știință de date minunat și eficient. Următoarele abilități, împreună cu abilitățile menționate mai sus, vă diferențiază de faptul că sunteți un om de știință normal sau chiar mediocru.
- Abilități matematice - Calcule, operații Matrix, Optimizare numerică, metode stocastice etc.
- Abilități statistice - Modele de regresie, tress, clasificări, diagnostice, statistici aplicate etc.
- Comunicare - Vizualizare, prezentare și scriere.
- Bază de date - Pe lângă CouchDB, cunoștințe în baze de date netradiționale precum MongoDB și Vertica.
- Limbaje de programare - Porc, Hive, Java, Python etc.
- Prelucrarea limbajului natural și Exploatarea datelor.
Edureka are un special specializat care vă ajută să obțineți expertiză în algoritmi de învățare automată, cum ar fi K-Means Clustering, arbori de decizie, Random Forest, Naive Bayes. Veți învăța și conceptele de statistică, serii temporale, extragere de text și o introducere în învățarea profundă. Noile loturi pentru acest curs încep în curând !!