a apărut ca unul dintre cele mai populare domenii din ultimii ani. Crește într-un ritm uimitor, la fel și cererea pentru Data Scientists. Rolul unui om de știință al datelor este extrem de dinamic, nu există două zile la fel pentru ei și asta îl face atât de unic și incitant. Întrucât este un domeniu nou, există atât emoție, cât și confuzie. Deci, să clarificăm acele mituri ale Data Scientists în următoarea ordine:
Cine este un Data Scientist?
Deși există mai multe definiții ale disponibile, practic sunt profesioniști care practică arta științei datelor. Oamenii de știință de date sparg probleme complexe de date cu expertiza lor în discipline științifice. Este o funcție de specialiști.
Ei sunt specializați în diferite tipuri de abilități, cum ar fi vorbirea, analiza textului (NLP), procesarea imaginilor și a videoclipurilor, medicină și simularea materialelor, etc. Fiecare dintre aceste roluri de specialist este foarte limitat ca număr și, prin urmare, valoarea unui astfel de specialist este imensă. Orice lucru care câștigă avânt tinde să devină despre ce vorbește toată lumea. Și, cu cât mai mulți oameni vorbesc despre ceva, cu atât mai multe concepții greșite și mituri se acumulează. Așadar, să dezvăluim câteva mituri ale Data Scientist.
cum se instalează serverul chef
Data Scientist Myths vs Reality
- Trebuie să fii doctorand. Titular
Un doctorat este o realizare foarte mare, fără îndoială. Este nevoie de multă muncă și dedicare pentru a face cercetări. Dar este necesar să deveniți Data Scientist? Depinde de tipul de slujbă pentru care doriți să mergeți.
Dacă doriți Rolul științei datelor aplicate care se bazează în primul rând pe lucrul cu algoritmi existenți și pe înțelegerea modului lor de funcționare. Majoritatea oamenilor se încadrează în această categorie, iar majoritatea posturilor și fișelor de post pe care le vedeți sunt destinate exclusiv acestor roluri. Pentru acest rol, tu NU FACE am nevoie de un doctorat grad.
Dar, dacă doriți să intrați într-un Rolul cercetării , atunci s-ar putea să aveți nevoie de un doctorat. Grad. Dacă lucrul la algoritmi sau scrierea oricărei lucrări este problema ta, atunci dr. este calea de urmat.
- Data Scientist va fi înlocuit în curând de AI
Dacă credeți că o grămadă de oameni de știință a datelor pot face tot ce ține de un AI/ML Project . Nu este o soluție practică, deoarece dacă vă concentrați pe orice proiect AI, acesta are o mulțime de locuri de muncă atașate. este un domeniu foarte complex, cu o mulțime de roluri diferite, cum ar fi:
- Statistician
- Expert domeniu
- Specialist IoT
Oamenii de știință de date singuri nu pot rezolva totul și nici AI nu poate face asta. Deci, dacă ești unul dintre cei care se tem de asta, NU. AI nu este încă capabil să facă astfel de lucruri, aveți nevoie de o vastă cunoaștere a diferitelor domenii.
- Mai multe date oferă o precizie mai mare
Există o concepție greșită foarte mare și unul dintre marile mituri ale Data Scientists că „mai multe date aveți, mai mult va fi acuratețea modelului”. Mai multe date nu traduce la o precizie mai mare. Pe de altă parte, datele mici, dar bine întreținute, ar putea avea o calitate și o precizie mai bune. Ceea ce contează cel mai mult este înțelegerea datelor și utilizarea sa. Este Calitate asta contează cel mai mult.
- Învățarea profundă este menită doar pentru organizațiile mari
Unul dintre cele mai comune mituri este că aveți nevoie de o cantitate considerabil de bună de hardware pentru a rula sarcini de Deep Learning. Ei bine, acest lucru nu este în întregime fals, un model de învățare profundă va funcționa întotdeauna mai eficient atunci când are o configurare hardware puternică pe care să ruleze. Dar îl puteți rula pe sistemul dvs. local sau Google Colab (GPU + CPU). Este posibil să dureze mai mult decât era de așteptat pentru a antrena modelul pe mașina dvs.
- Colectarea datelor este ușoară
Datele sunt generate la o rată uimitoare de aproximativ 2,5 Quintillion Bytes pe zi și colectarea date corecte în formatul potrivit este încă o sarcină grea. Trebuie să construiești un conductă adecvată pentru proiectul dumneavoastră. Există o mulțime de surse pentru a obține date. Costul și calitatea contează foarte mult. Menținerea integrității datelor și a conductei este o parte foarte importantă, care nu ar trebui să fie deranjată.
- Oamenii de știință de date lucrează numai cu Instrumente / Totul se referă la Instrumente
Oamenii încep de obicei să învețe un instrument crezând că vor obține un loc de muncă în știința datelor. Ei bine, învățarea unui instrument este importantă pentru a lucra ca Data Scientist, dar așa cum am menționat mai devreme, rolul lor este mult mai divers. Oamenii de știință ar trebui să meargă dincolo de utilizarea unui instrument pentru a obține soluții în schimb, trebuie să stăpânească abilități esențiale. Da, stăpânirea unui instrument creează speranța unei intrări ușoare în Data Science, dar companiile care angajează Data Scientists nu vor lua în considerare expertiza instrumentului, ci caută un profesionist care a dobândit o combinație de abilități tehnice și de afaceri.
- Trebuie să aveți fundal de codificare / informatică
Majoritatea oamenilor de știință de date sunt buni în codificare și ar putea avea experiență în informatică, matematică sau statistică. Acest lucru nu înseamnă că oamenii din alte medii nu pot fi Data Scientist. Deci, un lucru de reținut este că acești oameni din aceste medii au un avantaj, dar asta este doar în etapele inițiale. Trebuie doar să păstrați devotamentul și munca grea și în curând va fi ușor și pentru dvs.
- Concursurile științei datelor și proiectele din viața reală sunt aceleași
Aceste competiții sunt un început minunat în lunga călătorie a științei datelor. Începeți să lucrați cu seturi de date și algoritmi mari. Totul este în regulă, dar considerându-l ca pe un proiect și introducându-l în CV-ul tău este cu siguranță nu-i o idee buna deoarece aceste competiții nu sunt aproape de un proiect din viața reală. Nu trebuie să curățați datele dezordonate sau să le construiți conducte sau verificați limita de timp. Tot ceea ce contează este acuratețea modelului.
ce este un dezvoltator de blockchain
- Este vorba despre construirea de moduri predictive
Oamenii cred de obicei că oamenii de știință de date prezic rezultatul viitor. Modelarea predictivă este un aspect foarte important al științei datelor, dar singur nu vă poate ajuta. În orice proiect există pași multipli implicat în întregul ciclu începând de la culegerea de date, ceartă, analiza datelor, instruirea algoritmului, construirea unui model, testarea modelului și în final implementarea. Trebuie să știi întregul proces end-to-end . Să vedem ultimele mituri ale Data Scientists.
- AI va continua să evolueze odată construit
Este o concepție greșită obișnuită că AI continuă să crească, să evolueze și să se generalizeze singure. Ei bine, filmele Sci-Fi au prezentat în mod constant același mesaj. Acum, acest lucru nu este deloc adevărat, de fapt, suntem cu mult în urmă. Cel mai mult pe care îl putem face este să instruim modele care se antrenează singure dacă le sunt furnizate date noi. Nu se pot adapta la schimbările din mediu și la un nou tip de date.
Asa de. dacă credeți că Mașinile de o zi vor face toată treaba? Ei bine, trebuie să ieși din filme!
Sper că toate miturile Data Scientists sunt acum șterse. Edureka oferă, de asemenea, un . Include instruire despre statistici, știința datelor, Python, Apache Spark & Scala, Tensorflow și Tableau.
Ai o întrebare pentru noi? Vă rugăm să menționați acest lucru în secțiunea de comentarii a articolului „Mituri pentru cercetătorii de date” și vă vom răspunde.