Двоје аналитичара из ЛинкедИна сковали су термин „научник података“ 2008. Они су само покушавали да опишу шта раде, тј. Пословну вредност изводе из масивних података које генерише њихова веб локација. У том процесу, на крају су именовали назив радног места који ће у наредним годинама видети невероватну потражњу, па чак и назван ‘Најсекси посао од 21ствека. ’
Сада организације које сматрају „податке“ драгоценим средствима траже ове стручњаке за податке или „научнике“ да би их водиле у будућност.
хасхмап вс хасхтабле у јави
Па, шта је потребно да би био сјајан научник за податке? ... Разноврсни скупови вештина!
Кратки преглед основних вештина научника за податке.
Процес науке о подацима укључује 3 фазе.
- Прикупљање података
- Анализа података
- Презентација
Погледајмо ближе улогу научника за податке у свакој од ових фаза.
Прикупљање података
- Вештине програмирања и базе података
Први корак рударења података је прикупљање правих података. Дакле, да бисте били научник података, веома је битно да познајете алате и технологије, посебно оне отвореног кода као што су Хадооп, Јава, Питхон, Ц ++ и технологије база података као што су СКЛ, НоСКЛ, ХБасе и тако даље.
- Пословни домен и стручност
Подаци се разликују у зависности од посла. Због тога је за разумевање пословних података потребна стручност која долази само радом у одређеном домену података.
На пример: Подаци прикупљени из медицинске области потпуно ће се разликовати од података малопродајне одеће.
- Моделовање података, складиште и неструктуриране вештине података
Организације прикупљају огромну количину података путем различитих извора. Подаци прикупљени на овај начин су неструктурирани и морају се организовати пре анализе. Стога научник података мора бити вешт у моделирању неструктурираних података.
Анализа података
- Вештине статистичких алата
Основна вештина научника за податке је да зна како да користи статистичке алате попут Р, Екцел, САС и тако даље. Ови алати су потребни за млевење ухваћених података и њихову анализу.
- Математичке вештине
Само знање из рачунарства није довољно да бисте били научник података. Профил научника за податке захтева некога ко може да разуме алгоритме за машинско учење и програмирање великих размера, а истовремено је стручан статистичар. За то је потребна стручност у другим научним и математичким дисциплинама, осим у рачунарским језицима.
Презентација
- Вештине алата за визуелизацију
Можда ћете моћи да копирате и моделирате прикупљене податке, али да ли можете да их визуализујете?
Ако желите да будете успешан научник података, требало би да будете у могућности да радите са неким алатима за визуелизацију података који визуално представљају анализе података. Неки од њих укључују Р, Фларе, ХигхЦхартс, АмЦхартс, Д3.јс, Процессинг и Гоогле Висуализатион АПИ итд.
Али ово није крај! Ако заиста желите да постанете научник података, требало би да имате и следеће вештине:
- Комуникационе вештине: Статистике и Екцел су врло тешки за решавање. Научници података требали би бити у могућности да податке прикажу на начин да пословне резултате преносе о резултатима.
- Пословне вештине : Научници података ће морати да играју више улога. Требали би да комуницирају са различитим људима у организацији. Стога ће имати велику пословну способност која укључује комуникацију, планирање, организовање и управљање. То укључује разумевање пословних и апликативних захтева и сходно тумачењу информација. Такође, требало би да има целокупно разумевање кључних изазова у индустрији и треба да буде свестан финансијских показатеља за боље доношење одлука. У крајњој линији, научник података такође мисли на „посао“.
- Вештине решавања проблема: Ово се чини очигледним, јер се наука података бави решавањем проблема. Ефикасан научник података мора узети времена и дубоко истражити проблем и смислити изводљиво решење које одговара кориснику.
- Вештине предвиђања: Научник података такође треба да буде ефикасан предиктор. Требао би да има широко знање о алгоритмима за одабир правог који правилно одговара моделу података. То укључује одређену креативност за мудро коришћење и представљање података.
- Хаковање: Знам да звучи застрашујуће, али различите вештине хаковања попут манипулисања текстуалним датотекама у командној линији, разумевања векторизованих операција и алгоритамског размишљања учиниће вас бољим научником података.
Гледајући горње скупове вештина, јасно је да бити научник података није само знати све о подацима. То је профил посла са спајањем вештина података, математичких вештина, пословних вештина и вештина комуникације. Уз све ове вештине заједно, Дата Сциентист-а с правом можемо назвати Роцк звездом ИТ поља.
Контролна листа да бисте постали одличан и ефикасан научник података:
Покрили смо вештине које су потребне да бисте постали научник података. Велика је разлика у томе што само постати научник података и постати сјајан и ефикасан научник података. Следеће вештине заједно са горе поменутим вештинама издвајају вас од тога да будете нормалан или чак осредњи научник података.
- Математичке вештине - Калкулације, Матричне операције, Нумеричка оптимизација, стохастичке методе итд.
- Статистичке вештине - Регресиони модели, тресс, класификације, дијагностика, примењена статистика итд.
- Комуникација - Визуелизација, презентација и писање.
- База података - Поред ЦоуцхДБ, знање у нетрадиционалним базама података као што су МонгоДБ и Вертица.
- Програмски језици - Свиња, кошница, Јава, Питхон итд.
- Обрада природног језика и Претрага података.
Едурека има посебно курирану који вам помаже да стекнете стручност у алгоритмима машинског учења попут К-Меанс кластера, дрвећа за одлучивање, случајне шуме, наивне Баиес. Научићете концепте статистике, временских серија, рударења текста и увод у дубинско учење. Нове серије за овај курс почињу ускоро !!