Врсте Дата Сциентист-а



Овај чланак описује различите врсте научника за податке. Дакле, ако желите да се истакнете као научник података, можете видети којој улози се савршено уклапате. Прочитајте на

У последњих годину дана наука о подацима постала је нераскидива из свакодневног пословања. Наука података је запослена у производима, маркетингу, инжењерингу и продаји како би доносила кључне одлуке. Сензационалне изјаве да је „Дата Сциентист“ најсекси посао повећали су популарност овог штреберског наслова.

Као резултат тога, можемо видети људе како трепере насловом посла, а неки се труде да то постану. Гледајући њихове квалификације, образовање, искуство, способност и став, очигледно је да не спадају сви у исту категорију. Па зашто користе исти назив посла без обзира на разлике ??





То би могло бити због чињенице да се научници за податке могу широко класификовати у две категорије:

  • Наука о подацима усмерена на производ.
  • Стил пословне интелигенције у науци података.

Отприлике постоји 4 до 5 група у свакој категорији.



У извештају О’Реилли Страта-а „Анализирајући анализаторе“, научници о подацима су класификовани на основу науке о производима усмерене на следећи начин.

Наука о подацима усредсређена на производ

ц ++ фибоначијев низ
  • Истраживач података

Професионалци у овој категорији долазе из академског света и имају детаљно искуство у статистици или физичким или друштвеним наукама. Ова врста научника за податке често има докторат, али је слабо вешта у машинском учењу, програмирању или послу.



  • Дата Девелопер

Ови момци се углавном концентришу на техничка питања која долазе са руковањем подацима. Они су јаки у програмирању и машинском учењу, али слаби у пословним и статистичким вештинама.

направи копију објекта Јава
  • Дата Цреативес

То су момци који од брда података праве нешто иновативно. Они су високо вешти у машинском учењу, великим подацима, програмирању и другим вештинама за руковање масивним подацима.

  • Подаци Пословни људи

Они представљају пословну страну и одговорни су за доношење виталних пословних одлука кроз технике анализе података. Они су еклектична комбинација пословног и техничког знања.

Наука података заснована на пословној интелигенцији

  • Квантитативни истраживачки истраживачи података

Квантитативни, истраживачки подаци научници су склони да имају докторате и користе теорију за разумевање понашања. Комбиновањем теорије и истраживачког истраживања, ови научници за податке побољшавају производе.

  • Научници оперативних података

Научници из области оперативних података често раде у финансијским, продајним или оперативним тимовима у организацији. Његова улога је да анализира перформансе, одговоре и понашање процеса, да побољша стратегију и ефикасност организације.

шта је __инит__ у питхон-у
  • Научници о подацима о производима

Научници о подацима о производима уклапају се у управљање производима или инжењеринг. Њихов посао је да претражују евиденције и алате за анализу, да разумеју начин на који корисници користе производ и користе то знање за фино подешавање производа.

  • Научници маркетиншких података

Научници из маркетиншких података фокусирају се на корисничку базу, процењују перформансе и раде на побољшању ефикасности, прилично слично стандардном маркетиншком типу.

  • Истраживачи података истраживања

Научници за истраживање података стварају увид из скупа података. Ретке су почетне компаније које запошљавају научнике истраживаче, јер излаз није везан за профит. Али то раде веће компаније, истраживачки центри и финансијске институције.

Ова класификација показује да било која група људи може бити сврстана у било коју категорију. Прави тип научника за податке може се одабрати на основу захтева организације

Пре него што одаберете врсту научника за податке који желите да постанете, размислите о потребним вештинама или вештинама које већ поседујете да бисте наставили у одговарајућем смеру.

Па ко ћеш бити ?? Програмер, статистичар, продавац, пословни човек или дизалица свих послова ??

Едурека има посебно курирану који вам помаже да стекнете стручност у алгоритмима машинског учења попут К-Меанс кластера, дрвећа одлучивања, случајних шума, наивних Баиес-а. Научићете концепте статистике, временских серија, рударења текста и увод у дубинско учење. Нове серије за овај курс почињу ускоро !!