Umiejętności, których potrzebujesz, aby zostać naukowcem danych

Edukacja

Chociaż istnieją godne uwagi wyjątki, naukowcy zajmujący się danymi są zazwyczaj wysoko wykształceni, przy czym 88% ma co najmniej stopień magistra, a 46% ma stopień doktora. Chociaż istnieją godne uwagi wyjątki, zwykle wymagane jest silne wykształcenie, aby rozwinąć dogłębną wiedzę niezbędną do bycia naukowcem zajmującym się danymi.

Do pracy jako data scientist wymagany jest tytuł licencjata informatyki, nauk społecznych, nauk fizycznych lub statystyki. Najpopularniejszymi dyscyplinami są matematyka i statystyka (32%), a następnie informatyka (19%) i inżynieria (16%). Każdy z tych stopni wyposaży Cię w umiejętności niezbędne do przetwarzania i oceny dużych ilości danych.

Nie ukończyłeś jeszcze programu studiów. Prawda jest taka, że ​​większość naukowców zajmujących się danymi ma tytuł magistra lub doktora. a także uczestniczyć w szkoleniach online, aby poznać konkretną wiedzę specjalistyczną, taką jak zapytania Hadoop lub Big Data. W rezultacie możesz kontynuować program studiów magisterskich w zakresie nauki o danych, matematyki, astronomii lub dowolnej innej pokrewnej dyscypliny. Będziesz mógł bez wysiłku przenieść się do nauki o danych, korzystając z umiejętności, które nabyłeś podczas studiów.

Oprócz nauki w klasie możesz wykorzystać to, czego nauczyłeś się na zajęciach, w praktyce, tworząc aplikację, pisząc bloga lub analizując dane, aby dowiedzieć się więcej.

Programowanie R

Dogłębne zrozumienie co najmniej jednego z tych narzędzi analitycznych, przy czym R jest preferowany do nauki o danych. R to język programowania, który został stworzony z myślą o nauce o danych. Możesz użyć R, aby rozwiązać każdy napotkany problem związany z nauką o danych. W rzeczywistości R jest używany przez 43% naukowców zajmujących się danymi do radzenia sobie z wyzwaniami statystycznymi. Z drugiej strony R ma stromą krzywą uczenia się.

Nauka jest trudna, zwłaszcza jeśli znasz już język komputerowy. Niemniej jednak istnieje wiele narzędzi online, które pomogą Ci rozpocząć pracę z R, w tym Simplilearn Szkolenie z nauki o danych z językiem programowania R. To doskonałe narzędzie dla początkujących naukowców zajmujących się danymi.

Umiejętności techniczne: informatyka

Kodowanie w Pythonie

Python, wraz z Javą, Perlem i C/C++, jest najbardziej rozpowszechnionym językiem kodowania, jaki widzę w rolach związanych z nauką o danych. Dla naukowców zajmujących się danymi Python jest doskonałym językiem programowania. Właśnie dlatego, według ankiety O'Reilly, 40% respondentów używa Pythona jako podstawowego języka programowania.

Python może być używany praktycznie we wszystkich fazach wymaganych w operacjach data science ze względu na swoją wszechstronność. Akceptuje różne typy danych i umożliwia bezproblemowe importowanie tabel SQL do kodu. Za jego pomocą możesz tworzyć zbiory danych, a w Google możesz znaleźć niemal każdą potrzebną formę zbioru danych.

Platforma Hadoop

Chociaż nie zawsze jest to konieczne, w wielu przypadkach jest zdecydowanie zalecane. To także plus, jeśli pracowałeś wcześniej z Hive lub Pig. Pomocna może być również wiedza, jak korzystać z rozwiązań chmurowych, takich jak Amazon S3. Według CrowdFlower badanie 3490 stanowisk data science w LinkedIn, Apache Hadoop to druga najważniejsza wiedza specjalistyczna dla analityka danych, z oceną 49 procent.

Jako naukowiec zajmujący się danymi, możesz znaleźć się w sytuacji, w której ilość danych, które posiadasz, przekracza pamięć twojego systemu lub musisz wysłać dane do innych serwerów; tu właśnie pojawia się Hadoop. Hadoop może być używany do szybkiego przesyłania danych do różnych części systemu. To jednak nie wszystko.

To jednak nie wszystko. Eksploracja danych, filtrowanie danych, próbkowanie danych i podsumowywanie danych są możliwe dzięki usłudze Hadoop.

Baza danych/kodowanie SQL

Pomimo faktu, że NoSQL i Hadoop stały się ważnymi elementami nauki o danych, nadal oczekuje się, że kandydat może tworzyć i wykonywać skomplikowane zapytania SQL. SQL (ustrukturyzowany język zapytań) to język programowania, którego można używać do wykonywania operacji na bazie danych, takich jak dodawanie, usuwanie i wyodrębnianie danych. Może również wspomagać wykonywanie operacji analitycznych i przekształcanie struktur baz danych.

Jako naukowiec zajmujący się danymi musisz biegle posługiwać się SQL. Dzieje się tak, ponieważ SQL został stworzony, aby pomóc Ci w dostępie, komunikacji i pracy z danymi. Gdy używasz go do wysyłania zapytań do bazy danych, dostarcza informacji.

Zawiera krótkie polecenia, które pozwalają zaoszczędzić czas i zmniejszyć ilość kodu wymaganego do przeprowadzania złożonych wyszukiwań. Nauka języka SQL poprawi Twoje zrozumienie relacyjnych baz danych i pomoże Ci rozwinąć karierę naukowca danych.

Apache Spark

Apache Spark szybko staje się najczęściej używanym narzędziem Big Data na świecie. Jest to platforma przetwarzania dużych ilości danych podobna do platformy Hadoop. Jedyna różnica między Spark i Hadoop jest to, że Spark jest szybszy. Wynika to z faktu, że Hadoop odczytuje i zapisuje na dysku, spowalniając go, podczas gdy Spark buforuje swoje obliczenia w pamięci.

Apache Spark został stworzony przede wszystkim z myślą o data science, aby przyspieszyć wykonywanie złożonych algorytmów. W przypadku dużej ilości danych pomaga w rozproszeniu przetwarzania danych, a tym samym oszczędza czas. Pomaga także analitykom danych w radzeniu sobie z dużymi, nieustrukturyzowanymi wolumenami danych. Może być używany na pojedynczej maszynie lub grupie maszyn.

Apache Spark pozwala analitykom danych uniknąć utraty danych w nauce o danych. Siłą Apache Spark jest szybkość i platforma, dzięki którym projekty z zakresu analizy danych są proste w realizacji. Możesz używać Apache Spark do robienia wszystkiego, od zbierania danych po dystrybucję obliczeniową.

Uczenie maszynowe i sztuczna inteligencja

Ogromnej liczbie naukowców zajmujących się danymi brakuje wiedzy fachowej w zakresie technik i tematów uczenia maszynowego. Przykładami tego są sieci neuronowe, uczenie się przez wzmacnianie, uczenie się kontradyktoryjności i inne techniki. Jeśli chcesz odróżnić się od innych analityków danych, musisz znać techniki uczenia maszynowego, w tym między innymi nadzorowane uczenie maszynowe, drzewa decyzyjne i regresję logistyczną. Umiejętności te pomogą Ci w rozwiązywaniu różnych wyzwań związanych z nauką danych w oparciu o ważne prognozy wyników organizacyjnych.

PRZECZYTAJ RÓWNIEŻ: Sztuczna inteligencja: nowoczesne podejście.

Nauka o danych wymaga zastosowania technik uczenia maszynowego w różnych dziedzinach. W jednej z ankiet Kaggle odkryto, że tylko niewielki procent specjalistów od danych jest biegły w zaawansowanych umiejętnościach uczenia maszynowego, takich jak nadzorowane i nienadzorowane uczenie maszynowe, szeregi czasowe, przetwarzanie języka naturalnego, wykrywanie wartości odstających, wizja komputerowa, silniki rekomendacji, analiza przetrwania , uczenie wzmacniające i uczenie kontradyktoryjne.

Praca z ogromną ilością zestawów danych jest wymogiem nauki o danych. Uczenie maszynowe to coś, o czym powinieneś wiedzieć.

Wizualizacja danych

Świat korporacji regularnie generuje duże ilości danych. Informacje te muszą zostać przekształcone w sposób łatwy do interpretacji. Surowe dane są trudniejsze do zrozumienia dla ludzi niż obrazy w postaci wykresów i wykresów. „Obraz jest wart tysiąca słów”, jak mówi ten idiom.

Jako naukowiec zajmujący się danymi musisz być w stanie wizualizować dane za pomocą narzędzi takich jak ggplot, d3.js i Matplotlib, a także Tableau. Narzędzia te pomogą Ci w konwersji złożonych wyników projektu do formatu łatwego do zrozumienia. Problem polega na tym, że wiele osób nie jest zaznajomionych z korelacją szeregową lub wartościami p. Musisz graficznie pokazać, co oznaczają te terminy w wynikach.

Organizacje mogą pracować bezpośrednio z danymi dzięki wizualizacji danych. Potrafią szybko przyswoić informacje, które pozwolą im wykorzystać nowe możliwości biznesowe i wyprzedzić konkurencję.

Dane nieustrukturyzowane

Zdolność analityka danych do pracy z nieustrukturyzowanymi danymi ma kluczowe znaczenie. Dane nieustrukturyzowane to informacje nieustrukturyzowane, które nie mieszczą się w tabelach bazy danych. Filmy, artykuły na blogach, recenzje klientów, posty w sieciach społecznościowych, kanały wideo i audio to przykłady. To zbiór długich tekstów. Ponieważ nie są usprawnione, sortowanie tego typu danych jest trudne.

Ze względu na ich zawiłość większość ludzi określała nieustrukturyzowane dane jako „czarną analitykę”. Praca z nieustrukturyzowanymi danymi pozwala odkrywać spostrzeżenia, które mogą pomóc w podejmowaniu lepszych decyzji. Jako specjalista ds. danych musisz być w stanie analizować i manipulować nieustrukturyzowanymi danymi z wielu platform.

Umiejętności nietechniczne

Ciekawość intelektualna

„Nie mam żadnych wyjątkowych zdolności. Intryguje mnie tylko dlatego, że mnie to pasjonuje”. Albert Einstein powiedział kiedyś: „Nie ma czegoś takiego jak dobry pomysł”.

Prawdopodobnie często słyszałeś to zdanie ostatnio, szczególnie w odniesieniu do naukowców zajmujących się danymi. Na gościnnym blogu, który napisał kilka miesięcy temu, Frank Lo wyjaśnia, co to oznacza i omawia inne ważne „miękkie talenty”.

Ciekawość jest opisywana jako chęć dowiedzenia się czegoś więcej. Ponieważ naukowcy zajmujący się danymi spędzają około 80% czasu na pozyskiwaniu i przygotowywaniu danych, musisz być w stanie zadawać pytania na ich temat jako analityk danych. Wynika to z faktu, że temat nauki o danych szybko ewoluuje i będziesz musiał dowiedzieć się więcej, aby nadążyć.

Powinieneś aktualizować swoją wiedzę, czytając odpowiednie książki na temat trendów w nauce danych i przeglądając treści online. Nie daj się zastraszyć ogromną ilością informacji krążących w Internecie; musisz być w stanie zrozumieć to wszystko. Jedną z umiejętności potrzebnych do odniesienia sukcesu jako naukowiec danych jest ciekawość. Na przykład początkowo możesz nie widzieć żadnego wglądu w dane, które zebrałeś. Ciekawość pozwoli Ci przeszukiwać dane w poszukiwaniu odpowiedzi i nowych informacji.

Przedsiębiorczość

Aby być naukowcem zajmującym się danymi, musisz mieć dogłębną świadomość branży, w której działasz, i mieć świadomość problemów biznesowych, które Twoja organizacja próbuje rozwiązać. Z punktu widzenia nauki o danych kluczowe znaczenie ma możliwość wykrycia, które problemy są niezbędne do rozwiązania dla organizacji, a także zidentyfikowanie nowych sposobów, w jakie firma może wykorzystać swoje dane.

Aby to zrobić, musisz najpierw zrozumieć, jak problem, który rozwiązujesz, może wpłynąć na organizację. Dlatego musisz zrozumieć, jak działają firmy, aby odpowiednio skoncentrować swoje wysiłki.

Zdolności do porozumiewania się

Firmy poszukujące kompetentnego analityka danych potrzebują kogoś, kto potrafi przekazywać ich techniczne odkrycia zespołowi nietechnicznemu, takiemu jak dział marketingu lub sprzedaży, w jasny i płynny sposób. Aby skutecznie zarządzać danymi, analityk danych musi umożliwiać firmie podejmowanie decyzji poprzez dostarczanie im wglądu ilościowego, a także poznanie wymagań swoich nietechnicznych kolegów. Więcej informacji na temat umiejętności komunikacyjnych ekspertów ilościowych można znaleźć w naszej najnowszej ankiecie flash.

Musisz nie tylko komunikować się w tym samym języku co organizacja, ale musisz także używać narracji danych.
Jako naukowiec zajmujący się danymi, musisz wiedzieć, jak utkać narrację wokół danych, aby była łatwa do zrozumienia. Na przykład wyświetlanie tabeli statystyk nie jest tak skuteczne, jak przekazywanie spostrzeżeń danych w sposób narracyjny. Opowiadanie historii pomoże Ci w skutecznym przekazywaniu wyników swoim szefom.

Zwróć uwagę na wyniki i wartości zawarte w danych, które analizowałeś podczas komunikacji. Większość właścicieli firm nie jest zainteresowana tym, co odkryłeś; zamiast tego chcą wiedzieć, jakie korzyści przyniesie to ich firmie. Naucz się komunikować w sposób, który koncentruje się na oferowaniu wartości i nawiązywaniu długotrwałych relacji.

Praca zespołowa

Analityk danych nie może pracować samodzielnie. Praca z kierownictwem firmy w celu tworzenia strategii, menedżerami produktu i projektantami w celu tworzenia lepszych produktów, marketerami w celu uruchomienia kampanii zapewniających lepszą konwersję oraz programistami oprogramowania klienckiego i serwerowego w celu tworzenia potoków danych i optymalizacji przepływu pracy to wszystko, co musisz zrobić. Będziesz musiał współpracować ze wszystkimi w firmie, w tym z klientami.

Zasadniczo będziesz współpracować z kolegami z zespołu, aby stworzyć przypadki użycia, aby zrozumieć cele biznesowe i dane, które będą potrzebne do sprostania wyzwaniom. Musisz wiedzieć, jak prawidłowo podejść do przypadków użycia, jakie dane będą potrzebne do rozwiązania problemu oraz jak przetłumaczyć i zaprezentować wyniki w sposób zrozumiały dla wszystkich.

Zasoby

Stopień zaawansowany – Aby sprostać obecnym potrzebom, opracowywanych jest więcej stopni z zakresu nauk o danych, ale dostępnych jest również wiele programów z matematyki, statystyki i informatyki.

Kursy MOOC – Coursera, Udacity i Codeacademy to doskonałe miejsca na rozpoczęcie.

Certyfikaty – KDnuggets opublikował obszerną listę.

Bootcampy — Zajrzyj na ten gościnny blog prowadzony przez naukowców zajmujących się danymi Datascope Analytics, aby uzyskać dodatkowe informacje na temat porównania tej strategii z programami studiów lub MOOC.

Kaggle – Kaggle organizuje wyzwania związane z nauką danych, w których możesz ćwiczyć z niechlujnymi, rzeczywistymi danymi i rozwiązywać rzeczywiste problemy biznesowe. Rankingi Kaggle są traktowane poważnie przez pracodawców, ponieważ są uważane za istotne, praktyczne prace projektowe.

Grupy LinkedIn — aby komunikować się z innymi członkami społeczności analityków danych, dołącz do odpowiednich grup.

Data Science Central i KDnuggets — Data Science Central i KDnuggets to doskonałe zasoby umożliwiające śledzenie trendów w branży data science.

Badanie Burtch Works: Płace naukowców zajmujących się danymi — Jeśli chcesz dowiedzieć się więcej na temat płac i danych demograficznych obecnych naukowców zajmujących się danymi, pobierz nasze badanie wynagrodzeń naukowców zajmujących się danymi.

Jestem pewien, że coś przegapiłem, więc jeśli znasz kluczową umiejętność lub zasób, który byłby korzystny dla każdego, kto ma nadzieję na naukę danych, opublikuj to w komentarzach poniżej!