Abilități solicitate de care aveți nevoie pentru a deveni Data Scientist

Educaţie

Deși există excepții notabile, oamenii de știință de date sunt de obicei foarte educați, 88% având cel puțin o diplomă de master și 46% având un doctorat. Deși există excepții notabile, un fundal educațional puternic este de obicei necesar pentru a dezvolta cunoștințele profunde necesare pentru a fi un om de știință a datelor.

O diplomă de licență în informatică, științe sociale, științe fizice sau statistică este necesară pentru a lucra ca cercetător de date. Matematica și Statistica (32%) sunt cele mai populare discipline de studiu, urmate de Informatică (19%) și Inginerie (16%). Oricare dintre aceste grade vă va dota cu abilitățile necesare pentru a procesa și evalua cantități mari de date.

Nu ați terminat încă programul de licență. Adevărul este că majoritatea cercetătorilor de date au un master sau un doctorat. și participați, de asemenea, la cursuri de formare online pentru a învăța o expertiză specifică, cum ar fi Hadoop sau interogare Big Data. Ca rezultat, puteți urma un program de master în știința datelor, matematică, astronomie sau orice altă disciplină conexe. Veți putea să vă transferați fără efort la știința datelor folosind abilitățile pe care le-ați obținut în timpul programului de licență.

Pe lângă învățarea la clasă, puteți pune în practică ceea ce ați învățat la clasă creând o aplicație, scriind un blog sau analizând datele pentru a afla mai multe.

Programare R

Înțelegerea aprofundată a cel puțin unuia dintre aceste instrumente analitice, R fiind de preferat pentru știința datelor. R este un limbaj de programare care a fost creat având în vedere știința datelor. Puteți folosi R pentru a rezolva orice problemă de știință a datelor pe care o întâlniți. De fapt, R este folosit de 43% dintre oamenii de știință de date pentru a face față provocărilor statistice. R, pe de altă parte, are o curbă de învățare abruptă.

Învățarea este o provocare, mai ales dacă cunoașteți deja un limbaj informatic. Cu toate acestea, există o mulțime de instrumente online care să vă ajute să începeți cu R, inclusiv Simplilearn Instruirea în știința datelor cu limbajul de programare R. Este un instrument excelent pentru oamenii de știință de date în devenire.

Abilitati tehnice: Informatica

Codare Python

Python, împreună cu Java, Perl și C/C++, este cel mai răspândit limbaj de codare pe care îl văd în rolurile din știința datelor. Pentru oamenii de știință de date, Python este un limbaj de programare excelent. Acesta este motivul pentru care, conform unui sondaj O'Reilly, 40% dintre respondenți folosesc Python ca limbaj de programare principal.

Python poate fi folosit practic pentru toate fazele necesare operațiunilor de știință a datelor datorită versatilității sale. Acceptă o varietate de tipuri de date și vă permite să importați fără efort tabele SQL în cod. Puteți construi seturi de date folosindu-l și puteți găsi aproape orice formă de set de date de care aveți nevoie pe Google.

Platforma Hadoop

Deși nu este întotdeauna necesar, este recomandat cu tărie în multe circumstanțe. De asemenea, este un plus dacă ai mai lucrat cu Hive sau Pig. A ști cum să folosești soluții cloud precum Amazon S3 poate ajuta, de asemenea. Potrivit unui CrowdFlower sondaj pe 3490 de posturi LinkedIn în domeniul științei datelor, Apache Hadoop este a doua cea mai importantă expertiză pentru un cercetător de date, cu un rating de 49 la sută.

În calitate de cercetător al datelor, s-ar putea să vă aflați într-un scenariu în care cantitatea de date pe care o aveți depășește memoria sistemului sau trebuie să trimiteți date către alte servere; aici intervine Hadoop. Hadoop poate fi folosit pentru a trimite rapid date către diferite părți ale unui sistem. Asta nu e tot, totuși.

Asta nu e tot, totuși. Explorarea datelor, filtrarea datelor, eșantionarea datelor și rezumarea datelor sunt toate posibile cu Hadoop.

Baza de date SQL/Codare

În ciuda faptului că NoSQL și Hadoop au devenit părți importante ale științei datelor, se anticipează totuși că un candidat poate dezvolta și executa interogări SQL complicate. SQL (limbaj de interogare structurat) este un limbaj de programare care poate fi utilizat pentru a efectua operațiuni de bază de date, cum ar fi adăugarea, ștergerea și extragerea datelor. De asemenea, poate ajuta la executarea operațiunilor analitice și la transformarea structurilor bazei de date.

Ca om de știință a datelor, trebuie să cunoașteți fluent SQL. Acest lucru se datorează faptului că SQL a fost creat pentru a vă ajuta să accesați, să comunicați și să lucrați cu date. Când îl utilizați pentru a interoga o bază de date, vă oferă informații.

Are comenzi scurte care vă pot economisi timp și reduce cantitatea de cod necesară pentru a efectua căutări complexe. Învățarea SQL vă va îmbunătăți înțelegerea bazelor de date relaționale și vă va ajuta să vă avansați în cariera de cercetător al datelor.

Apache Spark

Apache Spark devine rapid cel mai utilizat instrument de date mari de pe planetă. Este un cadru de calcul de date mari asemănător Hadoop. Singura diferență dintre Spark și Hadoop este că Spark este mai rapid. Acest lucru se datorează faptului că Hadoop citește și scrie pe disc, încetinind-o, în timp ce Spark își păstrează calculele în memorie.

Apache Spark a fost creat în primul rând pentru știința datelor pentru a accelera execuția algoritmilor complecși. Atunci când se ocupă cu o cantitate mare de date, ajută la dispersarea procesării datelor și astfel economisește timp. De asemenea, ajută oamenii de știință în domeniul datelor să se ocupe de volume mari de date nestructurate. Poate fi folosit pe o singură mașină sau pe un grup de mașini.

Apache Spark le permite oamenilor de știință de date să evite pierderea datelor în știința datelor. Punctul forte al Apache Spark este viteza și platforma sa, ceea ce face ca proiectele de știință a datelor să fie ușor de finalizat. Puteți folosi Apache Spark pentru a face totul, de la colectarea datelor până la distribuția de calcul.

Învățare automată și inteligență artificială

Un număr mare de oameni de știință de date nu au experiență în tehnicile și subiectele de învățare automată. Rețelele neuronale, învățarea prin întărire, învățarea adversativă și alte tehnici sunt exemple în acest sens. Dacă doriți să vă deosebiți de alți oameni de știință ai datelor, trebuie să fiți familiarizat cu tehnicile de învățare automată, inclusiv învățarea automată supravegheată, arbori de decizie și regresie logistică, printre altele. Aceste abilități vă vor ajuta să rezolvați o varietate de provocări ale științei datelor pe baza unor previziuni importante ale rezultatelor organizaționale.

CITEȘTE ȘI: Inteligența artificială: o abordare modernă.

Știința datelor necesită aplicarea tehnicilor de învățare automată în diverse domenii. Într-unul dintre sondajele lui Kaggle, s-a descoperit că doar un mic procent dintre profesioniștii în domeniul datelor sunt competenți în abilități avansate de învățare automată, cum ar fi învățarea automată supravegheată și nesupravegheată, serii cronologice, procesarea limbajului natural, detectarea valorii anormale, viziunea computerizată, motoarele de recomandare, analiza de supraviețuire. , învățarea prin întărire și învățarea adversativă.

Lucrul cu cantități mari de seturi de date este o cerință a științei datelor. Învățarea automată este ceva de care ar trebui să fii conștient.

Vizualizarea datelor

Lumea corporativă generează un volum mare de date în mod regulat. Aceste informații trebuie transformate într-un mod simplu de interpretat. Datele brute sunt mai dificil de înțeles de către oameni decât imaginile sub formă de diagrame și grafice. „O imagine valorează cât o mie de cuvinte”, după cum spune expresia.

În calitate de cercetător al datelor, va trebui să fiți capabil să vizualizați datele folosind instrumente precum ggplot, d3.js și Matplotlib, precum și Tableau. Aceste instrumente vă vor ajuta să convertiți rezultatele proiectelor complexe într-un format ușor de înțeles. Problema este că mulți oameni nu sunt familiarizați cu corelația serială sau cu valorile p. Trebuie să demonstrați grafic ce înseamnă acești termeni din rezultatele dvs.

Organizațiile pot lucra direct cu date datorită vizualizării datelor. Ei pot absorbi rapid informații care le vor permite să valorifice noile posibilități de afaceri și să rămână în fața concurenței.

Date nestructurate

Capacitatea unui cercetător de date de a lucra cu date nestructurate este crucială. Datele nestructurate sunt informații nestructurate care nu se potrivesc în tabelele bazei de date. Videoclipurile, articolele de blog, recenziile clienților, postările pe rețelele sociale, fluxurile video și audio sunt toate exemple. Este o colecție de texte lungi. Deoarece nu sunt simplificate, sortarea acestui tip de date este dificilă.

Din cauza complexității sale, majoritatea oamenilor s-au referit la datele nestructurate drept „analitice negre”. Lucrul cu date nestructurate vă permite să descoperiți informații care vă pot ajuta să luați decizii mai bune. Trebuie să fiți capabil să analizați și să manipulați datele nestructurate de pe mai multe platforme, în calitate de cercetător al datelor.

Abilități non-tehnice

Curiozitate intelectuala

„Nu am abilități excepționale. Sunt intrigat doar pentru că sunt pasionat de asta.” Albert Einstein a spus odată: „Nu există o idee bună”.

Probabil că ați auzit mult această frază în ultima vreme, mai ales în legătură cu oamenii de știință ai datelor. Într-un blog pentru oaspeți pe care l-a scris în urmă cu câteva luni, Frank Lo explică ce implică și discută despre alte „talente soft” importante.

Curiozitatea este descrisă ca o dorință de a afla mai multe despre ceva. Deoarece oamenii de știință de date își petrec aproximativ 80% din timp achiziționând și pregătind date, trebuie să puteți pune întrebări despre acestea în calitate de cercetător de date. Acest lucru se datorează faptului că subiectul științei datelor evoluează rapid și va trebui să învățați mai multe pentru a ține pasul.

Ar trebui să vă mențineți expertiza la zi, citind cărți relevante despre tendințele științei datelor și revizuind conținutul online. Nu vă lăsați intimidați de cantitatea masivă de informații care circulă pe internet; trebuie să poți înțelege totul. Una dintre abilitățile de care veți avea nevoie pentru a reuși ca om de știință a datelor este curiozitatea. De exemplu, este posibil să nu vedeți nicio perspectivă în datele pe care le-ați adunat la început. Curiozitatea vă va permite să parcurgeți datele în căutare de răspunsuri și informații noi.

Perspicacitatea afacerilor

Pentru a fi un om de știință a datelor, trebuie să aveți o conștientizare aprofundată a industriei în care lucrați și să fiți conștient de problemele de afaceri pe care organizația dvs. încearcă să le rezolve. În ceea ce privește știința datelor, capacitatea de a detecta care probleme sunt vitale de rezolvat pentru organizație, precum și de a identifica noi moduri în care firma le-ar putea valorifica datele, este critică.

Pentru a face acest lucru, trebuie mai întâi să înțelegeți modul în care problema pe care o rezolvați poate afecta organizația. Acesta este motivul pentru care trebuie să înțelegeți cum funcționează afacerile pentru a vă concentra eforturile în mod corespunzător.

Abilități de comunicare

Companiile care caută un specialist în date competent își doresc pe cineva care să-și comunice concluziile tehnice unei echipe non-tehnice, cum ar fi departamentele de marketing sau vânzări, într-o manieră clară și fluentă. Pentru a gestiona datele în mod eficient, un cercetător de date trebuie să permită companiei să ia decizii, oferindu-le informații cantitative, precum și cunoașterea cerințelor colegilor lor non-tehnici. Mai multe informații despre abilitățile de comunicare ale experților cantitativi pot fi găsite în ultimul nostru sondaj flash.

Nu numai că trebuie să comunicați în aceeași limbă cu organizația, dar trebuie să utilizați și povestirea datelor.
Ca om de știință a datelor, trebuie să știi cum să împletești o narațiune în jurul datelor astfel încât să fie ușor de înțeles. De exemplu, afișarea unui tabel de statistici nu este la fel de reușită ca transmiterea perspectivelor datelor într-o manieră narativă. Povestirea vă va ajuta să comunicați în mod eficient descoperirile dvs. șefilor.

Acordați atenție rezultatelor și valorilor încorporate în datele pe care le-ați analizat atunci când comunicați. Majoritatea proprietarilor de afaceri nu sunt interesați să învețe ceea ce ați descoperit; în schimb, ei vor să știe cum va beneficia compania lor. Învață să comunici într-un mod care se concentrează pe oferirea de valoare și pe stabilirea de relații pe termen lung.

lucru in echipa

Un cercetător de date nu poate lucra singur. Lucrul cu directori de firmă pentru a construi strategii, manageri de produs și designeri pentru a produce produse mai bune, marketeri pentru a lansa campanii de conversie mai bune și dezvoltatori de software pentru clienți și server pentru a crea conducte de date și a optimiza fluxul de lucru sunt toate lucrurile pe care trebuie să le faci. Va trebui să colaborați cu toată lumea din companie, inclusiv cu consumatorii dvs.

În esență, veți lucra cu colegii dvs. de echipă pentru a crea cazuri de utilizare, astfel încât să puteți înțelege obiectivele de afaceri și datele care vor fi necesare pentru a aborda provocările. Va trebui să știți cum să abordați corect cazurile de utilizare, de ce date veți avea nevoie pentru a rezolva problema și cum să traduceți și să prezentați rezultatele într-un mod pe care toată lumea să le poată înțelege.

Resurse

Licență avansată - Pentru a satisface nevoia actuală, sunt dezvoltate mai multe grade de știință a datelor, dar există și multe programe de matematică, statistică și informatică disponibile.

MOOC – Coursera, Udacity și Codeacademy sunt toate locurile excelente de început.

Certificari – KDnuggets a publicat o listă cuprinzătoare.

Bootcamps – Consultați acest blog invitat de la oamenii de știință de date ai Datascope Analytics pentru informații suplimentare despre cum se compară această strategie cu programele de studii sau MOOC.

Kaggle – Kaggle organizează provocări în domeniul științei datelor în care puteți exersa cu date dezordonate, din lumea reală și puteți rezolva probleme de afaceri din lumea reală. Clasamentele Kaggle sunt luate în serios de către angajatori, deoarece sunt considerate ca fiind relevante, lucrări practice de proiect.

Grupuri LinkedIn – Pentru a comunica cu alți membri ai comunității științei datelor, alăturați-vă unor grupuri relevante.

Data Science Central și KDnuggets – Data Science Central și KDnuggets sunt resurse excelente pentru a ține pasul cu tendințele din industria științei datelor.

Studiul Burtch Works: Salariile cercetătorilor de date – Dacă sunteți interesat să aflați mai multe despre salariile și datele demografice actuale ale cercetătorilor de date, descărcați cercetarea noastră privind salariile pentru cercetătorii de date.

Sunt sigur că am omis ceva, așa că, dacă cunoașteți o abilitate sau o resursă cheie care ar fi benefică oricărei speranțe în știința datelor, vă rugăm să o postați în comentariile de mai jos!