Kaksi LinkedInin analyytikkoa loi termin 'datatieteilijä' vuonna 2008. He yrittivät vain kuvata, mitä tekevät, eli saada liiketoiminnallista arvoa verkkosivustonsa tuottamasta massiivisesta tiedosta. Prosessin aikana he päätyivät nimeämään työnimikkeen, joka näkisi uskomattoman kysynnän tulevina vuosina ja jopa kutsutaan nimellä ”21: n seksikkäin työstvuosisadalla. ”
Nyt organisaatiot, jotka pitävät 'dataa' arvokkaana voimavarana, etsivät näitä tietoasiantuntijoita tai 'tutkijoita' johtamaan niitä tulevaisuuteen.
Joten mitä tarvitaan olemaan suuri datatieteilijä? Erilaisia taitoja!
Lyhyt katsaus datatieteilijän ydinosaamiseen.
Datatieteen prosessi sisältää 3 vaihetta.
- Tiedonkeruu
- Tietojen analysointi
- Esitys
Katsotaanpa tarkemmin datatieteilijän roolia kussakin näistä vaiheista.
Tiedonkeruu
- Ohjelmointi ja tietokantataidot
Tiedonlouhinnan ensimmäinen vaihe on kaapata oikeat tiedot. Joten ollakseen datatieteilijä on erittäin tärkeää tuntea työkalut ja tekniikat, erityisesti avoimen lähdekoodin, kuten Hadoop, Java, Python, C ++, ja tietokantatekniikat, kuten SQL, NoSQL, HBase ja niin edelleen.
- Liiketoiminta-alue ja asiantuntemus
Tiedot vaihtelevat toimialoittain. Siksi yritystietojen ymmärtäminen vaatii asiantuntemusta, joka syntyy vain työskentelemällä tietyllä tietotunnuksella.
Esimerkiksi: Lääketieteen alalta kerätyt tiedot eroavat täysin vaatteiden vähittäiskaupan tiedoista.
- Tietomallinnus, varasto ja strukturoimattomat tietotaidot
Organisaatiot keräävät valtavan määrän tietoa eri resurssien kautta. Tällä tavalla kaapatut tiedot ovat rakentamattomia, ja ne on järjestettävä ennen analyysiä. Siksi datatieteilijän on osattava jäsentää strukturoimattomia tietoja.
Tietojen analysointi
- Tilastollisten työkalujen taidot
Datatieteilijän olennainen taito on osata käyttää tilastollisia työkaluja, kuten R, Excel, SAS ja niin edelleen. Näitä työkaluja tarvitaan siepattujen tietojen jauhamiseen ja analysointiin.
- Matemaattiset taidot
Tietojenkäsittelytiede ei yksin riitä olemaan datatieteilijä. Datatieteilijän profiili vaatii jonkun, joka ymmärtää laajamittaiset koneoppimisalgoritmit ja ohjelmoinnin, samalla kun hän on taitava statisti. Tämä tarvitsee asiantuntemusta muilta tieteellisiltä ja matemaattisilta aloilta paitsi tietokonekielistä.
Esitys
- Visualisointityökalun taidot
Voit ehkä kaivaa ja mallintaa kerätyt tiedot, mutta pystytkö visualisoimaan ne?
Jos haluat olla menestyvä datatieteilijä, sinun pitäisi pystyä työskentelemään joidenkin tietojen visualisointityökalujen kanssa edustamaan data-analyysejä visuaalisesti. Jotkut näistä ovat R, Flare, HighCharts, AmCharts, D3.js, Processing ja Google Visualization API.
Mutta tämä ei ole loppu! Jos haluat todella tulla datatieteilijäksi, sinulla on oltava myös seuraavat taidot:
- Kommunikointitaidot: Tilastot ja Excel ovat hankalia käsitellä. Datatieteilijöiden tulisi pystyä esittämään tiedot tavalla, joka välittää tulokset yrityskäyttäjille.
- Liiketoiminnan taidot : Datatieteilijöiden on pelattava useita rooleja. Heidän tulisi kommunikoida organisaation monien ihmisten kanssa. Siksi suurella avulla on vahva liiketoimintaosaaminen, joka sisältää viestinnän, suunnittelun, organisoinnin ja johtamisen. Tähän sisältyy liiketoiminta- ja sovellusvaatimusten ymmärtäminen ja tietojen tulkitseminen vastaavasti. Hänellä tulisi myös olla yleinen käsitys alan tärkeimmistä haasteista ja hänen tulisi olla tietoinen taloudellisista suhteista parempaan päätöksentekoon. Bottom line, datatieteilijä ajattelee myös 'Business'.
- Ongelmanratkaisutaidot: Tämä näyttää ilmeiseltä, koska datatieteessä on kyse ongelmanratkaisusta. Tehokkaan datatieteilijän on otettava aikaa ja tutkittava ongelmaa perusteellisesti ja keksittävä käyttäjälle sopiva ratkaisu.
- Ennustamistaidot: Datatieteilijän tulisi myös olla tehokas ennustaja. Hänellä tulee olla laaja tietämys algoritmeista, jotta hän voi valita oikean tietomalliin sopivaksi. Tämä edellyttää tiettyä luovuutta käyttää tietoja ja edustaa niitä viisaasti.
- Hakkerointi: Tiedän, että se kuulostaa pelottavalta, mutta erilaiset hakkerointitaidot, kuten tekstitiedostojen käsittely komentorivillä, vektoroitujen operaatioiden ymmärtäminen ja algoritminen ajattelu tekevät sinusta paremman datatieteilijän.
Yllä olevia taitopaketteja tarkasteltaessa on selvää, että datatieteilijänä oleminen ei tarkoita vain kaiken tiedon tuntemista. Se on työprofiili, johon on yhdistetty datataidot, matemaattiset taidot, liiketoimintaosaamiset ja viestintätaidot. Kaikilla näillä taidoilla yhdessä datatieteilijää voidaan oikeutetusti kutsua IT-kentän rock-tähdeksi.
Tarkastusluettelosta tulee mahtava ja tehokas tietotieteilijä:
Käsittelimme taitoja, joita tarvitaan tietotieteilijäksi tulemiseen. On valtava ero vain tulla tietotieteilijäksi ja tulla mahtavaksi ja tehokkaaksi datatieteilijäksi. Seuraavat taidot yhdessä yllä mainittujen taitojen kanssa erottavat sinut normaalista tai jopa keskinkertaisesta datatieteilijästä.
skanneriluokan menetelmät java
- Matemaattiset taidot - Laskelmat, matriisitoiminnot, numeerinen optimointi, stokastiset menetelmät jne.
- Tilastotaidot - Regressiomallit, tress, luokitukset, diagnostiikka, sovelletut tilastot jne.
- Viestintä - Visualisointi, esittely ja kirjoittaminen.
- Tietokanta - CouchDB: n lisäksi tietoa ei-perinteisistä tietokannoista, kuten MongoDB ja Vertica.
- Ohjelmointikielet - Sika, pesä, Java, Python jne.
- Luonnollisen kielen käsittely ja Tiedonlouhinta.
Edurekalla on erityisesti kuratoitu joka auttaa sinua saamaan asiantuntemusta koneoppimisalgoritmeista, kuten K-Means Clustering, Decision Trees, Random Forest, Naive Bayes. Opit myös tilastojen, aikasarjojen, tekstinlouhinnan ja syvällisen oppimisen käsitteet. Uudet erät tälle kurssille alkavat pian !!