İçerik
- Değişken Tanımlar, Değişken Görevleri
- Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz
- Bir Veri Bilim İnsanının Becerileri
Kaynak: Sergey Khakimullin / iStockphoto
Paket servisi:
Veri bilimcileri, uygulamaya göre büyük ölçüde değişen geniş kapsamlı işlere sahiptir. Ancak hepsinde ortak olan tek şey, verileri iyi bir şekilde kullanma dürtüsüdür.
Bir veri bilimcisi yapay zeka ve makine öğrenmesi çalışmalarında ne yapar? Her gün bu tür projelerle ilgilenen pek çok profesyonel, sorunun basitçe cevaplandırmanın zor olduğunu söylüyor. Daha iyi bir soru şudur: Veri bilimcileri ne yapmazlar?
Bir veri bilimcisi, bu projelerin hepsinin büyük verilere veya karmaşık girdilere bağlı olması anlamında AI veya ML sürecinin bir parçasıdır. Veri bilimcisi, sonuç üretmek için verilerle nasıl çalışılacağını bilen temel kariyer uzmanıdır.
Bununla birlikte, bir veri bilimcisinin ne yaptığı, hangi niteliklere ihtiyaç duyduğu ve süreçteki rolünün ne olduğu hakkında konuşmanın bazı yolları vardır.
oku: 6 Temel Veri Bilimi Kavramları Online Öğrenimde Ustalaşabilirsiniz
Değişken Tanımlar, Değişken Görevleri
Bir veri bilimcisinin çalışmalarını tanımlayan birçok uzman, bunun hakkında geniş terimlerle konuşur.
“Küçük işletmelerde veya yeni bir pazarda çalışırken, bir veri bilimcisinin rolü, nispeten yeni (ancak açık) veri kaynaklarını daha önce mümkün olmayan bir son kullanıcı için bir problemi çözen öğelere dönüştürmektir. Kullanılan teknolojilerin olmadığı yerlerde, ”diyor Mercury Global Partners'ta Hesap Yöneticisi Antonio Hicks. “İdeal aday, yarı matematikçi, yarı yazılım mühendisi ve yarı girişimci olan biri.”
Diğerleri, bilim insanlarının modelleme projeleriyle başa çıkmak için hangi veri kaynaklarına ihtiyaç duyduklarını söyleyerek bu temel fikri yansıtıyor.
Veri Bilimci Müdürü Erin Akıncı, “Bir veri bilimcisinin ihtiyaç duyduğu en önemli özellik, etrafındaki dünyayla ilgili derin bir meraktır - soruları yanıtlıyorlar mı yoksa modeller oluşturuyorlar mı, önlerinde sorunu anlama arzusu anahtardır” diyor. Asana'da. “Oradan çoğu insan, çözüm bulmak için matematik ve programlama becerilerine ihtiyaç duyacak, ancak belirli matematik ve programlama türleri, veri bilimindeki uzmanlık alanına bağlı olarak büyük ölçüde değişiyor.”
Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz
Hiç kimse yazılım kalitesiyle ilgilenmediğinde programlama becerilerinizi geliştiremezsiniz.
Valkyrie Intelligence Kurucusu ve CEO'su Charlie Burgoyne, “Mükemmel bilimsel çalışmanın, bir bilim insanının bir problem hakkında düşünme biçimiyle daha fazla ilgisi var” diyor. Valkyrie, öncül bulut tabanlı makine öğrenme platformlarında neyin mümkün olduğunu artıran sinir ağı eğitimi ve testini artıran özel bir ağ aracı olan Mark I gibi etkileyici projeleri olan uygulamalı bir bilim danışmanlığı şirketidir.
Burgoyne, “Pazar Python geliştirme, sinir ağı tasarımı ve veri havuzunu en yeni veritabanı mimarisine göre yeniden şekillendirme becerisine sahip bilim adamlarını talep ediyor” diyor. “Ancak, bu yetenekler yetenekli bir bilim insanı için büyük riskli. Daha az açık olan şey ise, bir bilim adamının korkusuzca merak, agresif marifet ve bilimsel yönteme bağlılık konusundaki kabiliyetidir. ”
Bir Veri Bilim İnsanının Becerileri
Uygulamalı beceri kümelerine gelince, veri bilimcileri modellemenin ilerleyişinde bir miktar yaratıcılığa ve ustalığa ihtiyaç duyarlar. Ayrıca Python, C ++ 'da deneyim kodlaması veya ML projelerine uygulanan diğer ortak diller gibi "zor becerilere" sahip olmaktan oldukça yararlanabilirler.
“Python ve C ++ esastır ve kodlama becerilerini veri analizi ve işleme ile birleştirebilme ve istatistik ve veri toplama bilimini güçlü bir aday veya çalışan olarak öne çıkaran temel becerilerdir” diyor çevrimiçi sahte bir görüşme platformu olan Pramp'ta Val Streif yazılım mühendisleri, geliştiriciler ve veri bilimciler için. “Programlama becerilerinin bir kısmı bir veri bilimcisini bir geliştirici ile eşleştirerek halledilir olsa da, her ikisinde de bir şirketin perspektifinden bir araya gelmesi daha kolay olur.”
Diğer uzmanlar da listeye R, Hadoop, Spark, Sas ve Java ile Tableau, Hive ve MATLAB gibi teknolojileri ekliyor.
Bunların hepsi etkileyici bir özgeçmişi ortaya koyuyor, ancak veri bilimcilerini işe alma konusunda deneyimli olanların bazıları diğer “insan” tarafının da önemli olduğunu söylüyor. (Bir veri uzmanı türü vatandaş veri uzmanıdır. Büyük Veri Dünyasındaki Vatandaş Veri Bilimcilerinin Rolü hakkında daha fazla bilgi edinin.)
“Geleneksel olarak, farklı liberal sanat eğitimine sahip bireyler mükemmel veri bilimcileri yapıyor” diyor Burgoyne, inşaat tarafındaki mühendisler ile çalışmaları çok daha kavramsal olabilen veri bilimcileri arasında bir ayrım yaparak. Diye devam ediyor:
Beşeri bilimler, sanat veya işletme alanlarında tamamlayıcı bir odaklanma ile geleneksel bir STEM alanında uzmanlık mükemmel bir endüstri odaklı bilim adamı yapan bu nitelikleri verir. Örgütün bu nitelikleri kullanabilmesinin, hakaretlerini ve yöntemlerini üretken bir şekilde şekillendirmesinin mümkün olduğu kadar önemli olduğu söylenmelidir. Bir veri bilimi girişimi başarısız olduğunda, örgütün bilim adamları kadar suçlu olabileceğini gözlemledim. Bilim adamları mühendis değil. Yürütmeye ve inşa etmeye yönlendirilmezler. Onlar keşfetmeye ve anlamaya yönlendirilirler. Bu farkı kavrayabilen organizasyonlar, her iki alanın ekimi için de iyi ödüllendirilir.
Bilim adamları genellikle kendilerini uyguladıkları veriye gelince, bunun şirketin temel hedefleriyle ilgisi var. Bazı firmalar merkezi olmayan bir interneti takip ediyor - bazıları IoT veya SaaS ile oynuyor. Diğerleri “kullanıcı dostu” veya “etik” veya “şeffaf” AI’ya öncülük etmeye çalışıyor.
Her durumda, veri bilimcileri, kullandıkları verilerde, hangi teknoloji yığınında olursa olsun, kullandıkları verilerdeki zor ölçütler arasındaki sınırı ve AI / ML işlevselliğini kavramsallaştırmada serbestçe dolaşan çalışma arasında bir köprü kuruyor olabilirler.
G2 Crowd Veri Bilimi ve Analitiği Müdürü Michael Hupp “Veri toplama ve temizlemeyi yönetmenin yanı sıra bu verileri anlamlı bilgilere dönüştürmenin yanı sıra veri bilimcilerini işe alıyoruz” diyor. O ayrıntılı:
Genelde bu, bir şirketin veri motorunu yönlendiren ve kilit analiz araçları ve dillerinde akıcı olan önemli algoritmaları yönetmek anlamına gelir, ancak son yıllarda doğal dil işleme, makine öğrenimi, diğer AI-etkin analiz biçimleri gibi yeni ortaya çıkan alanları da içerir. En başarılı veri bilimcileri, zor becerilerini çabuk öğrenme ve çabuk öğrenebilme yetenekleri ile ortaya koydukları bilgileri etkili bir şekilde aktarabilmeleri ve böylece işleri için anlamlı olmalarıdır.
Bu tür kavrayışlarla, genç profesyonellerin veya öğrencilerin veri bilimcisinin kendileri için iyi bir rol olup olmayacağını ve becerilerin nasıl kazanılacağını anlamak daha kolaydır. STEM öğrenimi ülke genelindeki okullarda daha erişilebilir hale geliyor, ancak kodlama ve teknolojiye duyulan tutkunun ve anında öğrenme yeteneğinin yerini tutamaz.