To analytikere fra LinkedIn skapte begrepet ‘data scientist’ i 2008. De prøvde bare å beskrive hva de gjør, dvs. hente forretningsverdi fra de enorme dataene som genereres av nettstedet deres. I prosessen endte de med å kalle stillingstittelen som ville se utrolig etterspørsel i årene som kommer og til og med bli betegnet som ‘Sexigste jobb av de 21St.århundre.'
Nå ser organisasjoner som betrakter ‘data’ som en verdifull ressurs etter disse dataekspertene eller ‘forskerne’ for å lede dem inn i fremtiden.
Så hva skal til for å være en god datavitenskapsmann? ……… En rekke ferdighetssett!
Kort titt på kjerneferdighetene til en datavitenskapsmann.
Prosessen med datavitenskap inkluderer 3 trinn.
- Datafangst
- Dataanalyse
- Presentasjon
La oss se nærmere på en datavitenskapers rolle i hvert av disse trinnene.
Datafangst
- Programmering og databaseferdigheter
Det første trinnet i data mining er å fange de riktige dataene. Så for å være datavitenskapsmann, er det veldig viktig å være kjent med verktøy og teknologier, spesielt de åpne kildekodene som Hadoop, Java, Python, C ++ og databaseteknologier som SQL, NoSQL, HBase og så videre.
- Forretningsdomene og ekspertise
Dataene er forskjellige i henhold til virksomheten. Derfor trenger forståelse av forretningsdata ekspertise, som bare kommer av å jobbe i et bestemt datadomen.
For eksempel: Data samlet fra det medisinske feltet vil være helt forskjellige fra dataene til en detaljhandel klesbutikk.
det har metoder fra skannerklassen lar deg
- Datamodellering, lager og ustrukturerte dataferdigheter
Organisasjoner samler enorm mengde data gjennom forskjellige ressurser. Dataene som fanges opp på denne måten er ustrukturerte og må organiseres før analyse. Derfor må en datavitenskapsmann være dyktig i modellering av ustrukturerte data.
Dataanalyse
- Statistiske verktøy ferdigheter
Den essensielle ferdigheten til en datavitenskapsmann er å vite hvordan man bruker statistiske verktøy som R, Excel, SAS og så videre. Disse verktøyene er nødvendige for å male de fangede dataene og analysere dem.
- Matematiske ferdigheter
Informatikkunnskap alene er ikke tilstrekkelig for å være datavitenskapsmann. Datavitenskapsprofilen krever noen som kan forstå storskala maskinlæringsalgoritmer og programmering, samtidig som de er en dyktig statistiker. Dette trenger ekspertise innen andre vitenskapelige og matematiske fag bortsett fra dataspråk.
Presentasjon
- Visualiseringsverktøy ferdigheter
Du kan kanskje utvinne og modellere de innsamlede dataene, men klarer du å visualisere det?
Hvis du vil være en vellykket datavitenskapsmann, bør du kunne jobbe med noen datavisualiseringsverktøy for å representere dataanalyser visuelt. Noen av disse inkluderer R, Flare, HighCharts, AmCharts, D3.js, Processing og Google Visualization API etc.
Men dette er ikke slutten! Hvis du virkelig er opptatt av å bli datavitenskapsmann, bør du også ha følgende ferdigheter:
- Kommunikasjons ferdigheter: Statistikk og Excel er de vanskelige å takle. Dataforskere skal kunne presentere dataene slik at de kommuniserer resultatene til forretningsbrukerne.
- Forretningsferdigheter : Dataforskere må spille flere roller. De trenger å kommunisere med forskjellige mennesker i organisasjonen. Derfor vil det være til stor hjelp å ha sterke forretningsferdigheter som inkluderer kommunikasjon, planlegging, organisering og administrering. Dette inkluderer forståelse av forretnings- og applikasjonskrav og tolking av informasjonen deretter. Han bør også ha en generell forståelse av de viktigste utfordringene i bransjen og være klar over økonomiske forhold for bedre beslutningstaking. Poenget, en datavitenskapsmann som også tenker ‘Business’.
- Problemløsningsferdigheter: Dette virker åpenbart ettersom datavitenskap handler om problemløsning. En effektiv datavitenskapsmann må ta tid og se på problemet dypt og komme med en gjennomførbar løsning som passer brukeren.
- Prediksjonsferdigheter: En dataforsker bør også være en effektiv prediktor. Han burde ha bred kunnskap om algoritmer for å velge den rette som passer riktig til datamodellen. Dette innebærer en viss kreativitet for å bruke og representere data klokt.
- Hacking: Jeg vet at det høres skummelt ut, men forskjellige hackingferdigheter som å manipulere tekstfiler på kommandolinjen, forstå vektoriserte operasjoner og algoritmisk tenkning vil gjøre deg til en bedre datavitenskapsmann.
Når man ser på ovennevnte ferdighetssett, er det klart at det å være dataforsker ikke bare handler om å vite alt om data. Det er en jobbprofil med en sammenslåing av dataferdigheter, matteferdigheter, forretningsferdigheter og kommunikasjonsevner. Med alle disse ferdighetene sammen kan en Data Scientist med rette kalles som rockestjernen i IT-feltet.
Sjekkliste for å bli en fantastisk og effektiv dataforsker:
Vi dekket ferdighetene som kreves for å bli datavitenskapsmann. Det er en stor forskjell å bare bli datavitenskapsmann og bli en fantastisk og effektiv dataforsker. Følgende ferdigheter sammen med de ovennevnte ferdighetene, skiller deg fra å være en normal eller til og med en middelmådig dataforsker.
- Matematiske ferdigheter - Kalkulasjoner, matriseoperasjoner, numerisk optimalisering, stokastiske metoder, etc.
- Statistiske ferdigheter - Regresjonsmodeller, lokker, klassifiseringer, diagnostikk, anvendt statistikk, etc.
- Kommunikasjon - Visualisering, presentasjon og skriving.
- Database - Foruten CouchDB, kunnskap i ikke-tradisjonelle databaser som MongoDB og Vertica.
- Programmerings språk - Gris, Hive, Java, Python, etc.
- Naturlig språkbehandling og Datautvinning.
Edureka har en spesiell kurat som hjelper deg med å få kompetanse innen maskinlæringsalgoritmer som K-Means Clustering, Decision Trees, Random Forest, Naive Bayes. Du lærer også konseptene Statistikk, Tidsserie, Tekstgruvedrift og en introduksjon til dyp læring. Nye batcher for dette kurset starter snart !!