To analytikere fra LinkedIn skabte udtrykket 'data videnskabsmand' i år 2008. De prøvede bare at beskrive, hvad de laver, dvs. udlede forretningsværdi af de enorme data, der genereres af deres websted. I processen endte de med at navngive jobtitlen, der ville se utrolig efterspørgsel i de kommende år og endda blive betegnet som ‘Sexigste job af de 21St.århundrede.'
Nu er organisationer, der betragter 'data' som et værdifuldt aktiv, på udkig efter disse dataeksperter eller 'forskere' for at lede dem ind i fremtiden.
Så hvad skal der til for at være en god dataforsker? ……… En række færdigheder!
få længde på array i javascript
Kort kig på en datavidenskabs kernefærdigheder.
Processen med datavidenskab inkluderer 3 faser.
- Datafangst
- Dataanalyse
- Præsentation
Lad os se nærmere på dataforskernes rolle i hvert af disse faser.
Datafangst
- Programmering og databasefærdigheder
Det første trin i datamining er at registrere de rigtige data. Så for at være dataforsker er det meget vigtigt at være fortrolig med værktøjer og teknologier, især open source som Hadoop, Java, Python, C ++ og databaseteknologier som SQL, NoSQL, HBase og så videre.
- Forretningsdomæne og ekspertise
Data varierer alt efter forretning. Derfor kræver forståelse af forretningsdata ekspertise, som kun kommer ved at arbejde i et bestemt datadomæne.
For eksempel: Data indsamlet fra det medicinske felt vil være helt forskellige fra dataene fra en detailtøjbutik.
- Datamodellering, lager og ustrukturerede datafærdigheder
Organisationer samler enorme mængder data gennem forskellige ressourcer. Dataene fanget på denne måde er ustrukturerede og skal organiseres inden analyse. Derfor skal en dataforsker være dygtig til at modellere de ustrukturerede data.
Dataanalyse
- Statistiske værktøjsfærdigheder
En væsentlig færdighed hos en datavidenskabsmand er at vide, hvordan man bruger de statistiske værktøjer som R, Excel, SAS og så videre. Disse værktøjer er nødvendige for at male de indsamlede data og analysere dem.
hvad er salesforce service sky
- Matematiske færdigheder
Datalogisk viden alene er ikke tilstrækkelig til at være datalog. Datavidenskabsprofilen kræver nogen, der kan forstå store maskinlæringsalgoritmer og programmering, mens de er en dygtig statistiker. Dette kræver ekspertise inden for andre videnskabelige og matematiske discipliner bortset fra computersprog.
Præsentation
- Visualiseringsværktøjsfærdigheder
Du kan muligvis udvinde og modellere de indsamlede data, men er du i stand til at visualisere det?
Hvis du vil være en vellykket dataforsker, skal du være i stand til at arbejde med nogle datavisualiseringsværktøjer for at repræsentere dataanalyser visuelt. Nogle af disse inkluderer R, Flare, HighCharts, AmCharts, D3.js, Processing og Google Visualization API osv.
Men dette er ikke slutningen! Hvis du virkelig er ivrig efter at blive dataforsker, skal du også have følgende færdigheder:
- Kommunikationsegenskaber: Statistik og Excel er de vanskelige at håndtere. Dataforskere skal være i stand til at præsentere dataene på en måde, så de kommunikerer resultaterne til forretningsbrugere.
- Forretningsfærdigheder : Dataforskere bliver nødt til at spille flere roller. De har brug for at kommunikere med forskellige mennesker i organisationen. Derfor vil det være til stor hjælp at have stærke forretningskompetencer, der inkluderer kommunikation, planlægning, organisering og styring. Dette inkluderer forståelse af forretnings- og applikationskrav og fortolkning af oplysningerne i overensstemmelse hermed. Han skal også have en overordnet forståelse af de vigtigste udfordringer i branchen og være opmærksom på de økonomiske forhold for bedre beslutningstagning. Bundlinjen, en datavidenskabsmand, der også tænker 'forretning'.
- Problemer med problemløsning: Dette synes åbenlyst, da datalogi handler om problemløsning. En effektiv dataforsker skal tage tid og undersøge problemet dybt og komme med en mulig løsning, der passer til brugeren.
- Forudsigelsesfærdigheder: En dataforsker bør også være en effektiv forudsigelse. Han skal have bred viden om algoritmer for at vælge den rigtige, der passer korrekt til datamodellen. Dette involverer en vis mængde kreativitet til at bruge og repræsentere dataene klogt.
- Hacking: Jeg ved, det lyder skræmmende, men forskellige hackingfærdigheder som manipulation af tekstfiler på kommandolinjen, forståelse af vektoriserede operationer og algoritmisk tænkning vil gøre dig til en bedre dataforsker.
Når man ser på ovenstående færdigheder, er det klart, at det at være datavidenskab handler ikke kun om at vide alt om data. Det er en jobprofil med en sammenlægning af datafærdigheder, matematiske færdigheder, forretningsfærdigheder og kommunikationsevner. Med alle disse færdigheder sammen kan en Data Scientist med rette kaldes som rockstjernen i IT-feltet.
Tjekliste for at blive en fantastisk og effektiv dataforsker:
kø datastruktur i java
Vi dækkede de færdigheder, der kræves for at blive dataforsker. Der er en enorm forskel ved bare at blive datavidenskabsmand og blive en fantastisk og effektiv dataforsker. Følgende færdigheder sammen med de ovennævnte færdigheder adskiller dig fra at være en normal eller endda en middelmådig dataforsker.
- Matematiske færdigheder - Beregninger, matrixoperationer, numerisk optimering, stokastiske metoder osv.
- Statistiske færdigheder - Regressionsmodeller, tress, klassifikationer, diagnostik, anvendt statistik osv.
- Meddelelse - Visualisering, præsentation og skrivning.
- Database - Udover CouchDB, viden i ikke-traditionelle databaser som MongoDB og Vertica.
- Programmeringssprog - Gris, Hive, Java, Python osv.
- Naturlig sprogbehandling og Data Mining.
Edureka har en specielt kurateret som hjælper dig med at få ekspertise inden for maskinlæringsalgoritmer som K-Means Clustering, Decision Trees, Random Forest, Naive Bayes. Du lærer også begreberne Statistik, Tidsserier, Tekstminedrift og en introduktion til dyb læring. Nye partier til dette kursus starter snart !!