W ostatnim roku nauka o danych stała się nierozerwalna w codziennych operacjach. Nauka o danych jest wykorzystywana w produktach, marketingu, inżynierii i sprzedaży, aby podejmować kluczowe decyzje. Sensacyjne stwierdzenia, że „Data Scientist” jest najseksowniejszą pracą, podniosły popularność tego nerdowskiego stanowiska.
W rezultacie widzimy, jak ludzie pokazują swoje stanowisko, a niektórzy starają się nim zostać. Patrząc na ich kwalifikacje, wykształcenie, doświadczenie, uzdolnienia i nastawienie, jest oczywiste, że nie wszystkie należą do tej samej kategorii. Dlaczego więc używają tego samego stanowiska, niezależnie od różnic?
Może to wynikać z faktu, że naukowców zajmujących się danymi można ogólnie podzielić na dwie kategorie:
call by referencja c ++ przykład
- Analiza danych skoncentrowana na produkcie.
- Styl Business Intelligence w nauce o danych.
W każdej kategorii jest około 4 do 5 grup.
W raporcie O’Reilly Strata „Analyzing the Analyzers” naukowcy zajmujący się danymi są sklasyfikowani na podstawie nauki o danych skoncentrowanej na produkcie w następujący sposób.
Analiza danych skoncentrowana na produkcie
- Badacz danych
Specjaliści w tej kategorii pochodzą ze świata akademickiego i mają dogłębną wiedzę w zakresie statystyki lub nauk fizycznych lub społecznych. Ten typ analityka danych często posiada tytuł doktora, ale ma słabe umiejętności w zakresie uczenia maszynowego, programowania lub biznesu.
- Programista danych
Ci faceci zwykle koncentrują się na kwestiach technicznych związanych z obsługą danych. Są mocni w programowaniu i uczeniu maszynowym, ale słabi w umiejętnościach biznesowych i statystycznych.
czytaj plik xml w przykładzie java
- Kreacje z danymi
To są ludzie, którzy robią coś innowacyjnego z gór danych. Posiadają duże umiejętności w zakresie uczenia maszynowego, Big Data, programowania i innych umiejętności do obsługi ogromnych danych.
- Ludzie biznesu danych
Reprezentują stronę biznesową i są odpowiedzialni za podejmowanie ważnych decyzji biznesowych za pomocą technik analizy danych. Stanowią eklektyczną mieszankę biegłości biznesowej i technicznej.
Analiza danych oparta na Business Intelligence
- Ilościowi, eksploracyjni naukowcy danych
Naukowcy zajmujący się danymi ilościowymi i eksploracyjnymi są skłonni mieć doktorat i wykorzystywać teorię do zrozumienia zachowania. Łącząc teorię i badania eksploracyjne, naukowcy zajmujący się danymi ulepszają produkty.
- Operacyjni naukowcy danych
Operacyjni analitycy danych często pracują w zespołach finansowych, sprzedażowych lub operacyjnych w organizacji. Jego rolą jest analiza wydajności, odpowiedzi i zachowania procesu, aby ulepszyć strategię i efektywność organizacji.
- Badacze danych produktów
Naukowcy zajmujący się danymi produktów pasują do zarządzania produktem lub inżynierii. Ich zadaniem jest przeszukiwanie dzienników i narzędzi analitycznych, aby zrozumieć, w jaki sposób użytkownicy korzystają z produktu, i wykorzystać tę wiedzę do dostrojenia produktu.
- Marketing Data Scientists
Marketingowcy zajmujący się danymi koncentrują się na bazie użytkowników, oceniają wydajność i pracują nad poprawą wydajności, podobnie jak standardowy specjalista od marketingu.
- Badacze danych
Naukowcy zajmujący się danymi badawczymi tworzą spostrzeżenia na podstawie zestawu danych. Firmy typu start-up rzadko zatrudniają naukowców, ponieważ ich wyniki nie są powiązane z zyskami. Ale większe firmy, think tanki i instytucje finansowe to robią.
print_r na string
Ta klasyfikacja pokazuje, że dowolna grupa ludzi może zostać przypisana do dowolnej kategorii. Odpowiedni typ naukowca danych można wybrać na podstawie wymagań organizacji
Zanim wybierzesz typ naukowca danych, którym chcesz się stać, rozważ wymagane umiejętności lub umiejętności, które już posiadasz, aby podążać w odpowiednim kierunku.
Więc kim będziesz ?? Programista, statystyk, marketer, lider biznesowy czy specjalista od wszystkich branż?
Edureka ma specjalnie wyselekcjonowany co pomaga zdobyć wiedzę w zakresie algorytmów uczenia maszynowego, takich jak klastry k-średnich, drzewa decyzyjne, losowy las, naiwny Bayes. Poznasz pojęcia statystyki, szeregów czasowych, eksploracji tekstu, a także wprowadzisz do głębokiego uczenia się. Wkrótce zaczną się nowe partie tego kursu !!