Данни за науката не е само за данни. Голите основи разпознават всички данни, които трябва да се съхраняват, като се идентифицира как да се обработва за различни резултати. Това не спира там. Учените по данни трябва да разберат получените данни и да ги запълнят с данни, които "могат" да се появят в бъдеще. Данните за науката по същество се отнасят до свързването на точки в бизнеса и използването на съществуващи и несъществуващи данни, за да отговори на изискванията на всеки бизнес.
Data Science е една от най-горещите области в областта на технологиите, както и търсенето на изследователи на данни в световен мащаб. Всъщност беше обявена и нова онлайн програма за сертифициране на Microsoft, наречена Microsoft Professional Degree Degree Program.
Какво е Data Science
Какво е Data Science? Нека да я проверим, като изброим всяка стъпка, така че да се появи цялостното изображение. Поради това е трудно да се обясни с едно изречение, но ще се опитам. Науката за данни е науката, която ви позволява да идентифицирате данни за различни цели, да идентифицирате нуждите на бизнеса за информация, да обработвате данните, като използвате наличните инструменти, за да осигурите суровини, необходими за успеха на бизнеса. Поради това , Data Science е малко от всичко. Това включва не само статистически умения, но и малко управленски умения, някои езикови процеси, изследователски умения, малко знания за машинно обучение и пълна представа какви инструменти са необходими за постигането на желаните резултати.
Данните за науката съдържат всички изброени по-долу, независимо от това, какво се използва в бизнеса:
- Създаване на необходимост от данни
- Категоризиране на наборите от данни въз основа на тяхното възможно използване
- Стратегическо съхранение на набори от данни в помещенията или в облака; в двата случая наборът от данни трябва да бъде на разположение при поискване без забавяне
- Разбирането на потоците бизнес процеси и как различните полета за данни са полезни за всеки от тях
- Разбирането на бизнес решения, за да помогне на бизнеса да се справи по-добре
- Възможност за обработка на данни чрез различни набори от инструменти: електронни таблици, бази данни, езици за програмиране и др., За да отговори на нуждите на бизнес процесите
- Способността да се предвиди какъв вид данни ще се внесат в близко бъдеще и да се използва за текущите процеси
- Анализиране на резултатите от процеса и връщане към чертожната дъска, за да го подобрим
Горепосоченият списък не е изчерпателен, но подчертава основните елементи на науката за данни. Както подсказва първата точка, изследователите на данни трябва да могат да убедят бизнеса, че всички данни са полезни и следователно трябва да се съхраняват за дълго време. Може би да се постави на тези полезни стари бази данни на някои споделен облак в продължение на 10-15 години, така че да могат да го гледат и да произвеждат по-ефективни бази данни? Необходимостта може да възникне, тъй като бизнес средата продължава да се променя. Законите за промяна на земята, промените в бизнес процесите и данните трябва да бъдат адаптирани. По този начин, колкото повече данни разполагате, толкова по-ефективна ще бъдете.
Черти и изисквания, за да станете учен по данни
В третата алинея по-горе, аз се опитах да опиша науката за данни като сливане на маркетингова, управленска, статистическа, наука за машинно обучение. Просто статистическите умения няма да бъдат достатъчни. Ще ви трябва повече от това.
На първо място, ще ви трябва Математически умения, Те ще бъдат смятане и алгебра в допълнение към обикновената аритметика. Научете метричната система за изчисления, както биха били точни. Трябва да бъдете добри в пермутациите и комбинациите. Учебният курс по математика може да обхване всички тези неща. Има и онлайн курсове в Coursera.
Това ще ви помогне, ако имате опит или знания за екипното управление. Също така, сертификатите и дипломите за управление на бизнеса ще ви дадат предимство.
Ще трябва да научите поне един език за обработка на данни. От рекламите, които съм виждал, Питон и R винаги са в търсенето. R е част от Hadoop така че ако имате сертификат в Hadoop, шансовете ви за наемане да се увеличат.
Изискванията да станат учен за данни ще продължат да се променят, все повече и повече неща се добавят към Data Science. Например, малко опит в машинното обучение ще върви далеч по пътя към постигането на добра работа в тази област, защото всички се фокусират върху AI тези дни.
Функционалните описания на Data Scientist варират от бизнеса до бизнеса. На едно място просто се нуждаят от анализи, докато на някакво друго място, те ще искат учени, работещи по изкуствен интелект. Разгледайте списъка, който написах, за да обясня данните от науката. Колкото повече точки можете да покриете, толкова по-добре ще бъде за вас.
Ако все още имате въпроси като това, което е науката за данни или какви са изискванията да станете учен по данни, моля, оставете коментари. Ще се опитам да получа отговори.
Подобни публикации:
- Какво представлява машинното обучение и как е различно от изкуственото разузнаване
- Microsoft Learning Partner: Изисквания, Ползи, Как да станете един
- Разлика между SQL и NoSQL: Сравнение
- Съвети за това как да станете Microsoft MVP или MCC
- Програма за професионални степени на Microsoft в областта на науката за данни
