Två analytiker från LinkedIn myntade termen ”datavetare” under 2008. De försökte bara beskriva vad de gör, det vill säga härleda affärsvärde från de massiva uppgifter som genereras av deras webbplats. I processen slutade de med att namnge den jobbtitel som skulle se otrolig efterfrågan under de kommande åren och till och med kallas som ”Sexigaste jobbet av de 21stårhundrade.'
Nu letar organisationer som ser ”data” som en värdefull tillgång efter dessa dataexperter eller ”forskare” för att leda dem in i framtiden.
Så vad krävs för att vara en stor datavetare? ……… En mängd olika färdigheter!
Kort titt på en datavetenskapares kärnkompetenser.
Datavetenskapsprocessen innehåller tre steg.
- Data infångning
- Dataanalys
- Presentation
Låt oss titta närmare på en datavetenskapares roll i vart och ett av dessa steg.
Data infångning
- Programmering och databasfärdigheter
Det första steget i datautvinning är att fånga in rätt data. Så för att vara datavetare är det mycket viktigt att känna till verktyg och tekniker, särskilt de öppna källkoderna som Hadoop, Java, Python, C ++ och databasteknologier som SQL, NoSQL, HBase och så vidare.
- Affärsdomän och expertis
Uppgifterna varierar beroende på verksamheten. Därför behöver kunskap om affärsdata kunskap, som bara kommer genom att arbeta i en viss datadomän.
hur man implementerar en hög
Till exempel: Uppgifter som samlas in från det medicinska området kommer att skilja sig helt från uppgifterna från en detaljhandelskläderbutik.
- Datamodellering, lager och ostrukturerade datafärdigheter
Organisationer samlar enorma mängder data genom olika resurser. Data som fångas på detta sätt är ostrukturerad och måste organiseras innan analys. Därför måste en datavetare vara skicklig i att modellera de ostrukturerade uppgifterna.
Dataanalys
- Statistiska verktygsfärdigheter
En dataforskares grundläggande skicklighet är att veta hur man använder de statistiska verktygen som R, Excel, SAS och så vidare. Dessa verktyg krävs för att slipa den fångade data och analysera den.
- Matematiska färdigheter
Datavetenskaplig kunskap räcker inte för att vara datavetare. Datavetenskapsprofilen kräver någon som kan förstå storskaliga maskininlärningsalgoritmer och programmering, samtidigt som han är en skicklig statistiker. Detta kräver expertis inom andra vetenskapliga och matematiska discipliner förutom datorspråk.
Presentation
- Färdigheter för visualiseringsverktyg
Du kanske kan bryta och modellera den samlade informationen, men kan du visualisera den?
Om du vill bli en framgångsrik datavetare bör du kunna arbeta med några datavisualiseringsverktyg för att representera dataanalyser visuellt. Några av dessa inkluderar R, Flare, HighCharts, AmCharts, D3.js, Processing och Google Visualization API etc.
Men detta är inte slutet! Om du verkligen vill bli datavetare bör du också ha följande färdigheter:
vad är virtuell funktion i java
- Kommunikationsfärdigheter: Statistik och Excel är de knepiga att hantera. Dataforskare ska kunna presentera uppgifterna på ett sätt så att de kommunicerar resultaten till företagsanvändarna.
- Företags skickligheter : Dataforskare måste spela flera roller. De skulle behöva kommunicera med olika människor i organisationen. Därför kommer det att vara till stor hjälp att ha starka affärsfärdigheter som inkluderar kommunikation, planering, organisering och hantering. Detta inkluderar att förstå affärs- och applikationskrav och att tolka informationen därefter. Han borde också ha en övergripande förståelse för de viktigaste utmaningarna i branschen och bör vara medveten om de ekonomiska förhållandena för bättre beslutsfattande. Slutsatsen, en datavetare som också tänker 'Business'.
- Problemlösningsförmåga: Detta verkar uppenbart eftersom datavetenskap handlar om problemlösning. En effektiv datavetare måste ta tid och undersöka problemet djupt och komma med en genomförbar lösning som passar användaren.
- Förutsägelsefärdigheter: En datavetare bör också vara en effektiv prediktor. Han borde ha bred kunskap om algoritmer för att välja rätt för att passa datamodellen. Detta innebär viss kreativitet för att använda och representera data klokt.
- Dataintrång: Jag vet att det låter läskigt, men olika hackfärdigheter som att manipulera textfiler på kommandoraden, förstå vektoriserade operationer och algoritmiskt tänkande kommer att göra dig till en bättre datavetare.
När man tittar på ovanstående färdighetsuppsättningar är det uppenbart att det att vara datavetare inte bara handlar om allt om data. Det är en jobbprofil med en sammanslagning av datafärdigheter, matematiska färdigheter, affärsfärdigheter och kommunikationsförmåga. Med alla dessa färdigheter tillsammans kan en Data Scientist med rätta kallas som rockstjärnan inom IT-fältet.
Kontrollista för att bli en fantastisk och effektiv datavetare:
Vi täckte de färdigheter som krävs för att bli datavetare. Det är en enorm skillnad att bara bli datavetare och bli en fantastisk och effektiv datavetare. Följande färdigheter tillsammans med ovan nämnda färdigheter skiljer dig från att vara en normal eller till och med en medelmåttig datavetare.
- Matematiska färdigheter - Beräkningar, matrisoperationer, numerisk optimering, stokastiska metoder, etc.
- Statistiska färdigheter - Regressionsmodeller, tress, klassificeringar, diagnostik, tillämpad statistik, etc.
- Kommunikation - Visualisering, presentation och skrivning.
- Databas - Förutom CouchDB, kunskap i icke-traditionella databaser som MongoDB och Vertica.
- Programmeringsspråk - Pig, Hive, Java, Python, etc.
- Naturlig språkbehandling och Data Mining.
Edureka har en speciellt kuraterad vilket hjälper dig att få expertis inom maskininlärningsalgoritmer som K-Means Clustering, Decision Trees, Random Forest, Naive Bayes. Du lär dig också begreppen statistik, tidsserier, textbrytning och en introduktion till djupt lärande. Nya satser för denna kurs börjar snart !!