תפקיד משרה: מדען נתונים

תוֹכֶן

• הגדרות שונות, חובות מגוונות
• אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
• הכישורים של מדען נתונים

מקור: סרגיי חאקימולין / iStockphoto

להסיר:

למדענים נתונים יש עבודות רחבות היקף שמשתנות במידה ניכרת לפי היישום. אך דבר אחד המשותף לכולם הוא הכונן לעשות שימוש טוב בנתונים.

מה עושה מדען נתונים בעבודה של בינה מלאכותית ולימוד מכונות? הרבה מקצוענים שמתמודדים עם סוגים אלה של פרויקטים כל יום היו אומרים שהשאלה די קשה לענות עליה. שאלה טובה יותר תהיה: מה מדעני נתונים לא עושים?

מדען נתונים הוא אינטגרלי בתהליך AI או ML, במובן זה שכל הפרויקטים הללו תלויים בנתונים גדולים או בתשומות מורכבות. מדען הנתונים הוא הקרייריסט החיוני שיודע לעבוד עם נתונים כדי לייצר תוצאות.

עם זאת, יש כמה דרכים לדבר על מה שמדען נתונים עושה, אילו כישורים הוא או היא צריכים ומה תפקידו בתהליך.

לקרוא: 6 מושגי מדע נתונים עיקריים שתוכלו לשלוט בהם באמצעות למידה מקוונת

הגדרות שונות, חובות מגוונות

מומחים רבים המתארים את עבודתו של מדען נתונים מדברים על כך באופן נרחב.

"בחברות קטנות או כשעבד בשוק חדש, תפקידו של מדען נתונים הוא להמיר מקורות נתונים חדשים (אך ברורים מאליהם) יחסית לדברים הפותרים בעיה עבור משתמש קצה, מה שלא היה אפשרי בעבר, היכן שהטכנולוגיות בהן נעשה שימוש לא היו קיימות, "אומר אנטוניו היקס, מנהל חשבון ב- Mercury Global Partners. "המועמד האידיאלי הוא מישהו שהוא חלק מתמטיקאי, חלק מהנדס תוכנה, ויזם חלק."

אחרים מהדהדים רעיון בסיסי זה, ומזכירים אילו נתונים מדענים צריכים כדי להתמודד עם פרויקטים של דוגמנות.

ארין אקינצ'י, מנהל מדען נתונים, אומר ארין אקינצ'י, "התכונה החשובה ביותר שמדען נתונים זקוק לה היא סקרנות עמוקה סביב העולם - בין אם הם עונים על שאלות או בונים מודלים, הרצון להבין את הבעיה מולם הוא המפתח. באסנה. "משם, מרבית האנשים ידרשו מיומנויות במתמטיקה ותכנות כדי למצוא פתרונות, אבל הסוגים הספציפיים של מתמטיקה ותכנות משתנים מאוד בהתאם לתחום המומחיות בתחום מדעי הנתונים."

אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך

אתה לא יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.

"עבודה מדעית מצוינת קשורה יותר לאופן שבו מדען חושב על בעיה, מאשר לכלים שהם משתמשים בכדי לפתור אותה", מוסיף צ'רלי בורג'ן, מייסד ומנכ"ל Valkyrie Intelligence. Valkyrie היא חברה לייעוץ מדעי יישומי, עם פרויקטים מרשימים תחת חסותה כמו ה- Mark I, מכשיר רשת ייעודי המגביר את האימונים והבדיקות ברשת העצבית, ומשפר את האפשר עם קודמות לפלטפורמות למידת מכונה מבוססי ענן.

"השוק דורש מדענים הבקיאים בפיתוח פיתון, תכנון רשת עצבית ויכולת לעצב מחדש מאגר נתונים לארכיטקטורת מסד הנתונים האחרונה," אומר בורג'ון. "יכולות אלה, לעומת זאת, מהוות עמדות טבלה עבור מדען מוכשר. מה שפחות ברור מאליו, הוא כושרו של מדען לסקרנות גמורה, כושר המצאה אגרסיבי ודבקות בשיטה המדעית. "

הכישורים של מדען נתונים

כך שמבחינת מיומנויות מעשיות, מדעני נתונים זקוקים לכמות יצירתיות ומיומנות ככל שהדוגמנות עוברת. הם יכולים גם להפיק תועלת לא מבוטלת מ"כישורים קשים "כמו קידוד ניסיון בפיתון, C ++ או בשפות נפוצות אחרות המיושמות על פרויקטים של ML.

"פייתון ו- C ++ הם חיוניים ויכולים לשלב כישורי קידוד עם ניתוח ועיבוד נתונים וסטטיסטיקה הם מיומנויות ליבה שיגרמו למדען נתונים להתבלט כמועמד או עובד חזק," אומר Val Streif ב- Pramp, פלטפורמת ראיון מדומה מקוונת. עבור מהנדסי תוכנה, מפתחים ומדעני נתונים. "אמנם ניתן לטפל בחלק מכישורי התכנות על ידי זיווג מדען נתונים עם מפתח, אך הרבה יותר קל אם יש לך שתי כישורים משולבים באחד, מנקודת מבט של חברה."

מומחים אחרים מוסיפים לרשימה R, Hadoop, Spark, Sas ו- Java וכן טכנולוגיות כמו Tableau, Hive ו- MATLAB.

כל אלה מייצרים קורות חיים מרשימים, אך חלק מאלה המנוסים בגיוס מדעני נתונים טוענים כי גם הצד האחר "האנושי" משנה. (סוג אחד של מדעני נתונים הוא מדען נתונים לאזרח. למידע נוסף בנושא תפקידם של מדעני נתונים על אזרח בעולם הביג דאטה.)

באופן מסורתי, אנשים עם השכלה מגוונת באומנויות ליברליות עוסקים במדעני נתונים מצוינים, "אומר בורג'ן ומבדיל בין מהנדסים שנמצאים בצד הבניין לבין מדען נתונים, שעבודתם יכולה להיות הרבה יותר מושגית. הוא ממשיך:

מומחיות בתחום STEM מסורתי עם מיקוד משלים בתחומי מדעי הרוח, האמנויות או העסקים מניב את אותן תכונות שהופכות מדען מצוין לתעשייה. יש לומר שזה חשוב באותה מידה ליכולתו של הארגון לרתום את התכונות הללו ולעצב את להט ושיטותיהם באופן יצרני. ציינתי שכאשר יוזמה למדעי נתונים אינה מצליחה, הארגון עשוי להיות אשם באותה מידה כמו המדענים. מדענים אינם מהנדסים. הם לא מונעים לבצע ולבנות. הם מונעים לגלות ולהבין. ארגונים שמבינים בהבדל זה מתוגמלים היטב בגידול שני השדות.

באשר לאילו נתונים מדענים מיישמים את עצמם בדרך כלל, זה קשור ליעדי הליבה של החברה. חברות מסוימות רודפות אחר אינטרנט מבוזר - חלק משחקות עם IoT או SaaS. אחרים מנסים לחלוץ דרך AI "ידידותי למשתמש" או "אתי" או "שקוף".

בכל מקרה, סביר להניח שמדעני נתונים מגשרים על הפרש בין הערכים הקשים על הנתונים שהם משתמשים בהם, בכל ערימה טכנולוגית שהיא נמצאת במשחק, לבין עבודת ההפעלה של המשגה של פונקציונליות AI / ML.

"אנו שוכרים מדעני נתונים לניהול איסוף וניקוי נתונים, כמו גם לתרגום של נתונים אלה למידע משמעותי", אומר מייקל האפ, מנהל נתונים ומדעי נתונים ב- G2 Crowd. הוא מרחיב:

בדרך כלל זה אומר לנהל כל אלגוריתמים חשובים המניעים את מנוע הנתונים של החברה ולהיות רהוט בכלים ושפות אנליטיות עיקריות, אך בשנים האחרונות כלל גם תחומים מתעוררים כמו עיבוד שפות טבעיות, למידת מכונות, צורות אחרות של ניתוח תומך AI. מדעני הנתונים המצליחים ביותר הם אלה שמשלבים את כישוריהם הקשים עם יכולת ללמוד במהירות, ויכולת לתקשר ביעילות את התובנות שהם מגלים כך שהם יהיו בעלי משמעות לעסק שלהם.

עם תובנות מסוג זה, קל יותר לאנשי מקצוע צעירים או סטודנטים להבין אם מדען נתונים יהיה תפקיד טוב עבורם וכיצד לרכוש מיומנויות. למידת STEM הופכת לנגישה יותר בבתי ספר ברחבי הארץ, אך אין תחליף לתשוקה לקידוד וטכנולוגיה וליכולת ללמוד תוך כדי תנועה.