5 самых популярных видов работы в области науки о данных

Ежедневно на этой планете производится 2,5 квинтиллиона байтов данных. Но кто великий человек, который анализирует большую часть этих данных и помогает всем отраслям, предоставляя бизнес-решения? Да, это Data Scientist ( невоспетые знаменитые герои)! Она была объявлена ​​самой горячей работой 22-го века, но знаете ли вы, какую работу предлагает наука о данных? Что ж, мы здесь, чтобы передать тебе факел просвещения, любопытная душа!

Но прежде чем мы начнем это начинание, давайте начнем с важного совета — наука о данных объединяет ряд дисциплин, включая анализ данных, статистику, информатику и машинное обучение. Когда вы новичок в этой области, это может быть пугающим и подавляющим, но важно помнить, что разные компании ожидают разных ролей от одного и того же профиля. Это означает, что «ученый данных» часто используется как общий термин, когда JD кардинально отличается, и набор необходимых навыков также отличается.

Вот несколько вакансий в области науки о данных, на которые вы могли бы обратить внимание:

• Инженер данных

Когда Интернет захватывает мир, бизнес практически не существует, если вы не можете претендовать на то, что на ваше имя есть результаты поиска Google. Некоторым компаниям посчастливилось получить много трафика, но вместе с этим возникает и другая проблема, связанная с тем, что им приходится иметь дело с гораздо большим объемом данных. Но что вы делаете с этими данными? Что ж, данные могут стать вашим порталом к ​​успеху, если использовать их с умом. Инфраструктура данных может быть настроена так, чтобы компания двигалась вперед. Здесь машинное обучение и тяжелая статистика менее важны, чем сильные навыки разработки программного обеспечения. Просто помните, что в компаниях, которые стремятся использовать бесконечные объемы данных, может оказаться, что возможностей наставничества для младших специалистов по данным может оказаться меньше.

В этой области можно расти в геометрической прогрессии, но риск стагнации и провала также высок, если удача покидает вас и вы не получаете достаточного руководства.

Профессиональная и техническая экспертиза
Informatica 9, сценарии оболочки Unix, Pl/SQL
Языки программирования: Java/Python/Scala

• Аналитик данных

Часто синонимом работы Data Scientist в большинстве компаний является описание вашей работы или профиль работы, которые могут потребовать, чтобы вы стали маэстро Tableau или Excel или извлекали данные из баз данных SQL, составляли информационные панели и создавали необходимые визуализации данных.

Техника, которая с годами приобрела популярность, — это A/B-тестирование, при котором проводится рандомизированный эксперимент с двумя вариантами, A и B; статистическая гипотеза включается в ее приложение, а проверка гипотезы с двумя выборками затем используется в рабочей статистике компании или предприятия. Ваша работа также может требовать, чтобы вы анализировали результаты A/B-тестирования или возглавили учетную запись Google Analytics компании.

Профессиональная и техническая экспертиза
Informatica 9, сценарии оболочки Unix, Pl/SQL
Языки программирования: Java/Python/Scala

• Архитектор данных

Значение архитекторов данных возрастает с каждой минутой. Их рабочая роль состоит в создании чертежей для всех систем управления данными, которые компания должна интегрировать, защищать, централизовать и поддерживать. Архитекторам в этой области нужны передовые технологии, такие как Spark, Hive, Pig, а также соответствие текущим инновационным тенденциям в отрасли.

Ожидается, что архитекторы данных будут иметь навыки моделирования физических данных, логического моделирования данных, стратегии данных, языков запросов к данным, разработки политик данных, хранения данных, а также определения и выбора системы, которая, по сути, окажется лучшей для решения проблемы хранения и поиска данных. и управление.

• Инженер по машинному обучению

В центре внимания инженеров по машинному обучению часто находится создание выдающихся продуктов, основанных на данных, а не ответы на операционные вопросы компании. Их атрибут не в том, чтобы знать, как работают алгоритмы, а в том, как их использовать. Если кто-то знает, как работать с кодом, он сможет перебирать и копировать различные наборы данных и сможет найти именно то, что ищет.

Это может оказаться идеальной ситуацией для тех, кто формально углубился в математику, статистику или физику и все еще имеет такое же рвение следовать более академическому пути. Грубо говоря, роль инженера по машинному обучению включает в себя оптимизацию решений для обеспечения производительности и масштабируемости, обеспечение функционального потока данных между базой данных и серверными системами, а также внедрение пользовательского кода машинного обучения.

• Статистик

В то время как все вышеупомянутые роли весело исследуют данные, есть одна роль, которая ведет себя как мокрое полотенце на вечеринке — это роль статистика. Это не значит, что эта роль скучна, просто это люди, которые помогают компании принимать решения, не связанные с данными. Запуск вашей системы машинного обучения — это нечто большее, чем просто ее идеальная работа в конкретном наборе данных — например, как она работает, когда работает в производственной среде и т. д. Именно здесь в игру вступают навыки статистика. Они помогают безопасно принимать решения и делать выводы, когда не все факты идеально согласованы.

Область науки о данных требует много «обучения и любопытства», чтобы иметь возможность делать серьезные открытия в области больших данных. Прогнозируется, что к 2020 году данные достигнут ошеломляющих 40 зегабайт, и определенно будет нехватка обученных специалистов, которые будут работать с этими данными. Сядьте в поезд науки о данных, и вы можете просто получить вознаграждение за спасение мира благодаря тому, как вы маневрируете с данными!