บทบาทงาน: นักวิทยาศาสตร์ข้อมูล

เนื้อหา

• คำจำกัดความที่แตกต่างกัน, หน้าที่ที่หลากหลาย
• ไม่มีข้อบกพร่องไม่มีความเครียด - คู่มือแบบเป็นขั้นตอนเพื่อสร้างซอฟต์แวร์ที่เปลี่ยนแปลงชีวิตโดยไม่ทำลายชีวิตของคุณ
• ทักษะของนักวิทยาศาสตร์ข้อมูล

ที่มา: Sergey Khakimullin / iStockphoto

Takeaway:

นักวิทยาศาสตร์ด้านข้อมูลมีงานหลากหลายที่แตกต่างกันไปตามแอปพลิเคชัน แต่สิ่งหนึ่งที่พวกเขามีเหมือนกันคือไดรฟ์ที่ใช้ประโยชน์จากข้อมูลได้ดี

นักวิทยาศาสตร์ข้อมูลทำอะไรในการประดิษฐ์และการเรียนรู้ของเครื่อง? ผู้เชี่ยวชาญจำนวนมากที่จัดการกับโครงการประเภทนี้ทุกวันจะบอกว่าคำถามนั้นยากที่จะตอบ คำถามที่ดีกว่าคือ: นักวิทยาศาสตร์ข้อมูลไม่ทำอะไร

นักวิทยาศาสตร์ด้านข้อมูลเป็นส่วนสำคัญของกระบวนการ AI หรือ ML ในแง่ที่ว่าโครงการเหล่านี้ทั้งหมดขึ้นอยู่กับข้อมูลขนาดใหญ่หรืออินพุตที่ซับซ้อน นักวิทยาศาสตร์ด้านข้อมูลเป็นอาชีพที่สำคัญที่รู้วิธีทำงานกับข้อมูลเพื่อให้ได้ผลลัพธ์

อย่างไรก็ตามมีวิธีการบางอย่างที่จะพูดคุยเกี่ยวกับสิ่งที่นักวิทยาศาสตร์ข้อมูลทำคุณสมบัติที่เขาหรือเธอต้องการและบทบาทของเขาหรือเธออยู่ในกระบวนการ

อ่าน: 6 แนวคิดข้อมูลวิทยาศาสตร์ที่สำคัญที่คุณสามารถเป็นเจ้าของได้ผ่านการเรียนรู้ออนไลน์

คำจำกัดความที่แตกต่างกัน, หน้าที่ที่หลากหลาย

ผู้เชี่ยวชาญหลายคนที่อธิบายการทำงานของนักวิทยาศาสตร์ข้อมูลพูดถึงมันในแง่กว้าง

“ ที่ บริษัท ขนาดเล็กหรือเมื่อทำงานในตลาดใหม่บทบาทของนักวิทยาศาสตร์ด้านข้อมูลคือการแปลงแหล่งข้อมูลที่แปลกใหม่ (แต่ชัดเจน) ให้กลายเป็นสิ่งที่แก้ปัญหาให้กับผู้ใช้ปลายทางซึ่งจะไม่สามารถทำได้ก่อนหน้านี้ ที่ซึ่งเทคโนโลยีดังกล่าวไม่มีอยู่จริง” Antonio Hicks ผู้จัดการบัญชีของ Mercury Global Partners กล่าว “ ผู้สมัครที่เหมาะสมที่สุดคือคนที่เป็นนักคณิตศาสตร์ส่วนวิศวกรซอฟต์แวร์และผู้ประกอบการส่วนหนึ่ง”

คนอื่น ๆ สะท้อนแนวคิดพื้นฐานนี้โดยกล่าวถึงสิ่งที่นักวิทยาศาสตร์ด้านข้อมูลจำเป็นต้องใช้ในการสร้างแบบจำลองโครงการ

“ คุณลักษณะที่สำคัญที่สุดที่นักวิทยาศาสตร์ด้านข้อมูลต้องการคือความอยากรู้อยากเห็นลึก ๆ เกี่ยวกับโลกรอบตัวพวกเขา - ไม่ว่าพวกเขาจะตอบคำถามหรือสร้างแบบจำลองความต้องการที่จะเข้าใจปัญหาต่อหน้าพวกเขาคือกุญแจสำคัญ” Erin Akinci ที่อาสนะ “ จากที่นั่นผู้คนส่วนใหญ่จะต้องใช้ทักษะในการคำนวณและการเขียนโปรแกรมเพื่อหาวิธีแก้ปัญหา แต่คณิตศาสตร์และการเขียนโปรแกรมบางประเภทนั้นแตกต่างกันไปตามความเชี่ยวชาญในสาขาวิทยาศาสตร์ข้อมูล”

ไม่มีข้อบกพร่องไม่มีความเครียด - คู่มือแบบเป็นขั้นตอนเพื่อสร้างซอฟต์แวร์ที่เปลี่ยนแปลงชีวิตโดยไม่ทำลายชีวิตของคุณ

คุณไม่สามารถพัฒนาทักษะการเขียนโปรแกรมของคุณเมื่อไม่มีใครใส่ใจคุณภาพของซอฟต์แวร์

“ งานวิทยาศาสตร์ที่ยอดเยี่ยมเกี่ยวข้องกับวิธีที่นักวิทยาศาสตร์คิดเกี่ยวกับปัญหามากกว่าเครื่องมือที่พวกเขาใช้ในการแก้ปัญหา” Charlie Burgoyne ผู้ก่อตั้งและซีอีโอของ Valkyrie Intelligence กล่าวเสริม Valkyrie เป็น บริษัท ที่ให้คำปรึกษาด้านวิทยาศาสตร์ประยุกต์ที่มีโครงการที่น่าประทับใจเช่น Mark I ซึ่งเป็นอุปกรณ์เครือข่ายเฉพาะที่ช่วยเพิ่มการฝึกอบรมและทดสอบโครงข่ายประสาทเทียมปรับปรุงสิ่งที่เป็นไปได้ด้วยแพลตฟอร์มการเรียนรู้บนคลาวด์

“ ตลาดต้องการนักวิทยาศาสตร์ที่มีความเชี่ยวชาญในการพัฒนา Python การออกแบบโครงข่ายประสาทเทียมและความสามารถในการปรับแต่งที่เก็บข้อมูลเป็นสถาปัตยกรรมฐานข้อมูลล่าสุด” Burgoyne กล่าว “ ความสามารถเหล่านั้นเป็นเดิมพันบนโต๊ะสำหรับนักวิทยาศาสตร์ที่มีความสามารถ สิ่งที่เห็นได้ชัดคือนักวิทยาศาสตร์มีความถนัดในเรื่องความอยากรู้อยากเห็นความฉลาดเฉลียวและการยึดมั่นในวิธีการทางวิทยาศาสตร์”

ทักษะของนักวิทยาศาสตร์ข้อมูล

ดังนั้นเท่าที่ทักษะการปฏิบัตินักวิทยาศาสตร์ด้านข้อมูลต้องการความคิดสร้างสรรค์และความเข้าใจพอ ๆ กับการสร้างแบบจำลอง พวกเขายังสามารถได้รับประโยชน์มากมายจากการมี“ ทักษะที่ยาก” เช่นการเขียนโค้ดประสบการณ์ใน Python, C ++ หรือภาษาทั่วไปอื่น ๆ ที่ใช้กับโครงการ ML

“ Python และ C ++ มีความสำคัญและสามารถรวมทักษะการเขียนโปรแกรมเข้ากับการวิเคราะห์และประมวลผลข้อมูลและสถิติเป็นทักษะหลักที่จะทำให้นักวิทยาศาสตร์ด้านข้อมูลโดดเด่นในฐานะผู้สมัครหรือพนักงานที่แข็งแกร่ง” Val Streif at Pramp แพลตฟอร์มการสัมภาษณ์ออนไลน์ สำหรับวิศวกรซอฟต์แวร์นักพัฒนาและนักวิทยาศาสตร์ด้านข้อมูล “ ในขณะที่ทักษะการเขียนโปรแกรมบางอย่างสามารถดูแลได้โดยการจับคู่นักวิทยาศาสตร์ข้อมูลกับนักพัฒนามันง่ายกว่ามากถ้าคุณมีทักษะทั้งสองอย่างรวมกันในที่เดียวจากมุมมองของ บริษัท ”

ผู้เชี่ยวชาญคนอื่น ๆ เพิ่ม R, Hadoop, Spark, Sas และ Java ลงในรายการเช่นเดียวกับเทคโนโลยีเช่น Tableau, Hive และ MATLAB

สิ่งเหล่านั้นทั้งหมดสร้างขึ้นเพื่อให้มีประวัติย่อที่น่าประทับใจ แต่บางคนที่มีประสบการณ์เกี่ยวกับการสรรหานักวิทยาศาสตร์ด้านข้อมูลกล่าวว่าด้านอื่น ๆ ของ "มนุษย์" ก็มีความสำคัญเช่นกัน (นักวิทยาศาสตร์ด้านข้อมูลประเภทหนึ่งคือนักวิทยาศาสตร์ด้านข้อมูลพลเมืองเรียนรู้เพิ่มเติมเกี่ยวกับบทบาทของนักวิทยาศาสตร์ด้านข้อมูลพลเมืองใน Big Data World)

“ ตามเนื้อผ้าบุคคลที่มีการศึกษาด้านศิลปศาสตร์ที่หลากหลายจะทำให้นักวิทยาศาสตร์ด้านข้อมูลที่ยอดเยี่ยม” Burgoyne กล่าวซึ่งสร้างความแตกต่างระหว่างวิศวกรที่อยู่ด้านอาคารและนักวิทยาศาสตร์ด้านข้อมูลซึ่งผลงานสามารถเป็นแนวคิดได้มากกว่า เขาพูดต่อ:

ความเชี่ยวชาญในสาขา STEM แบบดั้งเดิมโดยมุ่งเน้นที่เสริมในด้านมนุษยศาสตร์, ศิลปะหรือธุรกิจโดเมนทำให้คุณภาพเหล่านั้นซึ่งทำให้นักวิทยาศาสตร์ที่มุ่งเน้นอุตสาหกรรมที่ยอดเยี่ยม ต้องบอกว่าเป็นสิ่งสำคัญสำหรับความสามารถขององค์กรในการควบคุมคุณภาพเหล่านั้นและเพื่อกำหนดความร้อนแรงและวิธีการของพวกเขาในลักษณะที่มีประสิทธิผล ฉันได้สังเกตว่าเมื่อความคิดริเริ่มด้านวิทยาศาสตร์ข้อมูลไม่สำเร็จองค์กรก็น่าจะเป็นที่น่าตำหนิเหมือนนักวิทยาศาสตร์ นักวิทยาศาสตร์ไม่ใช่วิศวกร พวกเขาไม่ได้ถูกผลักดันให้ทำงานและสร้าง พวกเขาถูกผลักดันให้ค้นพบและเข้าใจ องค์กรที่เข้าใจถึงความแตกต่างนี้เป็นรางวัลที่ดีสำหรับการฝึกฝนของทั้งสองสาขา

สำหรับสิ่งที่นักวิทยาศาสตร์ข้อมูลมักจะนำไปใช้กับที่เกี่ยวข้องกับเป้าหมายหลักของ บริษัท บริษัท บางแห่งกำลังไล่ล่าอินเทอร์เน็ตที่มีการกระจายอำนาจ - บาง บริษัท กำลังเล่นกับ IoT หรือ SaaS คนอื่นกำลังพยายามบุกเบิก“ ผู้ใช้ที่เป็นมิตร” หรือ“ จริยธรรม” หรือ“ โปร่งใส” AI

ไม่ว่าในกรณีใดนักวิทยาศาสตร์ด้านข้อมูลมีแนวโน้มที่จะเชื่อมโยงการแบ่งแยกระหว่างตัวชี้วัดที่ยากลำบากกับข้อมูลที่พวกเขาใช้ไม่ว่าเทคโนโลยีนั้นจะอยู่ในรูปแบบใดก็ตามและการทำงานที่เป็นอิสระจากแนวคิดการทำงานของ AI / ML

“ เราจ้างนักวิทยาศาสตร์ด้านข้อมูลเพื่อจัดการการเก็บรวบรวมและทำความสะอาดข้อมูลรวมทั้งแปลข้อมูลนั้นเป็นข้อมูลที่มีความหมาย” Michael Hupp ผู้จัดการฝ่าย Data Science และ Analytics ของ G2 Crowd กล่าว เขาอธิบายเพิ่มเติม:

โดยทั่วไปหมายถึงการจัดการอัลกอริทึมสำคัญใด ๆ ที่ขับเคลื่อนกลไกข้อมูลของ บริษัท และมีความคล่องแคล่วในเครื่องมือการวิเคราะห์และภาษาหลัก ๆ แต่ในช่วงไม่กี่ปีที่ผ่านมาได้รวมเขตข้อมูลใหม่เช่นการประมวลผลภาษาธรรมชาติการเรียนรู้ด้วยเครื่องจักร นักวิทยาศาสตร์ด้านข้อมูลที่ประสบความสำเร็จมากที่สุดคือผู้ที่รวมทักษะที่ยากเข้ากับความสามารถในการเรียนรู้อย่างรวดเร็วและความสามารถในการสื่อสารข้อมูลเชิงลึกที่พวกเขาค้นพบได้อย่างมีประสิทธิภาพเพื่อให้พวกเขามีความหมายต่อธุรกิจของพวกเขา

ด้วยความเข้าใจอย่างถ่องแท้เหล่านี้มันง่ายสำหรับมืออาชีพหรือนักเรียนที่จะเข้าใจว่านักวิทยาศาสตร์ด้านข้อมูลจะมีบทบาทที่ดีสำหรับพวกเขาหรือไม่และได้รับทักษะอย่างไร การเรียนรู้ STEM นั้นสามารถเข้าถึงได้มากขึ้นในโรงเรียนทั่วประเทศ แต่ไม่มีสิ่งใดทดแทนความหลงใหลในการเข้ารหัสและเทคโนโลยีและความสามารถในการเรียนรู้ได้ทันที