Az elmúlt évben az adat tudománya megszakíthatatlanná vált a napi műveletek során. Az adattudományt a termékek, a marketing, a mérnöki munka és az értékesítés területén alkalmazzák döntő döntések meghozatalára. A szenzációs kijelentések, miszerint a „Data Scientist” a legszexisebb munka, az egekbe szöktette ennek a nerdy munkakörnek a népszerűségét.
Ennek eredményeként láthatjuk, hogy az emberek villognak a munkakörükben, és vannak, akik arra törekednek, hogy azzá váljanak. Képzettségüket, végzettségüket, tapasztalataikat, alkalmasságukat és hozzáállásukat tekintve nyilvánvaló, hogy nem mindegyik tartozik ugyanabba a kategóriába. Miért használják ugyanazt a munkakört a különbségektől függetlenül?
Ennek oka lehet az a tény, hogy az adattudósokat nagyjából két kategóriába sorolhatjuk:
egyesítés rendezési forráskód c ++
- Termékközpontú adattudomány.
- Az adattudomány üzleti intelligencia stílusa.
Minden kategóriában nagyjából 4-5 csoport van.
O’Reilly Strata ’Az elemzők elemzése’ című jelentésében az adattudósokat a termékközpontú adattudomány alapján az alábbiak szerint osztályozzák.
Termékközpontú adattudomány
- Adatkutató
Az ebbe a kategóriába tartozó szakemberek az akadémiai világból származnak, és mély statisztikai háttérrel rendelkeznek a statisztikák, illetve a fizikai vagy társadalomtudományok területén. Az ilyen típusú tudósok gyakran PhD-fokozattal rendelkeznek, de gyengén jártasak a gépi tanulásban, a programozásban vagy az üzleti életben.
- Data Developer
Ezek a srácok általában az adatkezeléssel járó technikai kérdésekre koncentrálnak. Erősek a programozásban és a gépi tanulásban, de gyengék az üzleti és statisztikai ismeretek terén.
hogyan lehet megszerezni a tömb javascript hosszát
- Adathirdetések
Ezek azok a srácok, akik valami innovatív dolgot készítenek az adatok hegyeiből. Nagy tapasztalattal rendelkeznek a gépi tanulás, a Big Data, a programozás és a masszív adatok kezeléséhez szükséges egyéb készségek terén.
- Data üzletemberek
Ők képviselik az üzleti oldalt, és felelősek a létfontosságú üzleti döntések meghozataláért az adatelemzési technikák révén. Az üzleti és a technikai jártasság eklektikus keveréke.
Üzleti intelligencia alapú adattudomány
- Mennyiségi, feltáró adatkutatók
A kvantitatív, feltáró adatok tudósai hajlamosak PhD-k megszerzésére, és az elméletet használják a viselkedés megértéséhez. Az elmélet és a feltáró kutatás ötvözésével ezek az adatkutatók fejlesztik a termékeket.
- Operatív adatkutatók
Az operatív adatokkal foglalkozó tudósok gyakran pénzügyi, értékesítési vagy operációs csoportokban dolgoznak egy szervezetben. Feladata a folyamat teljesítményének, reakcióinak és viselkedésének elemzése, a szervezet stratégiájának és hatékonyságának javítása.
- Termékadatok tudósai
A termékadatok tudósai illeszkednek a termékmenedzsmenthez vagy a tervezéshez. Feladatuk naplók és elemző eszközök átvilágítása, annak megértése, hogy a felhasználók hogyan használják a terméket, és ezeket az ismereteket használják a termék finomhangolására.
- Marketing Data Scientists
A marketingadatokkal foglalkozó tudósok a felhasználói körre összpontosítanak, értékelik a teljesítményt és a hatékonyság javításán dolgoznak, nagyjából úgy, mint a szokásos marketing srác.
- Kutatási adatok tudósai
A kutatási adatok tudósai betekintést nyernek egy adatkészletből. Az induló vállalatoknál ritkán alkalmaznak kutatókat, mert a kibocsátás nem a nyereséghez kötött. De a nagyobb vállalatok, agytrösztök és pénzintézetek igen.
mi a jframe a java-ban
Ez a besorolás azt mutatja, hogy bármely csoport ember bármelyik kategóriába sorolható. A megfelelő adattudós típus a szervezet követelményei alapján választható
Mielőtt kiválasztaná az adattudós típusát, akivé válni szeretne, fontolja meg a szükséges képességeket vagy azokat a képességeket, amelyekkel már rendelkezik a megfelelő irányba való haladáshoz.
Tehát ki leszel ?? Programozó, statisztikus, marketingszakember, üzleti vezető vagy minden kereskedő jackje ??
Az Edurekának van egy speciálisan kurátora amely segít szaktudást szerezni olyan gépi tanulási algoritmusokban, mint a K-Means klaszterezés, a döntési fák, a Random Forest, a Naive Bayes. Megtanulja a statisztika, az idősor, a szövegbányászat és a mély tanulás bevezetését. Hamarosan új tételek kezdődnek erre a tanfolyamra !!