Sisältö
- Monimuotoiset määritelmät, monipuoliset velvollisuudet
- Ei vikoja, ei stressiä - vaiheittaiset ohjeet elämää muuttavien ohjelmistojen luomiseen tuhoamatta elämääsi
- Tietojen tutkijan taidot
Lähde: Sergey Khakimullin / iStockphoto
Ottaa mukaan:
Tietotieteilijöillä on laaja-alaisia töitä, jotka vaihtelevat huomattavasti sovelluksen mukaan. Mutta yksi asia, joka heillä kaikilla on yhteistä, on pyrkimys tiedon hyödyntämiseen.
Mitä tietotekijä tekee tekoälyn ja koneoppimisen yhteydessä? Monet ammattilaiset, jotka käsittelevät tällaisia projekteja päivittäin, sanoisivat, että kysymykseen on vaikea vastata yksinkertaisesti. Parempi kysymys olisi: Mitä tietotieteilijät EI tee?
Tietotieteilijä on olennainen osa AI- tai ML-prosessia siinä mielessä, että kaikki nämä projektit riippuvat suuresta datasta tai monimutkaisista syöttöistä. Tietotieteilijä on välttämätön ura, joka osaa työskennellä datan kanssa tulosten tuottamiseksi.
On kuitenkin joitain tapoja puhua siitä, mitä datatieteilijä tekee, mitä pätevyyttä hän tarvitsee ja mikä on hänen roolinsa prosessissa.
Lukea: 6 keskeistä datatieteellistä käsitettä, jonka voit hallita verkko-oppimisen avulla
Monimuotoiset määritelmät, monipuoliset velvollisuudet
Monet asiantuntijat, jotka kuvaavat tietotieteilijän työtä, puhuvat siitä laajasti.
”Pienissä yrityksissä tai uusilla markkinoilla työskennellessä tietotekijän tehtävänä on muuntaa suhteellisen uudet (mutta ilmeiset) tietolähteet tavaroiksi, jotka ratkaisevat loppukäyttäjän ongelman, mikä ei olisi aiemmin ollut mahdollista, missä käytettyjä tekniikoita ei ollut ”, sanoo Mercury Global Partners -yrityksen asiakaspäällikkö Antonio Hicks. "Ihanteellinen ehdokas on joku, joka on osa matemaatikko, osa ohjelmistosuunnittelija ja osa yrittäjä."
Toiset toistavat tämän perusajatuksen mainitsemalla, mitä tiedemiesten on käytettävä mallintamishankkeisiin.
"Tärkein ominaisuus, jota tietotieteilijä tarvitsee, on syvä uteliaisuus ympäröivään maailmaan - vastaavatko he kysymyksiin tai rakentavat malleja, halu ymmärtää heidän edessään oleva ongelma on avainasemassa", sanoo tietotekniikan johtaja Erin Akinci. Asanassa. "Sieltä useimmat ihmiset tarvitsevat matematiikan ja ohjelmoinnin taitoja ratkaisujen löytämiseksi, mutta tietyt matematiikan ja ohjelmoinnin tyypit vaihtelevat suuresti tietotekniikan osaamisalueen mukaan."
Ei vikoja, ei stressiä - vaiheittaiset ohjeet elämää muuttavien ohjelmistojen luomiseen tuhoamatta elämääsi
Et voi parantaa ohjelmointitaitojasi, kun kukaan ei välitä ohjelmiston laadusta.
"Erinomainen tieteellinen työ liittyy enemmän tapaan, jolla tiedemies ajattelee ongelmaa, kuin työkaluihin, joita he käyttävät ongelman ratkaisemiseen", lisää Charlie Burgoyne, Valkyrie Intelligence -yrityksen perustaja ja toimitusjohtaja. Valkyrie on soveltavan tieteen konsultointiyritys, jonka siipien alla on vaikuttavia projekteja, kuten Mark I, erityinen verkkolaite, joka tehostaa hermoverkkojen koulutusta ja testaamista parantaen entistä paremmin edellisillä pilvipohjaisilla koneoppimisalustoilla.
"Markkinat vaativat tutkijoita, jotka tuntevat Python-kehityksen, hermoverkkojen suunnittelun ja kyvyn muuttaa tietovarastoa uusimmaksi tietokanta-arkkitehtuuriksi", Burgoyne sanoo. ”Nämä kyvyt ovat kuitenkin panokset lahjakkaalle tiedemiehelle. Epäselvämpää on tutkijan kyvyttömyys uteliaisuuteen, aggressiiviseen kekseliäisyyteen ja noudattamiseen tieteellisessä menetelmässä. "
Tietojen tutkijan taidot
Joten käytännön taitojen joukosta, tietoteknikot tarvitsevat jonkin verran luovuutta ja tajua mallinnuksen suhteen. He voivat hyötyä myös melko paljon siitä, että niillä on ”kovat taidot”, kuten kokemuksen koodaus Pythonissa, C ++ tai muilla yleisillä kielillä, joita sovelletaan ML-projekteihin.
”Python ja C ++ ovat välttämättömiä, ja kyky yhdistää koodaustaidot datan analysointiin ja käsittelyyn ja tilastot ovat ydinosaamista, jotka tekevät datatieteilijästä erottumaan vahvana ehdokkaana tai työntekijänä”, sanoo Val Streif Prampissa, online-mallihaastattelualusta. ohjelmistosuunnittelijoille, kehittäjille ja tietotekijöille. "Vaikka osa ohjelmointitaitoista voitaisiin hoitaa pariliitostamalla tietotekijä ja kehittäjä, on paljon helpompaa, jos molemmat taidot yhdistetään yhdestä yrityksen näkökulmasta."
Muut asiantuntijat lisäävät R, Hadoop, Spark, Sas ja Java luetteloon sekä tekniikoita, kuten Tableau, Hive ja MATLAB.
Kaikki nämä tekevät vaikuttavasta jatkamisesta, mutta jotkut tietojen tutkijoiden rekrytoinnista kokenut sanovat myös muiden ”inhimillisten” puolien olevan tärkeitä. (Yksi tietoteknikotyyppi on kansalaisdattatieteellinen. Lisätietoja on Kansalaisten tietotekijöiden roolissa big data -maailmassa.)
”Perinteisesti yksilöillä, joilla on monipuolinen taiteellinen koulutus, tehdään erinomaisia data-tutkijoita”, Burgoyne sanoo erottavan rakennuksen puolella työskentelevät insinöörit ja tietotekijöiden, joiden työ voi olla paljon käsitteellisempi. Hän jatkaa:
Asiantuntemus perinteisestä STEM-kentästä, jossa keskitytään täydentävästi humanistisiin, taiteellisiin tai liiketoiminnan aloihin, tuottaa ne ominaisuudet, jotka tekevät erinomaisesta toimialakeskeisestä tutkijasta. On sanottava, että on yhtä tärkeää organisaation kyvylle valjastaa nämä ominaisuudet ja muokata niiden kiihkeyttä ja menetelmiä tuottavasti. Olen huomannut, että kun tietotiedealoite epäonnistuu, organisaatio on yhtä todennäköisesti syyllinen kuin tutkijat. Tutkijat eivät ole insinöörejä. Heitä ei ajaa teloittaa ja rakentaa. Heidät ajetaan löytää ja ymmärtää. Organisaatiot, jotka ymmärtävät tämän eron, palkitaan hyvin molempien peltojen viljelystä.
Mitä tietoihin tutkijat yleensä soveltavat, se liittyy yrityksen ydintavoitteisiin. Jotkut yritykset jahtaavat hajautettua Internetiä - toiset leikkivät IoT: n tai SaaS: n kanssa. Toiset yrittävät olla edelläkävijä “käyttäjäystävällinen”, “eettinen” tai “läpinäkyvä” AI.
Joka tapauksessa tietotieteilijät todennäköisesti ylittävät kuilun käyttämiensä tietojen kovien mittareiden välillä, riippumatta siitä, missä tekniikan pinossa se on, ja vapaasti pyörivään työhön AI / ML-toimintojen käsitteellistämiseksi.
"Palkkaamme tietotieteilijöitä tietojen keräämisen ja puhdistamisen hallitsemiseksi sekä näiden tietojen kääntämiseksi merkitykselliseksi tiedoksi", sanoo G2 Crowdin Data Science and Analytics -päällikkö Michael Hupp. Hän kehittää:
Tämä tarkoittaa tyypillisesti kaikkien tärkeiden algoritmien hallintaa, jotka ohjaavat yrityksen tietokonetta ja osaa sujuvasti tärkeimmissä analyysityökaluissa ja kielissä, mutta viime vuosina se on myös sisällyttänyt esiin nousevia aloja, kuten luonnollisen kielen käsittely, koneoppiminen ja muut AI-pohjaisen analyysin muodot. Menestyneimmät tietotieteilijät ovat niitä, jotka yhdistävät kovat taitonsa kykyyn oppia nopeasti ja kyvyn kommunikoida tehokkaasti löytämiään oivalluksia, jotta heillä olisi merkitystä liiketoiminnalleen.
Tämän tyyppisillä oivalluksilla nuorilla ammattilaisilla tai opiskelijoilla on helpompi selvittää, olisiko tietoteknikolla hyvä rooli heille ja kuinka taitoja hankkia. STEM-oppimisesta on tulossa entistä helpompaa kouluissa ympäri maata, mutta se ei korvaa intohimoa koodaukseen ja tekniikkaan sekä kykyä oppia lennossa.