المصدر: Artinspiring / Dreamstime.com
الترجمة: البلاد مع نظيفة
تصحيح التجارب المطبعية: دينغ NANYA
هذه المقالة حول 3000 كلمة وأوصت القراءة 6 دقائق.
توضح هذه المقالة لكم والحاجة العلماء بيانات لمهارات الاتصال الرئيسية وغيرها من معرفة المهارات.
خلاصة القول: العلماء بيانات في حاجة إلى الرياضيات قوية وقدرة الترميز، ولكن مهارات الاتصال والمهارات الأخرى هي أيضا ضرورية لنجاح المهارات الأساسية.
وفقا للمنطقة الإحصائية Glassdoor في الولايات المتحدة، "العلماء البيانات" في المرتبة باعتباره أكثر جاذبية للأعمال 2019. متوسط الراتب الأساسي من 108K $، والرضا الوظيفي هو 4،3-5 ، بالإضافة إلى وتوقع عدد كبير من الشواغر، نتيجة لذلك ليس من المستغرب.
والسؤال هو، كيف يمكن للشخص أن يمارس الطريق الصحيح والحصول على مؤهل لهذا المنصب؟
لمعرفة، فإننا نلخص الكثير من اقتراح في المقالة، والكثير يمكن تلخيصها على النحو المهارات الصعبة على الترميز والرياضيات (مهارات الثابت). ولكن القدرة الحاسوبية ليس كل شيء. لا تزال هناك حاجة باحث بيانات جيدة والموظفين الأعمال ذات الصلة على التواصل بفعالية، وهناك سوف تحتاج إلى بعض المهارات الناعمة (المهارات).
يلقي أساس التعليم الخاص: 3 نقاطDrace زان كعالم البيانات NYC بيانات أكاديمية العلوم، والتأكيد على الحاجة إلى مؤسسة تعليمية، بما في ذلك قاعدة رمز والقدرات الرياضية:
NYC أكاديمية العلوم البيانات: https://nycdatascience.com/- R / بيثون + SQL. إذا لم يكن لديك القدرة على ترميز، فإنك تحتاج إلى الكثير من شبكات الكهرباء في مجالات أخرى لتكملة هذا النقص. رأيت بعض العلماء البيانات، وبعض القدرة الرياضية ضعيفة نسبيا، أو يفتقرون إلى الخبرة في المجالات ذات الصلة، ولكن لديهم دائما مهارات الترميز قوية. الثعبان هو مرضية للغاية، R أصبح قليلا وراء، ووضع أفضل سلاحين جرا. SQL هو أيضا في غاية الأهمية للمحللين البيانات،.
- قدرات رياضية قوية. بعض النظريات الشائعة لديه فهم أفضل: تعميم النماذج الخطية (المعمم النماذج الخطية)، شجرة القرار (قرار شجرة)، K-يعني (التحليل العنقودي) والاختبارات الإحصائية (اختبار الفرضيات). هذا هو أفضل حتى من عقد عدد كبير من النماذج النماذج المهنية مثل الشبكة العصبية المتكررة (RNN)، ولكن فقط بشكل سطحي.
هذه هي الحاجة إلى تطوير المهارات الأساسية، على الرغم من انضم بعض الخبراء أيضا أشياء أخرى. على سبيل المثال، قائمة KDnuggests تحتوي على مكونات الترميز، زان على هذا الأساس أيضا أن أضيف بعض الأشياء الأخرى المفيدة، بما في ذلك منصة Hadoop، سبارك أباتشي، تصور البيانات، والبيانات غير المهيكلة، والتعلم الآلي ومنظمة العفو الدولية.
أباتشي Sparkhttps: //www.techopedia.com/definition/30113/apache-sparkولكن إذا كنا نسعى أدلة من مسح Kaggle، عن "تلك هي الأدوات الأكثر شيوعا في الحياة الحقيقية،" لدينا نتائج مختلفة. الصورة أدناه هو من بين أعلى 15 في المهارات الصعبة.
بيثون، R و SQL أعلى ثلاثة، والرابع هو أجهزة الكمبيوتر المحمولة Jupyter، تليها TensorFlow، والأمازون خدمات ويب، ويونيكس قذيفة، تابلوه، C / C ++، NoSQL، MATLAB / أوكتاف وجافا، هي قبل Hadoop وسبارك . من المستغرب جدا هو أن يتم سرد التعدين بيانات Microsoft Excel أيضا جاء في.
TensorFlow: الشبكي: //www.techopedia.com/definition/32862/tensorflowAmazon خدمات الويب: الشبكي: //www.techopedia.com/definition/26426/amazon-web-services-awsUnix: الشبكي: //www.techopedia. كوم / تعريف / 4637 / unixC ++: الشبكي: //www.techopedia.com/definition/26184/c-programming-languageNoSQL: الشبكي: //www.techopedia.com/definition/27689/nosql-databaseJava: HTTPS: // www.techopedia.com/definition/3927/java صور من Kaggle https://www.kaggle.com/surveys/2017في KDnuggests تشمل القائمة أيضا توصيات للتعليم الرسمي. وفقا لدرجة عالية من التعليم معظم العلماء، 46 من الأطباء و 88 من الناس لديهم على الأقل على درجة الماجستير. درجة البكالوريوس من هي المجالات ذات الصلة عادة. حوالي ثلث الرياضيات والإحصاء، والذي هو الأكثر مسار مهني شعبية. الاكثر شهرة القادم هو على درجة علوم الحاسوب، وحيازة 19، والهندسة 16. بالطبع خصيصا لأدوات تكنولوجيا العلوم البيانات لا تقع عادة في المقررات الجامعية، ولكن من خلال معسكر تدريبي خاص أو شراء الدورات على الانترنت.
خارج إطار: 2 نقطةهانك يون هو باحث مساعد في كلية طب وايل كورنيل أمراض الرئة، ولكن أيضا طلاب الجامعات NYC البيانات العلمية. وأشار إلى أن العلماء تطمح خطة حول وسوف تشارك البيانات الخاصة بهم في العمل، والعثور على معلمه.
هانك Yunhttps: //medium.com/@jhaseonوقال: "لا نقع في نفس الأخطاء التي أجريتها عندما قلت لنفسي، وأنا أعلم أن البيانات العلمية، لأنني شاركت في الدورة وحصل على شهادة .." هذا هو في الواقع بداية جيدة، ولكن عند البدء في تعلم عندما ، لدينا خطة في الاعتبار. ثم العثور على معلمه في الميدان، والبدء في جعل لكم مشروع عاطفي على الفور.
عندما كنت مبتدئا، كنت لا تعرف ما كنت لا تعرف. حتى إذا كان لديك دليل الشخصية إلى الأمام، واقول لكم ما هو الآن الأكثر أهمية بالنسبة لك وما هو ليس كذلك، فإنه سيكون من المفيد. لا رمي في الوقت المناسب لتعلم هذه الأشياء ببساطة لا يمكن عرض آخر!
الذي يعرف أداة إزالة من كيس أداة الخاص بك: قبل إقامة النقاط الرئيسيةكأدوات علم البيانات الترتيب ليست هي نفسها، قد يكون بعض الناس يتساءلون، في النهاية ما يجب التركيز عليه. سيليست Fralick هي شركة أمن البرمجيات كبير العلماء بيانات مكافي. وأكد هذه المسألة في المادة CIO: "مسح البيانات يحتاج العلماء إلى أن تكون في الجزء الأمامي من المنحنى، ولكن لا ننسى أن نفهم ما هذه التقنية عند استخدامها." وتعني هذه العبارة، لا تكون طازجة ومثير يبدو أن الخلط، ولكن القضايا الفعلية التي تحتاج إلى المزيد من العمل. لحساب تكلفة أدرك النظام الإيكولوجي، للتفسير، والتأخر، عرض النطاق الترددي، وغيرها من الشروط الحدية النظام، وكذلك وقت انتهاء العميل، يمكن للبيانات نفسها تساعد العلماء لا يعرفون ما التكنولوجيا الأكثر ملاءمة.
المادة CIO: الشبكي: //www.cio.com/article/3263790/data-science/the-essential-skills-and-traits-of-an-expert-data-scientist.html والمهارات الأساسية: آخر 6 نقاطيشار Fralick إلى المهارات غير الفنية المطلوبة بيانات العمل العلمي. وهذا هو السبب وتشمل قائمة KDnuggests هذه الأربعة: الفضول، والعمل الجماعي، ومهارات الاتصال والفطنة. ويشمل زان المذكورة إلى القائمة أيضا بعض المهارات الأساسية، مثل "مهارات الاتصال الفعال"، "الخبرة الميدانية" وفوق "الفطنة" ما شابه ذلك. باختصار، تشير البيانات إلى التطبيق العملي لعلم للتجارة.
عرضت أوليفيا بار-رود أفكارها الخاصة، لكنه أضاف أيضا اثنين من المهارات لينة إضافية: الابتكار، والشجاعة لتستمر. وقالت: "أعتقد أن العلم هو أيضا فن من البيانات العلمية التي تحتاجها لتسخير قوة من كلا الجانبين من الكثير الدماغ من الناس يتحدثون عن البيانات العلمية، هو أساسا استخدام الدماغ الأيسر ولكن وجدت أن تكون ناجحة، العلماء مكالمة بيانات كافية ... الدماغ كله بهم ".
وأوضحت أنه في مجال الأمام، والمهارات التقنية فحسب، ولكن أيضا الإبداع ورؤية القيادة.
معظم المهام الدماغ / الخطي اليسرى يمكن أن يكون آليا أو الاستعانة بمصادر خارجية. من أجل توفير عالم البيانات وميزة تنافسية، يجب أن نكون قادرين على التعرف على الأنماط في كميات كبيرة من المعلومات (أنماط) والشامل (توليف)، وسوف تستخدم الدماغ الأيمن والأيسر. يجب أن نكون والمفكر المبدع. الاستنتاجات هي الكثير من العمل الجيد من الدماغ الأيمن والأيسر.
وأكدت أيضا كيف رؤية التعبير أمر أساسي:
"أما العلماء البيانات، وهدفنا هو مساعدة عملاء زيادة الأرباح. معظم المديرين التنفيذيين لا يفهمون ما نقوم به، وكيف نفعل ذلك. لذلك نحن بحاجة إلى التفكير وكأنه زعيم، مثل، للمساهمين يمكن أن نفهم والثقة طريقة للتعبير عن النتائج والتوصيات لدينا ".
ملخصهذا غيض حدها تحتوي على عدد كبير من أدوات التكنولوجيا والمهارات، والقدرات، وكذلك الصفات القابلة للقياس مثل الإبداع والقيادة. العلوم البيانات ليست مجرد لعبة أرقام. لم يتم غرار العلماء بيانات في الفراغ، ولكن لتكون قادرة على جعل عملية، اختراق بغية حل المشاكل العملية في مجال الأعمال التجارية. أولئك الذين لا يمكن أن تنجح في هذا المجال، لا يتقن فقط في التكنولوجيا، ولكن أيضا فهم احتياجات جميع أعضاء فريق العمل.
المحرر: وانغ جينغ تم التعليق بواسطة: لين يي لينمقدمة المترجم
الولايات مع نظيفة، جامعة مدريد المستقلة البكالوريوس والاقتصاد والمالية. بدءا من تحليل البيانات، تحلم بأن تصبح عالما بيانات جيدة. نأمل أن النمو في الطريق، وجعل مثل التفكير الأصدقاء، شباب الحي.
- انتهى -تسينغهوا الانتباه - بيانات أكاديمية تشينغداو للعلوم قناة الصغرى الرسمية منصة الجمهور " بيانات الإرسال THU "أيتها الأخوات ولا". إرسال البيانات THU "لرعاية المزيد من المحاضرات ونوعية المحتوى.