النص الكامل 2104 الكلمات، وعندما يكون التعلم مدى المتوقع 7 دقيقة

المصدر: Pexels

في السنوات القليلة الماضية، يتم استخدام البيانات العلمية للإشارة إلى البيانات كلها تقريبا ذات الصلة على الصفقة (تحليل البيانات، واستخراج البيانات، والتعلم الآلي، الخ). أكثر وبدأ المزيد من الناس إلى البحث عن موارد تعليم العلوم البيانات، وضعت عددا متزايدا من الجامعات وكذلك المنصات الإلكترونية أيضا مثل هذه المشاريع.

ومع ذلك، تعريفات البيانات العلمية والعلماء بيانات تفتقر إلى الوضوح، والتي من الواضح أنها تضر كل مشارك، بغض النظر عن الأصوات عنوانه كيف نعم المألوف. الجميع يريد أن يلعب الدور الذي تريد:

"كان مهتما آلة أنا أتعلم لكبير الاتجاه مجموعات البيانات لذلك أريد التقدم بطلب للحصول على وظيفة كعالم البيانات.!": الطالبة

المؤسسة: "أحتاج إلى شخص يمكن إنشاء لوحة الإدارة الجيدة على أساس هذه مصنفات Excel، لذلك أنا سوف استئجار عالم البيانات!"

ونتيجة لذلك، فإن تلك المتقدمين أن يكون العلماء بيانات العمل محبط للغاية بسبب عملهم تصبح البيانات النهائية استخراج وبناء شيء لوحات، وتعلم الآلة. في نفس الوقت، الشركات على تحقيق قيمة العلماء البيانات والمحللين البيانات لإنشاء مختلفة قليلا ممتازة. أنا لا يمكن أن تكون البيانات دقيقة جدا نفسه كعالم، على الرغم من أنني فعلت الكثير من "الأشياء" في البيانات.

ما يفعله العلماء البيانات؟

كيفية تعريف علم البيانات؟

منذ بعض الوقت مقال نشرته معهد ماساتشوستس للتكنولوجيا اقترح تصميم تعريفات البيانات العلمية الجديدة وبرنامج العلوم البيانات. الكتاب يعتقدون أنه لا يوجد بيانات الانضباط علمي واحد. بدلا من ذلك، هو (عام) مصطلح يصف البيانات عملية معقدة مع فريق من العلماء في مهارات غير متداخلة. وبالنظر إلى البيانات الحالية من مجموعة واسعة من الأنشطة لاستخراج قيمة، متعددة الخطوات، ثم عالم البيانات لديه كل الخبرة اللازمة يكاد يكون من المستحيل.

فهم أوضح للبيانات المحتوى العلمي شملت تساهم ليس فقط في البرامج الأكاديمية يمكن تصميم أفضل دراستهم، ولكن أيضا مساعدة الشركات على فهم أفضل ويمكن للمتعلمين للبحث عن وما يمكن توقعه من هذه المشاريع.

في الخلفية والبيانات العلمية الأمامية

ترى هذه الورقة أن الحاجة إلى وجود تمييز واضح بين الأمامية والعلوم البيانات البيانات العلمية الخلفية. وتتلخص أفكارهم على النحو التالي:

في الخلفية والبيانات العلمية الأمامية (مؤلف أوضح وفقا لهذه المادة MIT)

المشاركون الرئيسيون في تصميم خط أنابيب البيانات العلمية هم:

المهندس البيانات، المسؤولة عن الأجهزة وتجهيز، والحوسبة الفعالة والبنية التحتية للتخزين البيانات.

محلل بيانات، مسؤولة عن جمع، واستكشاف، وتقييم الجودة، ونموذج يناسب البيانات، الاستدلال الإحصائي وتطوير النماذج.

مهندس تعلم الآلة، المسؤولة عن بناء وتقييم خوارزميات التنبؤ، وحلول قابلة للتطوير والمتانة لكثير من المستخدمين.

مطوري البرمجيات العلوم البيانات، لم تشارك مباشرة في علم البيانات خط الانتاج، ولكن البيانات العلمية لتعزيز تطوير أدوات البرمجيات. على سبيل المثال Hadoop، R، RStudio، IPython المحمول، TensorFlow، D3، الباندا، ومثل مطور tidyverse.

كل الخبرات مشارك المطلوبة هي مختلفة جدا، لذلك، في المشاريع العلمية البيانات، يجب أن تكون هذه الخبرة مختلف تماما.

وعلاوة على ذلك، في الواقع، قد يكون هناك المزيد من البيانات العلمية للمشاركين. على سبيل المثال، ترجمة البيانات العلمية / مراسل، وقال انه لديه القدرة على تجاوز الخلافات بين فريق الإدارة وفرق علوم البيانات. انه / انها يمكن تصور أو عرض واسطة، وتفسير بخبرة المفاهيم العلمية البيانات المعقدة إلى الناس. لم العديد من البند البيانات العلمية عن إدارة لا يفهم تماما الفكرة وراء ذلك، مما تسبب في المشروع أن يتأخر أو لا يمكن تمويله. قد يكون هناك مشاركين (علم البيانات موظفي تطوير الأعمال؟) هل معرفة مهنية قوية، وفي الوقت نفسه لدينا فهم جيد للبيانات المفاهيم العلمية. كان جيدا في بعض ارتباط نقطة، واكتشاف البيانات قد تجلب فوائد فرص العلم والعمل للمشروع.

ما الذي تبحث عنه في تعليم العلوم البيانات؟

من خلال نظرة عامة المذكورة أعلاه، تستطيع أن ترى في علم البيانات في الواقع واسعة جدا، والتعلم الآلي ونمذجة هذه المشكلة هو تماما جزء صغير منه. وهذا يعني أن احتياجات المجتمع الأكاديمية لأفضل تحدد مناهجها، تحتاج المتعلمين أن يكون أكثر وعيا من أهدافهم الخاصة، ولكن الشركات بحاجة إلى فهم أفضل توجيه قيمتها.

ويوصي هذا المقال الأوساط الأكاديمية لتوفير إعداد أفضل للمتعلمين من خلال الطرق التالية:

تطوير ثلاثة مسارات مختلفة: مناطق مختلفة وتوفير البيانات العلمية الذي يتوافق مع مسار التنمية خاصة: المهندسين البيانات والمحللين البيانات والمهندسين، والتعلم الآلي، ومطوري علم البيانات والبرمجيات، الخ

تطبيق في المقام الأول: الحاجة إلى التأكيد على القضايا الرئيسية والتطبيقات العملية. يحتاج المناهج الدراسية لتكون مرتبطة التنفيذ الفعلي.

الخبرة العملية: بيانات المهتمة المتعلمين قمة مشروع تطوير البرمجيات العلمي يبحثون عن دورات في حزمة تطوير المشروع. وبالإضافة إلى ذلك، يمكن للمتعلمين إنشاء تعليمات برمجية موثوق بها وقابلة للتكرار هو أيضا مهم جدا، لأن الأنابيب البيانات أو التطبيقات العلمية سوف تحتاج إلى استخدام في الحياة الحقيقية. هذا هو تدريب الأكاديميين غالبا ما يتم تجاهلها.

مهارات البرمجة العملية :، برنامج قوي للتدريب لمشاركين مهمة محددة ومع اللغة المناسبة:

وفقا للمؤلفين MIT المقال شرح

التركيز على برنامج على مستوى الدراسات العليا: العلوم درجة الدكتوراه أو مستوى البيانات الرئيسية أوصى بدلا من المستوى الجامعي

إذا كنت تبحث عن المتعلمين تعليم العلوم بيانات الموارد مناسبة، يرجى تسأل نفسك:

ما هو نوع البيانات التي تريد أن تصبح المشاركين في العلم؟

ما هي المهارات ذات الصلة تحتاج إلى الحصول على

إذا كان لديك الإجابة على هذه الأسئلة، نلقي نظرة على منهج يلبي احتياجاتك وتوقعاتك.

إذا كنت المجند الشركات، تحتاج إلى إيلاء الاهتمام، وتوخي الحذر في استخدام "العلماء بيانات" هو مصطلح في الوصف الوظيفي لتكون محددة قدر الإمكان. وعلى المدى الطويل، يمكن للجميع الاستفادة منه.

المصدر: Pexels

شكرا للقراءة، والتعلم سعيدة!

انتباه رسالة الابهام

معا نحن نشارك في التعلم وتطوير AI الجاف

مثل طبع، يرجى ترك رسالة وراء الكواليس، والامتثال للمعايير طبع