En els darrers anys, la ciència de les dades s’ha convertit en inextricable de les operacions diàries. La ciència de les dades s’utilitza en productes, màrqueting, enginyeria i vendes per prendre decisions crucials. Les sensacionals afirmacions de que ‘Data Scientist’ és la feina més atractiva han disparat la popularitat d’aquest títol nerd.
Com a resultat, podem veure com les persones interpel·len el seu lloc de treball i algunes s’esforcen per convertir-se en un. Mirant les seves qualificacions, educació, experiència, aptitud i actitud, és obvi que no tots pertanyen a la mateixa categoria. Llavors, per què utilitzen el mateix títol laboral independentment de les diferències ??
Això es podria deure al fet que els científics de dades es poden classificar en dues categories:
- Ciència de dades enfocada al producte.
- Estil de Business Intelligence de ciència de dades.
Hi ha aproximadament de 4 a 5 grups a cada categoria.
A l’informe d’O’Reilly Strata «Analyzing the Analyzers», els científics de dades es classifiquen segons la ciència de dades centrada en el producte de la manera següent.
Ciència de dades enfocada al producte
- Investigador de dades
Els professionals d’aquesta categoria provenen del món acadèmic i tenen una formació profunda en estadística o ciències físiques o socials. Aquest tipus de científic de dades sovint té un doctorat, però és poc hàbil en aprenentatge automàtic, programació o negoci.
- Desenvolupador de dades
Aquests nois tendeixen a concentrar-se en problemes tècnics que comporten la manipulació de dades. Són forts en programació i aprenentatge automàtic, però febles en habilitats empresarials i estadístiques.
- Creativitats de dades
Aquests són els nois que fan quelcom innovador a partir de muntanyes de dades. Són molt hàbils en aprenentatge automàtic, Big Data, programació i altres habilitats per manejar dades massives.
- Dades Empresaris
Representen el vessant empresarial i són responsables de prendre decisions empresarials vitals mitjançant tècniques d’anàlisi de dades. Són una barreja eclèctica de coneixements tècnics i empresarials.
Ciència de dades basada en Business Intelligence
- Científics de dades quantitatius i exploratoris
Els científics de dades quantitatives i exploratòries estan inclinats a tenir doctorats i a utilitzar la teoria per comprendre el comportament. Combinant la teoria i la investigació exploratòria, aquests científics de dades milloren els productes.
classe d’escàner a l’exemple de Java
- Científics de dades operatives
Els científics de dades operacionals treballen sovint en equips de finances, vendes o operacions d’una organització. El seu paper és analitzar el rendiment, les respostes i el comportament d’un procés, per millorar l’estratègia i l’eficiència de l’organització.
- Científics de dades de productes
Els científics de dades de productes s’adapten a la gestió o enginyeria de productes. El seu treball consisteix a examinar registres i eines d’anàlisi, entendre la manera com els usuaris fan ús d’un producte i fan ús d’aquest coneixement per afinar el producte.
- Científics de dades de màrqueting
Els científics de dades de màrqueting se centren en la base d’usuaris, avaluen el rendiment i treballen per millorar l’eficiència, de la mateixa manera que el tipus de màrqueting normal.
- Científics de dades de recerca
Els científics de dades de recerca creen idees a partir d’un conjunt de dades. És estrany que les empreses de nova creació contractin científics investigadors perquè la producció no està lligada als beneficis. Però les empreses més grans, els think tanks i les institucions financeres sí.
Aquesta classificació mostra que qualsevol grup de persones es pot incloure a qualsevol de la categoria. Es pot triar el tipus adequat de científic de dades en funció del requisit de l’organització
Abans de triar el tipus de científic de dades en què voleu convertir-vos, tingueu en compte les habilitats requerides o les que ja teniu per procedir en la direcció adequada.
Llavors, qui seràs? Un programador, un estadístic, un venedor, un líder empresarial o un professional de tots els oficis ??
Edureka compta amb un programa especialment curat cosa que us ajuda a obtenir experiència en algorismes d’aprenentatge automàtic com ara K-Means Clustering, Decision Trees, Random Forest, Naive Bayes. També aprendreu els conceptes d’Estadístiques, sèries temporals, mineria de text i una introducció a l’aprenentatge profund. Ben aviat començaran les noves lots d’aquest curs !!