Negli ultimi anni la scienza dei dati è diventata inestricabile dalle operazioni quotidiane. La scienza dei dati è impiegata nei prodotti, nel marketing, nell'ingegneria e nelle vendite per prendere decisioni cruciali. Dichiarazioni sensazionali secondo cui 'Data Scientist' è il lavoro più sexy ha fatto salire alle stelle la popolarità di questo titolo di lavoro da nerd.
Di conseguenza possiamo vedere persone che mostrano il loro titolo di lavoro e alcuni che cercano di diventarlo. Guardando le loro qualifiche, istruzione, esperienza, attitudine e atteggiamento, è ovvio che non rientrano tutti nella stessa categoria. Allora perché usano lo stesso titolo di lavoro indipendentemente dalle differenze?
Ciò potrebbe essere dovuto al fatto che i data scientist possono essere ampiamente classificati in due categorie:
analizzare i file xml in java
- Data science incentrata sul prodotto.
- Stile di scienza dei dati di Business Intelligence.
Ci sono approssimativamente da 4 a 5 gruppi in ogni categoria.
Nel rapporto 'Analyzing the Analyzers' di O'Reilly Strata, i data scientist sono classificati sulla base della data science incentrata sul prodotto come segue.
Data Science incentrata sul prodotto
- Ricercatore di dati
I professionisti di questa categoria provengono dal mondo accademico e hanno un background approfondito in statistica o scienze fisiche o sociali. Questo tipo di data scientist è spesso titolare di un dottorato di ricerca ma è scarsamente qualificato in Machine learning, programmazione o business.
- Sviluppatore di dati
Questi ragazzi tendono a concentrarsi sui problemi tecnici legati alla gestione dei dati. Sono forti nella programmazione e nell'apprendimento automatico, ma deboli nelle capacità di business e statistiche.
è un ha un java
- Creatività di dati
Questi sono i ragazzi che fanno qualcosa di innovativo da montagne di dati. Sono altamente qualificati in machine learning, Big Data, programmazione e altre abilità per gestire enormi quantità di dati.
- Dati Persone d'affari
Rappresentano il lato aziendale e sono responsabili di prendere decisioni aziendali vitali attraverso tecniche di analisi dei dati. Sono una miscela eclettica di competenza tecnica e commerciale.
Data Science basata sulla Business Intelligence
- Data Scientist quantitativi ed esplorativi
I data scientist quantitativi ed esplorativi sono inclini ad avere dottorati di ricerca e utilizzare la teoria per comprendere il comportamento. Combinando teoria e ricerca esplorativa, questi data scientist migliorano i prodotti.
- Data scientist operativi
I data scientist operativi lavorano spesso nei team finanziari, di vendita o operativi di un'organizzazione. Il suo ruolo è analizzare le prestazioni, le risposte e il comportamento di un processo, per migliorare la strategia e l'efficienza dell'organizzazione.
- Scienziati dei dati di prodotto
Gli scienziati dei dati di prodotto si adattano alla gestione o all'ingegneria del prodotto. Il loro compito è vagliare i registri e gli strumenti di analisi, per comprendere il modo in cui gli utenti utilizzano un prodotto e fanno uso di tale conoscenza per mettere a punto il prodotto.
- Marketing Data Scientists
Gli scienziati dei dati di marketing si concentrano sulla base di utenti, valutano le prestazioni e lavorano per migliorare l'efficienza, più o meno come il ragazzo di marketing standard.
- Ricercatori di dati
I data scientist della ricerca creano intuizioni da un set di dati. È raro che le start-up assumano ricercatori perché la produzione non è legata ai profitti. Ma le aziende più grandi, i think tank e le istituzioni finanziarie lo fanno.
come uscire in java
Questa classificazione mostra che qualsiasi gruppo di persone può essere inserito in una qualsiasi delle categorie. Il giusto tipo di data scientist può essere scelto in base ai requisiti dell'organizzazione
Prima di scegliere il tipo di data scientist che vuoi diventare, considera le competenze richieste o quelle che già possiedi per procedere nella direzione appropriata.
Allora, chi sarai ?? Un programmatore, uno statistico, un marketer, un business lead o un tuttofare?
Edureka ha un che ti aiuta ad acquisire esperienza in algoritmi di machine learning come clustering K-Means, Decision Trees, Random Forest, Naive Bayes. Imparerai anche i concetti di statistica, serie temporali, estrazione di testo e un'introduzione al deep learning. Presto inizieranno nuovi lotti per questo corso !!