المحتوى
- تعاريف متنوعة ، واجبات متنوعة
- No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
- مهارات عالم البيانات
المصدر: سيرجي Khakimullin / iStockphoto
يبعد:
لدى علماء البيانات وظائف واسعة النطاق تختلف اختلافًا كبيرًا حسب التطبيق. ولكن هناك شيء واحد مشترك بينهم هو الدافع لاستخدام البيانات بشكل جيد.
ماذا يفعل عالم البيانات في خداع الذكاء الاصطناعي والتعلم الآلي؟ قد يقول الكثير من المحترفين الذين يتعاملون مع هذه الأنواع من المشاريع كل يوم أن السؤال صعب الإجابة عليه ببساطة. سيكون السؤال الأفضل هو: ما الذي لا يفعله علماء البيانات؟
يعد عالم البيانات جزءًا لا يتجزأ من عملية AI أو ML ، بمعنى أن كل هذه المشروعات تعتمد على بيانات كبيرة أو مدخلات معقدة. عالم البيانات هو المحترف الأساسي الذي يعرف كيفية التعامل مع البيانات لتحقيق نتائج.
ومع ذلك ، هناك بعض الطرق للتحدث حول ما يفعله عالم البيانات ، وما هي المؤهلات التي يحتاجها ، وما هو دوره / دورها في هذه العملية.
اقرأ: 6 مفاهيم علوم البيانات الأساسية التي يمكنك إتقانها من خلال التعلم عبر الإنترنت
تعاريف متنوعة ، واجبات متنوعة
يتحدث العديد من الخبراء الذين يصفون عمل عالم البيانات عنه بعبارات عامة.
"في الشركات الصغيرة أو عند العمل في سوق جديد ، يتمثل دور عالم البيانات في تحويل مصادر البيانات الجديدة (ولكن الواضحة) إلى أشياء تحل مشكلة للمستخدم النهائي ، وهو ما لم يكن ممكنًا في السابق ، يقول أنطونيو هيكس ، مدير الحسابات لدى ميركوري جلوبال بارتنرز ، حيث لا توجد التقنيات المستخدمة. "المرشح المثالي هو شخص يعمل في قسم الرياضيات ، ومهندس برامج ، ورجل أعمال."
يردد آخرون هذه الفكرة الأساسية ، مذكرين ما يحتاجه علماء البيانات لمعالجة مشاريع النمذجة.
يقول إيرين أكينشي ، مدير عالم البيانات: "إن أهم سمة يحتاج إليها عالم البيانات هي الفضول العميق حول العالم من حولهم - سواء أكانوا يجيبون على الأسئلة أو يبنون النماذج ، والرغبة في فهم المشكلة أمامهم هي المفتاح". في اسانا. "من هناك ، سيحتاج معظم الناس إلى مهارات في الرياضيات والبرمجة لإيجاد حلول ، لكن الأنواع المحددة من الرياضيات والبرمجة تختلف اختلافًا كبيرًا حسب مجال الخبرة في علم البيانات."
No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
لا يمكنك تحسين مهارات البرمجة لديك عندما لا يهتم أحد بجودة البرنامج.
ويضيف تشارلي بورغوين ، مؤسس والرئيس التنفيذي لشركة فالكي إنتيليجنس: "يرتبط العمل العلمي الممتاز بالطريقة التي يفكر بها العالم في مشكلة ما ، بدلاً من الأدوات التي يستخدمونها لحلها". Valkyrie هي شركة استشارية تطبيقية للعلوم ولديها مشاريع رائعة تحت جناحها مثل Mark I ، وهو جهاز مخصص للشبكة يعزز التدريب والاختبار على الشبكات العصبية ، ويحسن ما هو ممكن من خلال منصات التعلم الآلي القائمة على السحابة.
يقول بورغوين: "يتطلب السوق من العلماء ذوي الكفاءة في تطوير بيثون وتصميم الشبكات العصبية والقدرة على إعادة تشكيل مستودع البيانات في أحدث بنية قاعدة البيانات". ومع ذلك ، فإن هذه القدرات هي حصص مائدة لعالم موهوب. والأمر الأقل وضوحًا هو استعداد العالم للفضول الجريء ، والإبداع العدواني ، والالتزام بالمنهج العلمي. "
مهارات عالم البيانات
وبقدر ما يتعلق الأمر بمجموعات المهارات العملية ، يحتاج علماء البيانات إلى قدر من الإبداع والدهاء فيما يتعلق بالنمذجة. يمكنهم أيضًا الاستفادة كثيرًا من "المهارات الصعبة" مثل تجربة الترميز في Python أو C ++ أو غيرها من اللغات الشائعة المطبقة على مشاريع ML.
يقول Val Streif من Pramp ، منصة مقابلة وهمية عبر الإنترنت: "تعد Python و C ++ ضرورية والقدرة على الجمع بين مهارات الترميز وتحليل البيانات ومعالجتها والإحصاءات مهارات أساسية ستجعل عالم البيانات يبرز كمرشح أو موظف قوي". لمهندسي البرمجيات والمطورين وعلماء البيانات. "على الرغم من أنه يمكن العناية ببعض مهارات البرمجة من خلال دمج عالم بيانات مع مطور ، إلا أنه من الأسهل بكثير إذا كان لديك كلتا المهارات مجتمعة في واحدة ، من وجهة نظر الشركة."
يضيف خبراء آخرون R و Hadoop و Spark و Sas و Java إلى القائمة بالإضافة إلى تقنيات مثل Tableau و Hive و MATLAB.
كل هؤلاء يستجيبون للسيرة الذاتية المثيرة للإعجاب ، لكن بعض من لديهم خبرة في توظيف علماء البيانات يقولون إن الجانب "الإنساني" الآخر مهم أيضًا. (أحد أنواع البيانات هو عالم بيانات المواطن. اعرف المزيد عن دور علماء بيانات المواطن في عالم البيانات الضخمة).
يقول بيرجوين: "عادةً ما يصنع الأفراد الذين لديهم تعليم فنون ليبرالية متنوعة علماء بيانات ممتازين" ، مما يميز بين المهندسين ، الذين هم على الجانب الآخر ، وعالم البيانات ، الذين يمكن أن يكون عملهم أكثر تصوريًا. واصل:
إن الخبرة في مجال العلوم والتكنولوجيا والهندسة والرياضيات التقليدية مع التركيز على المجالات الإنسانية أو الفنون أو مجالات العمل تعطي تلك الصفات التي تجعل عالما ممتازا في مجال الصناعة. يجب أن يقال إنه من المهم بنفس القدر بالنسبة لقدرة المنظمة على تسخير تلك الصفات وتشكيل حماستها وطرقها بطريقة مثمرة. لقد لاحظت أنه عندما تكون مبادرة علم البيانات غير ناجحة ، فمن المحتمل أن تكون المنظمة مسؤولة عن العلماء. العلماء ليسوا مهندسين. فهي ليست مدفوعة لتنفيذ وبناء. إنهم مدفوعون لاكتشاف وفهم. يتم مكافأة المنظمات التي تفهم هذا الاختلاف جيدًا لزراعة كلا الحقلين.
بالنسبة إلى ما يطبق عليه علماء البيانات عادة ، فإن ذلك يتعلق بالأهداف الأساسية للشركة. بعض الشركات تطارد الإنترنت اللامركزي - بعضها يلعب مع IoT أو SaaS. يحاول البعض الآخر أن يكون رائداً "سهل الاستخدام" أو "أخلاقي" أو "شفاف" لمنظمة العفو الدولية.
في أي حال ، من المحتمل أن يسد علماء البيانات الفجوة بين المقاييس الصعبة على البيانات التي يستخدمونها ، في أي مكدس تكنولوجي يتم تشغيله ، وبين العمل الحر المتمثل في تصور وظيفة AI / ML.
يقول مايكل هوب ، مدير علوم البيانات والتحليلات في G2 Crowd: "نقوم بتوظيف علماء البيانات لإدارة جمع البيانات وتنظيفها ، وكذلك ترجمة هذه البيانات إلى معلومات مفيدة". وقال:
عادةً ما يعني ذلك إدارة أي خوارزميات مهمة تقود محرك بيانات الشركة وتتحدث بطلاقة في أدوات ولغات التحليل الرئيسية ، ولكن في السنوات الأخيرة تضمنت أيضًا مجالات ناشئة مثل معالجة اللغة الطبيعية والتعلم الآلي وأشكال أخرى من التحليل المدعوم من منظمة العفو الدولية. أنجح علماء البيانات هم أولئك الذين يجمعون بين مهاراتهم الصعبة والقدرة على التعلم بسرعة ، والقدرة على التواصل بشكل فعال مع الرؤى التي يكتشفونها حتى تكون ذات مغزى لأعمالهم.
مع هذه الأنواع من الأفكار ، يسهل على المهنيين أو الطلاب الشباب معرفة ما إذا كان عالم البيانات سيكون دورًا جيدًا لهم ، وكيفية اكتساب المهارات. أصبح التعلم STEM متاحًا بشكل أكبر في المدارس في جميع أنحاء البلاد ، ولكن لا يوجد بديل عن شغف الترميز والتكنولوجيا ، والقدرة على التعلم أثناء الطيران.