Büyük veri endüstrisi için veri bilimcileri şüphesiz tüm endüstrinin çekirdeğidir. Çok çalışıyorsanız ve işi almak istiyorsanız, iş için gerekli becerileri öğrenmeniz ve bu becerilerde ustalaşmanız ve bu becerileri özgeçmişinizde göstermeniz gerekir.
İstatistik ve matematikte sağlam temelVeri bilimine dayalı teknoloji şirketlerinde istatistiksel beceriler çok önemlidir. Test, dağıtım, olasılık tahmini, çeyrekler arası aralık vb. Gibi istatistiksel terimleri ve temel kavramları anlamalısınız.
Aynı zamanda, matematik bilgisi de ifadeyi geliştirmeye yardımcı olarak sonuçlar arasında önemli farklılıklar göstermenize olanak tanır. Bu hesaplamaları yapmak, belirli problemleri çözmek için belirli yöntemler oluşturmanıza yardımcı olan çok değişkenli analiz veya doğrusal cebir hakkında temel bilgi gerektirir.
Güçlü programlama temeli ve esnek algoritma mantığıBir veri bilimcisi olma hayalini gerçekleştirmek için, programlamada çok iyi olmanız ve herhangi bir zamanda kodu analiz edebilmeniz, anlayabilmeniz ve yazabilmeniz gerekir. Bu hedefe ulaşmak için, farklı programlama dilleri aktif olarak çalışılmalı ve uygulanmalıdır.
Veri bilimi uygulayıcıları için, özellikle veri bilimi için tasarlandığından R genellikle tercih edilen programlama dilidir. Aslında, veri bilimcilerinin% 40'ından fazlası istatistiksel problemleri çözmek için R kullanmayı tercih ediyor. Bununla birlikte, R dilinin öğrenme eğrisi çok uzundur, eğer programlamada iyi değilseniz, genellikle çok zordur.
Öte yandan, birçok nesne yönelimli dil arasında Python, veri biliminde tercih edilen en yaygın programlama dillerinden biridir. Python çok uyarlanabilir ve veri biliminin neredeyse tüm adımları Python'da tamamlanabilir. Python'a farklı formatlardaki veriler aktarılabilir ve SQL tablolarını çalışma alanına kolayca aktarabilirsiniz. Aynı zamanda çalışma ortamında veri setlerinin oluşturulmasını da destekler. Veri bilimcilerin% 51'inin programlama aracı olarak Python'u tercih etmesinin nedeni budur.
Paylaşılan tutkuKendi küçük çevrenizden çıktığınızda kendinizi daha iyi tanıyabilirsiniz. İnsanlar daha iyi gelişebilmek için sağlıklı bir rekabet ruhuna ihtiyaç duyar. Günümüzde veri bilimi meraklılarını tatmin edecek birçok yarışma, hackathon ve seminer var. Bu faaliyetlere katılmak, bilginizi artırabilir ve alandaki mevcut eğilimleri anlayabilir.
Örneğin, Machinehack (https://www.machinehack.com/), Hackerearth (https://www.hackerearth.com/sprints/l/field/hackathons-data-science-and-engineering/) ve NMIMS (https : //badmchampionship.nmims.edu/) iyi bir veri bilimi platformudur.
Proje deneyimi önemlidirÖğrenme sadece başlangıçtır, gerçek bilgi uygulamadan gelir.
Bir kişinin yetenekleri ancak gerçek işlerde tam anlamıyla değerlendirilebilir. Pratik projelere katılma cesaretine sahip olun, projenin arka planını ve problem çözme çerçevesini anlamaya çalışın. Şu anda, veri bilimi pratik deneyime büyük önem veriyor ve büyük şirketler deneyime ve analitik düşünmeye sahip uygulayıcılar arıyor.
Yapılandırılmamış verileri işlemeYapılandırılmamış veriler, videolar, gönderiler, bloglar, kullanıcı yorumları ve ses gibi veritabanı tablolarına dönüştürülemeyen içeriği ifade eder. Belirsiz yapıları nedeniyle bu verileri sınıflandırmak zordur.
Yapılandırılmamış verilerle başa çıkabilmek, veri bilimcileri için çok önemli bir beceridir. Apache Hadoop, Microsoft HDI içgörü, NoSQL, Polybase, presto vb., Yapılandırılmamış verilerle başa çıkmanıza yardımcı olabilecek, hakim olunması gereken bazı yazılımlardır.
Hikayeler anlatmak için verileri kullanınKarar vericilerin dikkatini çekmek ve işinizi mantıklı bir şekilde anlamalarına izin vermek, veri bilimcileri için önemli bir beceridir.
Şirkette üretilen büyük miktardaki verilerin halkın anlayabileceği şekilde ifade edilmesi gerekiyor. Basit verilerle karşılaştırıldığında, insanların grafiksel gösterimleri kabul etme olasılığı daha yüksektir. Bu nedenle, bir veri bilimcisi olarak ham verileri görselleştirmek için görselleştirme araçlarını (ggplot, d3.js, matplotlib ve Tableau gibi) kullanmanız gerekir. Birçok kişi korelasyonları ve p değerlerini anlamakta güçlük çeker, ancak bu karmaşık ilişkiler görünür grafiklere dönüştürülebilirse, sonuçların yorumlanabilirliği iyileştirilebilir.
Akademik seviyeyi geliştirinVeri bilimcisi olmak çok şey gerektirir. Eğitim deneyimi, veri bilimcilerinin düzeyini ölçmede önemli bir faktördür. Şirketler istatistik, matematik, bilgisayar bilimi ve fizik alanlarında yüksek lisans derecesine sahip iş arayanları tercih ederken, uygulamalı matematik, istatistik, bilgisayar bilimi ve kozmoloji alanlarında doktora derecesi olan iş arayanlar araştırma şirketleri ve yaşlılar arasında daha popülerdir. Model geliştirme firmasının tercihi.
Derleyici grubu: Wei Zhenchen, Huang Tianyuan İlgili bağlantılar: https://www.analyticsindiamag.com/7-things-data-scientists-must-have-in-their-resumes/ Yeniden yazdırmanız gerekirse, lütfen arka planda bir mesaj bırakın ve yeniden yazdırma spesifikasyonlarını izleyin