नौकरी की भूमिका: डेटा वैज्ञानिक

विषय

• विविध परिभाषाएँ, विविध कर्तव्य
• नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
• एक डेटा वैज्ञानिक की कौशल

स्रोत: सर्गेई खकीमुलिन / iStockphoto

ले जाओ:

डेटा वैज्ञानिकों के पास व्यापक रोजगार हैं जो कि अनुप्रयोग द्वारा काफी भिन्न होते हैं। लेकिन इन सब में एक चीज समान है, वह है डेटा का अच्छा इस्तेमाल करना।

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग के काम में डेटा साइंटिस्ट क्या करता है? पेशेवरों के बहुत सारे जो इस तरह की परियोजनाओं के साथ हर दिन कहते हैं कि सवाल बस जवाब देने के लिए कठिन है। एक बेहतर सवाल यह होगा: डेटा वैज्ञानिक क्या नहीं करते हैं?

एक डेटा वैज्ञानिक एक AI या ML प्रक्रिया का अभिन्न अंग है, इस अर्थ में कि ये सभी परियोजनाएं बड़े डेटा या जटिल इनपुट पर निर्भर करती हैं। डेटा वैज्ञानिक आवश्यक कैरियर है जो जानता है कि परिणामों का उत्पादन करने के लिए डेटा के साथ कैसे काम किया जाए।

हालांकि, इस बारे में बात करने के कुछ तरीके हैं कि एक डेटा वैज्ञानिक क्या करता है, उसे क्या योग्यताएं चाहिए या क्या चाहिए और उसकी भूमिका क्या है।

पढ़ें: 6 प्रमुख डेटा विज्ञान अवधारणाओं आप ऑनलाइन सीखने के माध्यम से मास्टर कर सकते हैं

विविध परिभाषाएँ, विविध कर्तव्य

कई विशेषज्ञ जो डेटा वैज्ञानिक के काम का वर्णन करते हैं, वे इसके बारे में व्यापक रूप से बोलते हैं।

"छोटी कंपनियों में या एक नए बाजार में काम करते समय, एक डेटा वैज्ञानिक की भूमिका अपेक्षाकृत उपन्यास (लेकिन स्पष्ट) डेटा के स्रोतों को सामान में बदलना है जो एक अंतिम उपयोगकर्ता के लिए एक समस्या हल करता है, जो संभव नहीं था, पहले, जहां कार्यरत तकनीकों का अस्तित्व नहीं था, ”एंटोनियो हिक्स, मर्करी ग्लोबल पार्टनर्स में एक खाता प्रबंधक कहते हैं। "आदर्श उम्मीदवार वह है जो गणितज्ञ, भाग सॉफ्टवेयर इंजीनियर, और भाग उद्यमी है।"

अन्य लोग इस मूल विचार की प्रतिध्वनि करते हैं, यह उल्लेख करते हुए कि डेटा वैज्ञानिकों को मॉडलिंग परियोजनाओं से निपटने की आवश्यकता है।

डेटा साइंटिस्ट मैनेजर एरिन अकिंज़ कहते हैं, "डेटा साइंटिस्ट की सबसे महत्वपूर्ण विशेषता उनके आस-पास की दुनिया के बारे में एक गहरी जिज्ञासा है - चाहे वे सवालों के जवाब दे रहे हों या मॉडल का निर्माण कर रहे हों।" आसन में। "वहाँ से, अधिकांश लोगों को समाधान खोजने के लिए गणित और प्रोग्रामिंग में कौशल की आवश्यकता होगी, लेकिन विशिष्ट प्रकार के गणित और प्रोग्रामिंग डेटा विज्ञान के भीतर विशेषज्ञता के क्षेत्र के आधार पर व्यापक रूप से भिन्न होते हैं।"

नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ

जब कोई भी सॉफ़्टवेयर गुणवत्ता की परवाह नहीं करता है तो आप अपने प्रोग्रामिंग कौशल में सुधार कर सकते हैं।

वल्करी इंटेलिजेंस के संस्थापक और मुख्य कार्यकारी अधिकारी चार्ली बरगॉयने कहते हैं, "उत्कृष्ट वैज्ञानिक कार्य का एक समस्या के बारे में सोचने के तरीके से अधिक होता है, जिसका उपयोग वे इसे हल करने के लिए करते हैं।" Valkyrie अपने पंखों के तहत प्रभावशाली परियोजनाओं के साथ एक लागू विज्ञान परामर्श कंपनी है, जैसे मार्क I, एक समर्पित नेटवर्क उपकरण है जो तंत्रिका नेटवर्क प्रशिक्षण और परीक्षण को बढ़ाता है, जो पूर्ववर्ती क्लाउड-आधारित मशीन लर्निंग प्लेटफार्मों के साथ संभव है।

"बाजार उन वैज्ञानिकों की मांग करता है जो पायथन विकास, तंत्रिका नेटवर्क डिजाइन और नवीनतम डेटाबेस आर्किटेक्चर में डेटा रिपॉजिटरी को फिर से आकार देने की क्षमता में कुशल हैं," बर्गॉय कहते हैं। हालांकि, उन क्षमताओं, एक प्रतिभाशाली वैज्ञानिक के लिए टेबल-स्टेक हैं। यह कम स्पष्ट है कि वैज्ञानिक जिज्ञासा, आक्रामक सरलता और वैज्ञानिक पद्धति के पालन के लिए उपयुक्त है। "

एक डेटा वैज्ञानिक की कौशल

जहाँ तक व्यावहारिक कौशल सेट की बात है, तो डेटा वैज्ञानिकों को कुछ हद तक रचनात्मकता और समझदारी की ज़रूरत है जहाँ तक मॉडलिंग जाती है। वे "कठिन कौशल" होने से भी काफी लाभ उठा सकते हैं जैसे कि पायथन, सी ++ या अन्य सामान्य भाषाओं में कोडिंग का अनुभव एमएल प्रोजेक्ट्स पर लागू होता है।

"पैथॉन और सी ++ आवश्यक हैं और डेटा विश्लेषण और प्रसंस्करण और सांख्यिकी के साथ कोडिंग कौशल को संयोजित करने में सक्षम हैं, मुख्य कौशल हैं जो एक डेटा वैज्ञानिक को एक मजबूत उम्मीदवार या कर्मचारी के रूप में खड़ा करेंगे," ऑनलाइन स्टेप इंटरव्यू प्लेटफॉर्म प्रैम्प में वैल स्ट्रीफ कहते हैं। सॉफ्टवेयर इंजीनियरों, डेवलपर्स और डेटा वैज्ञानिकों के लिए। "जबकि प्रोग्रामिंग कौशल में से कुछ को एक डेवलपर के साथ एक डेटा वैज्ञानिक को जोड़कर ध्यान रखा जा सकता है, यह बहुत आसान है यदि आपके पास दोनों कौशल एक कंपनी के दृष्टिकोण से एक में संयुक्त हैं।"

अन्य विशेषज्ञ सूची में आर, हडोप, स्पार्क, सास और जावा को जोड़ते हैं और साथ ही झांकी, हाइव और MATABAB जैसी तकनीकों को भी शामिल करते हैं।

उन सभी को एक प्रभावशाली फिर से शुरू करने के लिए बनाते हैं, लेकिन उनमें से कुछ जो डेटा वैज्ञानिकों की भर्ती के साथ अनुभवी हैं, अन्य "मानव" पक्ष मामलों को भी कहते हैं। (एक प्रकार का डेटा वैज्ञानिक नागरिक डेटा वैज्ञानिक है। बिग डेटा वर्ल्ड में नागरिक डेटा वैज्ञानिकों की भूमिका में और जानें।)

"परंपरागत रूप से, एक विविध उदार कला शिक्षा वाले व्यक्ति उत्कृष्ट डेटा वैज्ञानिक बनाते हैं," बर्गॉय कहते हैं, इंजीनियरों के बीच एक अंतर बना रहे हैं, जो इमारत की तरफ हैं, और डेटा वैज्ञानिक हैं, जिनका काम बहुत अधिक वैचारिक हो सकता है। वह जारी है:

पारंपरिक एसटीईएम क्षेत्र में विशेषज्ञता के साथ मानविकी, कला या व्यावसायिक क्षेत्र में एक पूरक फोकस उन गुणों को उत्पन्न करता है जो एक उत्कृष्ट उद्योग-उन्मुख वैज्ञानिक बनाते हैं। यह कहा जाना चाहिए कि यह संगठन की उन गुणों का दोहन करने और एक उत्पादक तरीके से अपने उत्साह और तरीकों को आकार देने के लिए महत्वपूर्ण है। मैंने देखा है कि जब डेटा विज्ञान की पहल असफल होती है, तो संगठन के वैज्ञानिकों के रूप में दोषी होने की संभावना है। वैज्ञानिक इंजीनियर नहीं हैं। वे निष्पादित और निर्माण करने के लिए प्रेरित नहीं हैं। उन्हें खोजने और समझने के लिए प्रेरित किया जाता है। इस अंतर को समझने वाले संगठनों को दोनों क्षेत्रों की खेती के लिए अच्छी तरह से पुरस्कृत किया जाता है।

जैसा कि डेटा वैज्ञानिक आमतौर पर खुद पर लागू करते हैं, उसे कंपनी के मुख्य लक्ष्यों के साथ करना होता है। कुछ फर्म एक विकेन्द्रीकृत इंटरनेट का पीछा कर रही हैं - कुछ आईओटी या सास के साथ खेल रहे हैं। अन्य "उपयोगकर्ता के अनुकूल" या "नैतिक" या "पारदर्शी" एआई को आगे बढ़ाने की कोशिश कर रहे हैं।

किसी भी मामले में, डेटा वैज्ञानिकों द्वारा उपयोग किए जाने वाले डेटा पर हार्ड मैट्रिक्स के बीच विभाजन को भंग करने की संभावना है, जो भी प्रौद्योगिकी में है, वह खेल में है, और एआई / एमएल कार्यक्षमता की अवधारणा के फ्रीवेहलिंग कार्य।

जी 2 क्राउड में डेटा साइंस एंड एनालिटिक्स के प्रबंधक माइकल हप्प कहते हैं, "हम डेटा संग्रह और सफाई का प्रबंधन करने के साथ-साथ उस डेटा को सार्थक जानकारी में बदलने के लिए डेटा वैज्ञानिकों को नियुक्त करते हैं।" वह विस्तृत:

आमतौर पर इसका मतलब है कि कंपनी के डेटा इंजन को चलाने वाले किसी भी महत्वपूर्ण एल्गोरिदम का प्रबंधन करना और प्रमुख एनालिटिक्स टूल और भाषाओं में धाराप्रवाह होना, लेकिन हाल के वर्षों में उभरते हुए क्षेत्र जैसे प्राकृतिक भाषा प्रसंस्करण, मशीन सीखना, एआई-सक्षम विश्लेषण के अन्य रूप शामिल हैं। सबसे सफल डेटा वैज्ञानिक वे हैं जो अपने कठिन कौशल को जल्दी से सीखने की क्षमता के साथ जोड़ते हैं, और उन अंतर्दृष्टि को प्रभावी ढंग से संवाद करने की क्षमता है जो वे अपने व्यवसाय के लिए सार्थक होंगे।

इन प्रकार की अंतर्दृष्टि के साथ, युवा पेशेवरों या छात्रों के लिए यह पता लगाना आसान है कि डेटा वैज्ञानिक उनके लिए एक अच्छी भूमिका होगी, और कौशल कैसे प्राप्त करेंगे। STEM लर्निंग देश भर के स्कूलों में अधिक सुलभ हो रही है, लेकिन कोडिंग और प्रौद्योगिकी के लिए एक जुनून और मक्खी पर सीखने की क्षमता का कोई विकल्प नहीं है।