Руководство, которое поможет вам стать правильным специалистом по данным, которого заслуживает мир.

Итак, вы приняли решение стать специалистом по анализу данных (или аналитиком, или кем-то еще, вы поняли!). Замечательно!

Привет! это самая сексуальная работа 21 века. Вы, очевидно, должны пойти на это.

Но есть проблема. Теперь, прежде чем я расскажу вам о проблеме, позвольте мне рассказать вам, из чего состоит область науки о данных. Знание этого поможет вам лучше понять проблему.

Наука о данных =?

Сама по себе наука о данных - это не отдельная область, а комбинация многих из них. Математика, статистика, программирование, интеллектуальный анализ данных, базы данных и визуализация - вот некоторые из ключевых областей компонентов, которые вместе создают мир науки о данных.

С другой стороны, наука о данных и аналитика - это одна из наиболее быстро развивающихся областей в настоящее время. Каждый день появляются новые достижения в области компьютерного зрения, обработки естественного языка или в какой-либо другой подобласти аналитики и науки о данных. Это похоже на бесконечный поток инноваций и улучшений, происходящих в этой области.

Эта проблема

Поскольку это такая огромная сфера, где так много взаимосвязанных дисциплин и так много достижений, которые появляются регулярно, человеку трудно начать и легко потерпеть поражение.

Проблема в том, что множество должностей, которые действительно отличаются друг от друга, называются одной работой - Data Scientist. Это может привести к большой путанице с точки зрения пути, по которому нужно идти, и набора навыков, которые необходимо приобрести для получения работы.

Наука о данных разделена на несколько разделов и областей, которые практикуются в отрасли, поэтому очень важно четко понимать, на какой профиль и на какую роль вы ориентируетесь.

Решение

Лучшее решение вышеупомянутой проблемы - это знать о различных типах ролей, присутствующих в отрасли под флагом специалиста по данным, и отфильтровать роль, которую вы хотите для себя.

Вот наиболее распространенные роли в области науки о данных, которые сегодня практикуются в промышленности.

Инженер по машинному обучению / специалист по данным
Сейчас я обсуждаю эти роли одновременно, но между этими двумя ролями есть небольшая разница.

Специалисты по анализу данных сосредоточены на улучшении модели относительно бизнес-показателей, таких как коэффициент конверсии и т. Д. Они более склонны к улучшению существующих систем машинного обучения с использованием новых подходов и идей, а также благодаря своему сильному математическому опыту.

Инженеры по машинному обучению больше сосредоточены на развертывании моделей машинного обучения на производственном уровне, их эффективности, надежности и скорости.

Типичная команда проекта машинного обучения состоит как из специалистов по данным, так и из инженеров по машинному обучению.

Средняя шкала заработной платы (в Индии)
Для специалиста по данным: 7,86 000 рупий в год
Для инженера по машинному обучению: 7 50 000 рупий в год
Средняя шкала заработной платы (в США)
Для специалиста по данным: 96 000 долларов в год
Для Инженер по машинному обучению: 101 000 долларов в год

Набор навыков: статистический анализ, машинное обучение, глубокое обучение, Python, R, математика.

Аналитик данных
Сегодня каждый хочет стать специалистом по анализу данных напрямую, но компании очень скептически относятся к предложению роли специалиста по данным новичкам. Профиль аналитика данных оказывается относительно простой целью для человека, который ищет старт в этой области.

Эта роль требует сильного владения анализом данных, существующими инструментами и в основном занимается обработкой данных, обобщением и специальной отчетностью. Этот профиль обычно не требует глубокого понимания продвинутых концепций машинного обучения или сильной математической подготовки, однако необходимо базовое понимание статистики, обработки данных и визуализации.

Средняя шкала заработной платы (в Индии): 4,97 000 рупий в год
Средняя шкала выплат (в США): 57 000 долларов США в год

Набор навыков: SPSS, SAS, Tableau, Статистика, SQL, Microsoft Excel

Эксперт по визуализации данных
Анализ данных - это лишь часть головоломки науки о данных. Еще одна важная часть, о которой новички обычно не замечают, - это визуализация данных. Визуализация данных играет важную роль в решении множества задач, от изучения новых наборов данных до объяснения результатов высшему руководству и пользователям. Это важная часть процесса повествования.

В настоящее время у большинства команд по обработке и анализу данных есть специалисты по визуализации данных. Чтобы хорошо сыграть эту роль, вы должны хорошо разбираться в библиотеках и инструментах визуализации, концепциях визуализации данных и иметь базовые знания статистики.

Средняя шкала выплат (в Индии): 5,95 000 рупий в год
Средняя шкала выплат (в США): 72 000 долларов США в год

Набор навыков: статистика, таблица, Power BI, QlikView, d3.js, ggplot, визуальный арт-дизайн, навыки повествования.

Бизнес-аналитик
Бизнес-аналитик - это профессионал, который является экспертом в области организации и более вовлечен в бизнес-область организации, чтобы понять ее требования к данным и способы хранения и представления этих данных в форме. хранилищ данных, информационных панелей и отчетов.

Специалисты этого уровня обычно не занимаются анализом данных, но должны хорошо владеть SQL, чтобы интегрировать данные из разных источников.

Средняя шкала заработной платы (в Индии): 5,84 000 рупий в год
Средняя шкала выплаты (в США): 67 000 долларов США в год

Набор навыков: OLAP, отчетность, ETL, SQL, дизайн бизнес-объектов

Инженер по большим данным
Инженеры по большим данным - это профессионалы, обладающие достаточным набором навыков для настройки и мониторинга инфраструктуры, необходимой специалистам по данным и инженерам по машинному обучению для выполнения своих аналитических моделей. Как правило, они имеют опыт разработки программного обеспечения и не обязательно нуждаются в ноу-хау в области машинного обучения и аналитики, чтобы хорошо выполнять свои обязанности.

Средняя шкала заработной платы (в Индии): 7,84 000 рупий в год
Средняя шкала выплат (в США): 90 000 долларов США в год

Набор навыков: Hadoop, MapReduce, Pig, Spark, Hive, MySQL, NoSQL, SQL, Linux, Networking, MongoDB.

Узнали что-то полезное из статьи? Пожалуйста, покажите свою признательность, хлопнув в ладоши и поделившись этим с друзьями.