Дата-сайентист и Специалист по большим данным — элита?

Раньше элитой в фирмах были программисты, теперь это data scientists (DS, дата-сайентисты, Специалисты по большим данным). Этот переход состоялся недавно. На волне «хайпа» в данную профессию потянулись многие и без математического бэкграунда.  Есть много бесплатных курсов по профессии от Яндекса, Физтеха, Coursera и edX (для понимающих английский язык, хотя на первом есть хороший курс на русском).

На самом деле дата-сайентисты, так же как и программисты занимаются обслуживанием бизнес-процессов организации. Понимание откуда организация берет деньги и как это поддерживать — это главное для специалиста. Бездумное использование нейронных сетей или трендовых алгоритмов само по себе не нужно никому. Никакой элитарности здесь нет.  А есть рутина по работе с данными —  поиск выбросов, проверка согласованности.

Обычные рабочие процессы для исследователя:

  • идентификация проблем поиска (совместно с разработчиками и менеджерами );
  • анализ существующих решений;
  • разработка новых наукоемких решений;
  • проведение экспериментов;
  • написание статей, описывающих эти решения и эксперименты.

А вот что обычно требуется для data scientists:

  • Высшее техническое образование;
  • актуальные знания хотя бы в одной из этих областей: Machine Learning, Data Mining, Information Retrieval, Natural Language Processing, Social Networks;
  • желание регулярно читать и анализировать научные публикации по этим темам;
  • навыки программирования — для реализации существующих и новых алгоритмов, проведения экспериментов и создания тестовых прототипов;
  • опыт прикладного применения математической статистики, в том числе работы с сильно зашумленными данными;
  • опыт разработки на C++, Python или похожих языках программирования;
  • отличный письменный и хороший устный английский язык.
  • опыт написания научных статей
  • опыт участия в международных научных конкурсах
  • опыт участия в международных научных конкурсах

Операции с данными очень важны в финтех, ритейле и других направлениях:

  • Классический» Data Mining – позволяет решать такие задачи, как кредитный скоринг, прогнозировать вероятность брака при производстве, рассчитывать вероятность клика пользователем по баннеру.
  • Text Mining – позволяет находить закономерности в тексте, автоматически определять его тематику, понимать по посту в социальной сети – был он окрашен позитивно или негативно.
  • Обработка изображений – позволяет находить образы на фото, распознавать текст на картинке, определять, есть ли у пациента рак, на основе анализа рентгеновского снимка – и многое другое. Здесь применяются нейросети и глубокое обучение.
  • Рекомендательные системы – задачи из этой области позволяют подобрать для пользователя фильм, книгу или товар, которые максимально соответствуют его интересам.
  • Обработка аудиосигнала

Большие данные стали новой нефтью. Особенно это заметно у гигантов ИТ (Яндекс, Гугл, Фейсбук).

Если Вам интересно ознакомиться с данным направлением вот хорошие отобранные курсы по Машинному обучению, Большим данным и DS:

  1. https://ru.coursera.org/learn/vvedenie-mashinnoe-obuchenie
  2. https://www.coursera.org/learn/mathematics-and-python
  3. https://yandexdataschool.ru/
  4. последующее трудоустройство от Яндекса здесь: https://datasciencecourse.ru/work/
  5. Единственная адекватная книга на русском языке «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных» Петер Флах скачать или купить по ссылке

В США, согласно O’Reilly Media, уровень зарплат Data Scientists может доходить до $138 тысяч в год и выше — в зависимости от уровня квалификации. Для сравнения, средняя зарплата программиста, по их же оценкам, составляет $65-80 тысяч в год. В России с каждым годом потребность в таких специалистах будет только повышаться, так как заявлен курс на цифровизацию всей экономики.

 

Об авторе Editor 134 Статьи
Самый главный человек на сайте. Если Вы хотите опубликовать свою статью на нашем ресурсе то милости просим на nkosistema@mail.ru

ОСТАВЬТЕ ПЕРВЫЙ КОММЕНТАРИЙ

Добавить комментарий