コンテンツ
出典：セルゲイ・カキムリン/ iStockphoto
取り除く：
データサイエンティストには、アプリケーションによって大きく異なる幅広い仕事があります。しかし、両者に共通していることの1つは、データを有効に活用する意欲です。
データサイエンティストは、人工知能と機械学習の作業で何をしますか？これらの種類のプロジェクトを毎日処理する多くのプロは、質問を簡単に答えるのは難しいと言うでしょう。より良い質問は次のとおりです：データサイエンティストは何をしないのですか？
これらのプロジェクトはすべてビッグデータまたは複雑な入力に依存しているという意味で、データサイエンティストはAIまたはMLプロセスに不可欠です。データサイエンティストは、データを操作して結果を出す方法を知っている重要なキャリアリストです。
ただし、データサイエンティストが行うこと、必要な資格、プロセスでの役割について話す方法はいくつかあります。
読む： オンライン学習で習得できる6つの重要なデータサイエンスの概念
さまざまな定義、さまざまな義務
データサイエンティストの仕事を説明する多くの専門家は、広い意味でそれについて語っています。
「中小企業や新しい市場で働いている場合、データサイエンティストの役割は、比較的新しい（ただし明らかな）データソースを、以前は不可能だったエンドユーザーの問題を解決するものに変換することです。 Mercury Global PartnersのアカウントマネージャーであるAntonio Hicks氏は、次のように述べています。 「理想的な候補者は、一部は数学者、一部はソフトウェアエンジニア、一部は起業家です。」
他の人は、この基本的な考え方を反映して、データ科学者がモデリングプロジェクトに取り組むために必要なものに言及しています。
「データサイエンティストが必要とする最も重要な属性は、周囲の世界に対する深い好奇心です。質問に答える場合でも、モデルを構築する場合でも、それらの前の問題を理解することが重要です」と、データサイエンティストマネージャーのエリン・アキンチは言いますアーサナで。 「そこから、ほとんどの人は、ソリューションを見つけるために数学とプログラミングのスキルを必要としますが、特定の種類の数学とプログラミングは、データサイエンスの専門分野によって大きく異なります。」
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質を気にしない場合、プログラミングスキルを向上させることはできません。
「優れた科学研究は、問題を解決するために使用するツールよりも、科学者が問題について考える方法に関係しています」と、Valkyrie Intelligenceの創設者兼CEOであるチャーリー・バーゴインは付け加えます。ヴァルキリーは応用科学コンサルティング会社であり、Mark Iなどの印象的なプロジェクトを展開しています。MarkIは、ニューラルネットワークのトレーニングとテストを強化し、以前のクラウドベースの機械学習プラットフォームで可能なことを改善する専用ネットワークアプライアンスです。
「市場では、Python開発、ニューラルネットワーク設計、およびデータリポジトリを最新のデータベースアーキテクチャに再構築する能力に習熟している科学者が必要です」とBurgoyne氏は言います。 「しかし、これらの能力は、才能のある科学者にとって重要な課題です。それほど明白ではないのは、科学者の大胆な好奇心、攻撃的な創意工夫、科学的方法の順守に対する適性です。」
データサイエンティストのスキル
そのため、実践的なスキルセットに関しては、データサイエンティストには、モデリングに関する限り、ある程度の創造性と知識が必要です。また、Python、C ++、またはMLプロジェクトに適用される他の一般的な言語でのコーディングの経験など、「ハードスキル」を身に付けることで、多くのメリットを得ることができます。
「PythonとC ++は必須であり、コーディングスキルとデータ分析および処理を組み合わせることができ、統計はデータサイエンティストを有力な候補者または従業員として際立たせるコアスキルです」とオンラインモックインタビュープラットフォームのVal Streif氏は述べています。ソフトウェアエンジニア、開発者、データサイエンティスト向け。 「一部のプログラミングスキルはデータサイエンティストとデベロッパーをペアにすることで対応できますが、会社の観点からは両方のスキルを1つにまとめる方がはるかに簡単です。」
他の専門家は、R、Hadoop、Spark、Sas、Java、およびTableau、Hive、MATLABなどのテクノロジーをリストに追加します。
これらはすべて印象的な履歴書になりますが、データサイエンティストの採用に経験のある人の中には、他の「人間」の側面も重要だと言う人がいます。 （データサイエンティストの1つのタイプは、市民データサイエンティストです。詳細については、「ビッグデータワールドにおける市民データサイエンティストの役割」を参照してください。）
「伝統的に、多様な教養教育を受けた個人は優れたデータ科学者を作ります」とバーゴインは言います。建物側にいるエンジニアと、より概念的な仕事ができるデータ科学者を区別します。彼は続けます：
人文科学、芸術、またはビジネスの分野に補完的な焦点を当てた伝統的なSTEM分野の専門知識は、優れた業界志向の科学者となる資質をもたらします。組織の能力がこれらの資質を活用し、生産的な方法で熱意と方法を形成することも同様に重要であると言わなければなりません。データサイエンスイニシアチブが成功しなかった場合、組織は科学者と同じくらいの過失になる可能性が高いことを観察しました。科学者はエンジニアではありません。それらは実行およびビルドするように駆動されません。彼らは発見し理解するように駆り立てられます。この違いを把握している組織は、両方の分野の耕作に対して十分に報われています。
データサイエンティストが一般的に適用するものに関しては、それは会社の中核目標に関係しています。一部の企業は分散型インターネットを追いかけていますが、一部の企業はIoTまたはSaaSで遊んでいます。他の人たちは、「ユーザーフレンドリー」、「倫理的」、または「透明」なAIを開拓しようとしています。
いずれにせよ、データサイエンティストは、使用しているデータのハードメトリックと、それがどのようなテクノロジースタックを使用している場合でも、AI / ML機能を概念化するフリーホイール作業との間の隔たりを埋める可能性があります。
G2 CrowdのデータサイエンスおよびアナリティクスマネージャーであるMichael Hupp氏は、次のように述べています。彼は詳しく説明します。
通常、これは企業のデータエンジンを駆動し、主要な分析ツールと言語に堪能な重要なアルゴリズムを管理することを意味しますが、近年では、自然言語処理、機械学習、その他のAI対応分析などの新しい分野も含まれています。最も成功しているデータサイエンティストは、ハードスキルと迅速な学習能力、および発見した洞察を効果的に伝達してビジネスに有意義な能力を組み合わせた人です。
これらのタイプの洞察により、若い専門家や学生は、データサイエンティストが彼らにとって良い役割を果たしているかどうか、そしてスキルを習得する方法を見つけやすくなります。 STEM学習は、全国の学校でより利用しやすくなっていますが、コーディングとテクノロジーへの情熱、そしてその場で学習する能力に代わるものはありません。