Список вчених і прикладів навичок даних

"Вчений даних" - це широкий термін, який може посилатися на ряд типів кар'єри. Взагалі, вчений аналізує дані, щоб дізнатися про наукові процеси. Деякі посади в науці даних включають дані аналітик, інженер даних, комп'ютерних та інформаційних дослідників, дослідник операцій аналітик і аналітик комп'ютерних систем.

Фахівці з даних працюють у різних галузях, починаючи від техніки та медицини, до державних установ. Кваліфікація для роботи в галузі даних відрізняється, оскільки назва настільки широка. Тим не менш, існують певні навички, які роботодавці шукають практично в усіх даних вчених. Науковцям з даних потрібні сильні статистичні, аналітичні та звітні навички.

Ось список навичок даних вчених для резюме, супровідних листів, заявок на роботу та інтерв'ю. Включено детальний перелік п'яти найважливіших наборів даних вчених даних, які супроводжуються переліками відповідних навичок та робочих обов'язків.

Поради щодо використання списку навичок

Ключовою частиною створення резюме та супровідного листа, який помічено роботодавцями, є включення якомога більшої кількості ключових слів та ключових фраз. Це пояснюється тим, що компанії-роботодавці в даний час часто використовують автоматизовані системи стеження за заявниками (системи ОВС), щоб забезпечити перший етап аналізу заявок на роботу, які вони отримують. Чим більше ключових слів містить ваше резюме, тим більша ймовірність того, що вона пройде перший розріз системою ОПР і, в кінцевому рахунку, досягне людського ока менеджера з найму.

Перераховані тут терміни є одними з найбільш часто шуканих ключових слів, запрограмованих в системах ОПР і використовуються в роботах для вчених з даних. Таким чином, ви повинні спробувати включити багато з цих ключових фраз у своє резюме - у початковий підсумок кваліфікацій, у вашому розділі історії роботи і в таблиці технологій, що описує ваші апаратні та програмні навички.

Ви також повинні описати свою команду про найважливіші з цих навичок у Вашому супровідному листі та, врешті-решт, під час Ваших особистих інтерв'ю. Переконайтеся, що це опис було розширено з конкретними прикладами того, як ви використовували кожну навичку роботи або роботи.

Ваше найкраще керівництво щодо того, який із цих ключових слів слід включити, - це опис роботи, до якої ви звертаєтеся. Кожна робота, на яку ви звертаєтеся, потребуватиме різних навичок і досвіду, тому переконайтеся, що ви уважно прочитали опис роботи і зосереджувалися на навичках, перерахованих роботодавцем, поширюючи кожне резюме та супровідний лист, який ви подаєте на кваліфікацію, яку вимагають різні роботодавці.

Топ п'ять навичок вчених даних

Аналітичний

Можливо, найважливішим вмінням для вчених даних є можливість аналізувати інформацію. Науковці з даних повинні дивитися на великі ряди даних і розуміти їх. Вони повинні бути в змозі побачити закономірності та тенденції в даних і пояснити ці закономірності. Все це вимагає сильних аналітичних навичок.

• Аналітичні засоби
• Analytics
• Великі дані
• Побудова прогнозних моделей
• Створення елементів керування для забезпечення точності даних
• Критичне мислення
• Дані
• Аналіз даних
• Analytics даних
• Маніпулювання даними
• Обговорення даних
• Інструменти для даних / Інструменти для обробки даних
• Видобуток даних
• Оцінка нових аналітичних методологій
• Інтерпретація даних
• Показники
• Видобування даних соціальних медіа
• Дані моделювання
• Інструменти моделювання
• Створення візуалізації даних
• Дослідження
• Моделювання ризиків
• Тестування гіпотез

Творчість

Бути хорошим вченим даних також означає бути творчим. По-перше, ви повинні використовувати творчість для виявлення тенденцій у даних. По-друге, потрібно встановити зв'язки між даними, які можуть здатися незв'язаними. Для цього потрібно багато творчого мислення. Нарешті, ви повинні пояснити ці дані таким чином, що зрозумілі керівникам вашої компанії. Це часто вимагає творчих аналогій і пояснень.

• Адаптивність
• Передача технічної інформації нетехнічним людям
• Прийняття рішень
• Дерева рішень
• Виконання в швидко розвивається середовищі
• Логічне мислення
• Вирішення проблем
• Робота самостійно

Спілкування

Вчені-фахівці не тільки повинні аналізувати дані, але вони також повинні пояснити ці дані іншим. Вони повинні вміти передавати дані людям, пояснювати важливість моделей у даних та пропонувати рішення. Це передбачає роз'яснення складних технічних питань, які легко зрозуміти. Часто передача даних вимагає навичок візуального, усного та письмового спілкування.

• Асертивність
• Співпраця
• Консалтинг
• Розвиток відносин з внутрішніми та зовнішніми зацікавленими сторонами
• Обслуговування клієнтів
• Документування
• Отримання консенсусу
• Сприяння зустрічам
• Лідерство
• Наставництво
• Презентація
• Управління проектами
• Методології управління проектами
• Терміни виконання проекту
• Надання рекомендацій для фахівців з інформаційних технологій
• Звітність
• Наглядові навички
• Навчання
• Вербальні комунікації
• Написання

Математика

В той час, як м'які навички, такі як аналіз, креативність і комунікація, важливі, жорсткі навички також є критичними для роботи. Вчений-дослідник даних потребує математичних навичок, зокрема, у багатовимірному обчисленні та лінійній алгебрі.

• Алгоритми
• Створення алгоритмів
• Набори даних пошуку інформації
• Лінійна алгебра
• Моделі машинного навчання
• Техніка машинного навчання
• Багатофакторне числення
• Статистика
• Статистичні моделі навчання
• Статистичне моделювання

Програмування та технічні знання

Науковці з даних вимагають базових навичок роботи з комп'ютером, але навички програмування особливо важливі. Наявність коду є критичною для будь-якої позиції вчених-вчених. Знання таких мов програмування, як Java, R, Python або SQL, є суттєвим.

• AppEngine
• Веб-служби Amazon (AWS)
• C ++
• Комп'ютерні навички
• CouchDB
• js
• ECL
• Факел
• API візуалізації Google
• Hadoop
• HBase
• Java
• Matlab
• Microsoft Excel
• Perl
• Штепсельна розетка
• Python
• R
• js
• Програмне забезпечення засобу звітування
• SAS
• Мови сценаріїв
• SQL
• Таблиця

Перспективи роботи для вчених даних

За даними Бюро трудової статистики, у 2016 році було зайнято 27,900 осіб як науковці з комп'ютерних та інформаційних досліджень; середня річна заробітна плата в 2017 році становила 114 520 доларів США. Передбачається, що кар'єрні можливості в цій галузі зростуть на 19 відсотків до 2026 року, що набагато швидше, ніж у середньому.