Obsah
- Data Scientists: Techs Rock Stars?
- Vědci dat dělají co?
- Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
- Jak se stát vědcem dat
- Cesta k velkým datům
Zdroj: Onradio / iStockphoto
Odnést:
Role vědce v oblasti dat se rychle stává nejvyhledávanější kariérou v technologickém světě. Zeptali jsme se vědce z oboru dat Jake Porwaya z The New York Times na to, jak získal práci, a na jeho tipy pro úspěch v této oblasti.
Role vědců v oblasti dat se rychle stává nejvyhledávanější kariérou ve světě technologií. Společnosti jako Google, Amazon a LinkedIn používají vědce v oblasti dat, aby jim pomohli udržet tuto inovativní výhodu v éře digitálních dat. A nyní nadšenci dat a technologií usilují o to, aby se z nich stali vědci, stejně jako někteří hudebníci usilují o to, aby se stali rockovými hvězdami. Možná proto někteří lidé odkazují na vědce dat jako na nové rockové hvězdy technologické éry.
Bohužel, tato role je stále tak nová, že je o ní stále míra nejasnosti, což znamená, že mnoho vědců s rádoby dat řídí své turistické autobusy po špatné silnici. Zaslouží si vědci údajů svou reputaci rockové hvězdy? Ponoříme se do světa datových věd s rozhovorem s Jake Porwayem, datovým vědcem z laboratoře pro výzkum a vývoj v The New York Times.
Data Scientists: Techs Rock Stars?
Proč jsou tedy vědci dat označováni jako nové rockové hvězdy technologického světa? Tato analogie vlastně jde hlouběji než touha po datových pitomcích znít ultracool. Stejně jako rocková hvězda zahrnuje kariéra vědců v oblasti dat různorodost, uměleckou svobodu a přizpůsobivost. A stejně jako rockové hvězdy světa zábavy mají nejlepší vědci v oblasti dat tendenci získávat docela sledování lidí ze všech oblastí datového a technologického průmyslu.
To, co vědec údajů dělá, je velmi rozmanité; stejně jako hudebníci používají různé nástroje, nástroje a techniky k hraní hudebních stylů, které jsou stejně rozdílné jako jazzový a death metal, i datový vědec ovládá konkrétní nástroj a pole. Je zde také zapojen styl. A neexistuje ani správný nebo nesprávný způsob vykonávání práce - jedná se o dopad, který má práce na ostatní lidi.
Když Beatles psal své písně, nebyl jen jeden člověk, který by diktoval, jak se má hrát každá nota na každém nástroji. Spojili se a zasekli se; prostřednictvím kreativního objevu našli písničky, které fungovaly. To samé platí pro vědce v oblasti dat. Musí cítit rytmus, dostat se do drážky a harmonizovat řešení. To je možné pouze se správným množstvím umělecké svobody vyzkoušet jakékoli přístupy, nástroje a techniky, které by v tuto chvíli mohly přijít na mysl, a obratnost provádět změny, když se něco zdá být mimo klíč.
Jakmile si datový vědec osvojí základní základy, stane se adaptabilním a získá důvěru v poskytování řešení v jiných oborech. O těchto základních základech mluvíme později. Zde je třeba zmínit, že jakmile zvládnete vědu o datech, můžete převzít roli v jakémkoli oboru, protože data jsou všude.
Konečným cílem vědce v oblasti dat je vytvořit obrovské množství hodnoty pro co největší počet lidí. Zatímco datový vědec pracuje v zákulisí, na rozdíl od hraní s velkým publikem: Čím lépe děláte práci, tím více lidí oslovíte - a čím více odměn vidíte.
Vědci dat dělají co?
Co přesně dělají vědci v oblasti dat? Pojďme to projít příkladem, se kterým jsme se všichni mohli spojit.
Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
Nemůžete zlepšit své programovací schopnosti, když se nikdo nestará o kvalitu softwaru.
Řekněme, že si jednoho dne uvědomíte, že v den, kdy jste zvyklí, nemáte stejné množství energie. Stanovíte si tedy cíl: mít více energie během dne. Teď je to docela široký a nejednoznačný cíl. Prvním krokem jako datového vědce je tedy odstranit tuto nejednoznačnost a kvantifikovat měřitelnost těchto cílů. K tomu existují metody. Nebudeme zde chodit do podrobností, ale řekněme jen, že teoretizujete, že nemáte dostatek spánku, a proto si dejte za cíl cíl dostat každou noc 8 hodin spánku.
I když je tento cíl trochu měřitelnější a méně nejednoznačný, má své vlastní výzvy. Nemůžete opravdu začít časovač, jakmile usnete, ai když začnete časovač poté, co skočíte do postele, nemusíte hned usnout. Kromě toho je těžké započítat časy, kdy se probudíte uprostřed noci. Nakonec existují různé typy spánku, jako je hluboký spánek a lehký spánek. Sečteno a podtrženo, je to, že je obtížné přesně měřit spánek, a proto ještě těžší měřit jeho dopad na hladinu energie.
Co tedy můžete udělat? Jako vědec v oblasti dat byste hledali nejnovější technologie a zjistili, že existují zařízení pro monitorování spánku.A pokud jste pomocí takového zařízení změřili a digitálně zaznamenali váš spánek, mohli byste získat přesnější údaje o spánku a tato data sbírat v průběhu času, abyste mohli vykreslit graf.
To samo o sobě vám může poskytnout lepší vhled do toho, co se děje. Vizuální reprezentace vám dá povědomí, jasnost a směr. Budete mít možnost zjistit, zda dosáhnete cíle 8 hodin spánku v noci, a co je důležitější, být schopen jednat, pokud nejste.
Toto je základní úloha vědce: dát nové způsoby měření a zobrazování dat, aby se těm, kteří se na to dívají, poskytovalo větší povědomí, jasnost a směr.
Ale dobrý vědec s údaji se nezastaví. Jakmile jsou data shromážděna, lze je integrovat do jakékoli jiné měřené aktivity, kterou provádíte po celý den. Integrujte ji s produktivitou na základě dat z vašeho systému správy úloh. Integrujte ji se svými náladami na základě tweety a aktualizací stavu. Integrujte jej se svým zdravím na základě návštěv v tělocvičně nebo hubnutí. Vzhledem k množství dat, které jsou již k dispozici, a ke snadnosti jejich zachycení, jsou možnosti nekonečné.
Jak se stát vědcem dat
Máte zájem o kariéru v oblasti datové vědy? Protože věda o údajích je tak nová, požádali jsme špičkového vědce o údaje o vhled do oboru. Jake Porway je datový vědec v The New York Times a zakladatel DataKind (původně známý jako Data without Borders), který spojuje neziskové organizace, které potřebují vědu s daty, s vědci na volné noze a pro bono. Porway má počítačové vědy a Ph.D. ve statistikách od UCLA. Zde je to, co musel říci o tom, jak se dostat do vědy o údajích, jak dobře fungovat a jak se vyhnout klíčovým chybám v oboru.
1. Získejte správné dovednosti
Podle Porwaye, dostat se do pole se scvrkává na tři klíčové věci:
- Praktické počítačové dovednosti
- Statistické dovednosti
- Touha se učit
„Musíte být schopni psát skripty, abyste mohli scrape data, a také kódovat algoritmy, s nimiž jste přišli ve své hlavě,“ říká Porway. "Měli byste znát své základní statistiky (a více, v ideálním případě), pokud budete opravdu schopni posoudit, zda modely, které vytváříte, nebo algoritmy, které píšete, dělají, co chcete."
2. Proveďte připojení
Před vstupem do laboratoře pro výzkum a vývoj v New York Times pracoval Porway ve strojovém učení a počítačovém vidění a trávil spoustu času získáváním robotů k identifikaci nášlapných min a létajících letadel (jak je cool) že?). Až do doby, kdy vylodil práci v The New York Times, se musel rozšířit do širších úkolů v oblasti datové vědy, konkrétně do projektu Cascade, který sleduje odkazy z publikace přes sociální média.
Nejdůležitější věc, kterou se do této oblasti dostat, je Porway říká, že se musí učit.
"Zapojte se do projektu vědy o údajích!" Porway říká. „Stáhněte si některá data, vyzvedněte si nějaké R a začněte hrát ... Řekněme, že se zaměřím na používání něčeho podobného R, spolu se základní statistickou knihou, která vás provede zkoumáním některých dat. samozřejmě to záleží na vašich minulých zkušenostech - pokud jste již statistikem, vyzvedněte si Pythona!) “
Pak je čas navázat spojení. Společnost Porway doporučuje místní skupinu pro setkání - protože účast v komunitě vědy o údajích je „nejrychlejší způsob, jak zjistit, co nevíte“. A v oblasti, které se neustále vyvíjí, na tom záleží.
3. Zapojte se do hry
Porway má Ph.D. ve statistikách z UCLA, ale zdůrazňuje, že nepotřebujete, aby člověk vykonal dobrou práci.
"Mohlo by to pomoci, ale nemyslete si, že musíte jít a dělat dalších pět let školy, abyste si mohli říkat datový vědec," řekl Porway.
Datová věda je relativně novým oborem. To znamená, že ti, kteří se chtějí dostat na pole, se k němu musí přistupovat s otevřenou myslí.
"Datový vědec ve Foursquare bude vypadat hodně jinak než vědec v Goldman Sachs," říká Porway.
4. Rock Your New Role
Věda o údajích se týká vyjasňování cílů, zkoumání předpokladů, vyhodnocování důkazů a hodnocení závěrů. Ale existuje jen jeden kousek skládačky, kterou mnoho lidí přehlíží. Můžete hádat, co to je? Podle Porwaye je tajnou složkou kritické myšlení.
„Opravdu to pro mě odděluje hackery od skutečných vědců,“ říká Porway. „Byli byste překvapeni, kolikrát jsem viděl někoho, jak sestavuje model, a hlásí výsledky, aniž by si uvědomil, že kriticky nepřemýšleli o tom, odkud data pocházejí, nebo zda byl jejich experiment navržen správně. Musíte se muset ptát na každý krok vašeho procesu a každého čísla, se kterým přijdete. “
Cesta k velkým datům
Porway říká, že když si uvědomil schopnost používat obrovské množství dat k tomu, aby se stroje naučily samy, vyhodilo to mysl. Je to ta vášeň - a jeho vzdělání a dovednosti - které mu pomohly přistát na špičkové pozici ve vědě o datech. Pokud chcete dát velký objem dat, spěchejte s několika knihami, stáhněte si některá data a začněte si hrát. Nikdy nevíte, co se objeví hromada nezpracovaných dat.
Úplný přepis rozhovoru naleznete na stránce DataScientists.Net.