Nos últimos anos, a ciência de dados tornou-se inextricável nas operações do dia a dia. A ciência de dados é empregada em produtos, marketing, engenharia e vendas para tomar decisões cruciais. Declarações sensacionais de 'Cientista de Dados' ser o trabalho mais sexy dispararam a popularidade deste título de trabalho nerd.
Como resultado, podemos ver pessoas exibindo seus cargos e algumas se esforçando para se tornarem um. Olhando para suas qualificações, educação, experiência, aptidão e atitude, é óbvio que nem todos se enquadram na mesma categoria. Então, por que eles estão usando o mesmo cargo, independentemente das diferenças?
Isso pode ser devido ao fato de que os cientistas de dados podem ser amplamente classificados em duas categorias:
exemplo de merge sort c ++
- Ciência de dados com foco no produto.
- Estilo de Business Intelligence de ciência de dados.
Existem cerca de 4 a 5 grupos em cada categoria.
No relatório de O'Reilly Strata ‘Analisando os Analisadores’, os cientistas de dados são classificados com base na ciência de dados focada no produto da seguinte forma.
Ciência de dados com foco no produto
- Pesquisador de dados
Os profissionais desta categoria vêm do meio acadêmico e possuem formação em estatística ou nas ciências físicas ou sociais. Esse tipo de cientista de dados geralmente possui um PhD, mas é pouco qualificado em aprendizado de máquina, programação ou negócios.
- Desenvolvedor de Dados
Esses caras tendem a se concentrar em questões técnicas que vêm com o manuseio de dados. Eles são fortes em programação e aprendizado de máquina, mas fracos em habilidades de negócios e estatísticas.
o que é printwriter em java
- Criativos de dados
Esses são os caras que fazem algo inovador com montanhas de dados. Eles são altamente qualificados em aprendizado de máquina, Big Data, programação e outras habilidades para lidar com dados massivos.
- Executivos de dados
Eles representam o lado dos negócios e são responsáveis por tomar decisões vitais de negócios por meio de técnicas de análise de dados. Eles são uma mistura eclética de proficiência técnica e comercial.
Ciência de dados baseada em Business Intelligence
- Cientistas de dados quantitativos e exploratórios
Cientistas de dados quantitativos e exploratórios tendem a ter PhDs e usam a teoria para compreender o comportamento. Ao combinar teoria e pesquisa exploratória, esses cientistas de dados aprimoram os produtos.
- Cientistas de dados operacionais
Cientistas de dados operacionais freqüentemente trabalham em equipes de finanças, vendas ou operações em uma organização. Sua função é analisar o desempenho, as respostas e o comportamento de um processo, para melhorar a estratégia e a eficiência da organização.
- Cientistas de dados de produtos
Os cientistas de dados de produtos se encaixam no gerenciamento ou engenharia de produtos. O trabalho deles é vasculhar logs e ferramentas de análise, para entender como os usuários fazem uso de um produto e fazer uso desse conhecimento para ajustar o produto.
- Cientistas de dados de marketing
Os cientistas de dados de marketing se concentram na base de usuários, avaliam o desempenho e trabalham para melhorar a eficiência, muito parecido com o cara de marketing padrão.
- Cientistas de dados de pesquisa
Os cientistas de dados de pesquisa criam percepções a partir de um conjunto de dados. É raro que empresas iniciantes contratem cientistas pesquisadores porque a produção não está vinculada aos lucros. Mas grandes empresas, think tanks e instituições financeiras sim.
função de classificação c ++
Esta classificação mostra que qualquer grupo de pessoas pode ser colocado em qualquer uma das categorias. O tipo certo de cientista de dados pode ser escolhido com base nos requisitos da organização
Antes de escolher o tipo de cientista de dados que você deseja se tornar, considere as habilidades necessárias ou as que você já possui para prosseguir na direção apropriada.
Então quem você vai ser ?? Um programador, um estatístico, um comerciante, um líder de negócios ou um pau para toda obra ??
Edureka tem uma curadoria especial que ajuda você a ganhar experiência em algoritmos de aprendizado de máquina, como agrupamento de médias K, árvores de decisão, floresta aleatória, Bayes naive. Você aprenderá os conceitos de Estatística, Séries Temporais, Mineração de Texto e também uma introdução ao Aprendizado Profundo. Novos lotes para este curso começarão em breve !!