наука даних є розвивається областю, і ті, з потрібними навичками вчених дані роблять. За даними Бюро статистики праці, можливості кар’єрного зростання в цій галузі, як очікується, зросте на 19% до 2026 року, набагато швидше, ніж в середньому.
Хоча не всі успішні вчені даних мають вищу освіту, більшість з них має принаймні ступінь бакалавра в галузі науки даних. Багато з них також мають наукові ступені, в тому числі магістра, доктора філософії, і / або випускників сертифікатів.
Які навички вам потрібно бути вченим дані?
«Вчений Data» є широким терміном, який може ставитися до ряду різних професій. Як правило, вчені дані аналізують дані, щоб дізнатися про наукові процеси, тенденції ринку і управлінні ризиками.
Примітка: Деякі назви посад в науці даних включають в себе аналітику даних, інженер даних, комп’ютерний і інформаційний науковий співробітник, дослідження операцій аналітик і аналітики комп’ютерних систем.
Вчені даних працюють в різних галузях промисловості, починаючи від технологій в медицину для урядових установ. Кваліфікації для роботи в науці даних варіюються, оскільки назва настільки широко. Тим не менш, є певні навички роботодавці шукають майже кожні вчені дані. Наприклад, вчені дані потрібні сильні статистичні, аналітичні, навички звітності та багато іншого.
Види навичок Scientist даних
аналітичні навички
Мабуть, найважливіший навик для вчених даних, щоб мати можливість аналізувати інформацію. Вчені даних повинні дивитися, і мати сенс, великі обсяги даних. Вони повинні бути в змозі бачити закономірності і тенденції і мати уявлення про те, що означають ці моделі. Все це займає сильні аналітичні здібності.
- Big Data
- Побудова прогнозних моделей
- Створення елементів управління для забезпечення точності даних
- Критичне мислення
- Аналіз даних
- Аналітика даних
- маніпулювання даними
- сперечання даних
- Наука даних Інструменти / Інструменти даних
- Видобуток даних
- Оцінка нових аналітичних методик
- Усний переклад даних
- метрика
- моделювання даних
- моделювання інструментів
- Виробництво даних Глядачеві
- дослідження
- моделювання ризиків
- тестування Гіпотези
неупередженість
Будучи хорошим вченим дані також означає бути творчим. По-перше, ви повинні мати відкритий розум для того, щоб визначити тенденції в даних. По-друге, необхідно встановити зв’язки між даними, які можуть здатися не пов’язані з кимось, що зміщене. Це займає багато неупередженості. І, нарешті, ви повинні пояснити ці дані, таким чином, зрозумілі для керівників у вашій компанії. Це часто вимагає творчих аналогій і пояснень.
- адаптованість
- Конвеєрна Технічна інформація для нетехнічних людей
- Прийняття рішень
- дерева рішень
- креативність
- Виконання у швидко мінливому середовищі
- логічне мислення
- Вирішення проблеми
- Робота Самостійно
зв’язок
Вчені даних не тільки для аналізу даних, але вони також повинні пояснити, що дані іншим. Вони повинні мати можливість обмінюватися даними з людьми різних наборів навичок, пояснити важливість моделей в даних, і запропонувати рішення. Це включає в себе пояснення складних технічних питань, таким чином, що легко зрозуміти. Часто передачі даних вимагають візуальних, усних і письмових навичок спілкування.
- напористість
- співробітництво
- консалтинг
- документування
- Drawing консенсус
- полегшення Meetings
- керівництво
- наставництво
- презентація
- Забезпечення Керівництво для ІТ-фахівців
- звітність
- навички супервайзера
- навчання
- вербальні комунікації
- письмова комунікація
математика
У той час як м’які навички, такі як аналіз, творчість і спілкування дуже важливі, тверді навички також важливі для роботи. Вчений дані потрібні сильні математичні навички, зокрема, в багатофакторному обчисленні і лінійної алгебри.
- визначення алгоритмів
- Створення та підтримка алгоритмів
- Набори даних індексування даних
- Лінійна алгебра
- Машина навчання моделі
- Методи машинного навчання
- Multivariable обчислення
- статистика
- Статистичні моделі навчання
- статистичне моделювання
Програмування та технічна Навички
Вчені даних вимагають основні навичок роботи з комп’ютером, але навички програмування особливо важливі. Будучи в стані коди має вирішальне значення для майже будь-якій позиції вчених даних. Знання мов програмування, таких як Java, R, Python або SQL має важливе значення.
- C ++
- Комп’ютерні навички
- Ява
- Matlab
- Microsoft Excel
- Perl
- пітон
- Звітність Software Tool
- SQL
- NoSQL
- мальовнича картина
Додаткові навички Scientist даних
- Видобуток соціальних даних ЗМІ
- Таблиці і запити
- управління проектом
- проект Timelines
- Культивування Відносини з внутрішніми і зовнішніми зацікавленими сторонами
- обслуговування клієнтів
- AppEngine
- Amazon Web Services (AWS)
- CouchDB
- JS
- ECL
- кльош
- Google Visualization API
- Hadoop
- HBase
- R
- ПАР
- мови сценаріїв
- Мобільні пристрої
- Microsoft Office Suite
- SaaS
- Штучний інтелект (AI)
- Apache Spark
- допитливість
- Бізнес-аналітика
- новаторство
Як зробити свої навички Виділитися
Додати відповідні навички в Ваше резюме:
Увімкніть свої навички в своє резюме – в первісному резюме кваліфікації, у вашій історії роботи секції, або в технічній таблиці , яка описує ваші апаратні і програмні навички.
Виділіть навички в супровідному листі:
Ви також повинні описати вашу команду з найбільш важливих з цих навичок в супровідному листі.
Використовуйте спритність слово в інтерв’ю Роботи:
В інтерв’ю, переконайтеся , що для поліпшення ваших відповідей з прикладами ваших навичок.
Experienced Recruiter with a demonstrated history of working in the media production industry. Strong human resources professional with a Bachelor’s degree focused in Psychology from Universitas Kristen Satya Wacana.