наука данных является развивающейся областью, и те, с нужными навыками ученых данные делают. По данным Бюро статистики труда, возможности карьерного роста в этой области, как ожидается, вырастет на 19% к 2026 году, намного быстрее, чем в среднем.
Хотя не все успешные ученые данных имеют высшее образование, большинство из них имеет по крайней мере степень бакалавра в области науки данных. Многие из них также имеют ученые степени, в том числе магистра, доктора философии, и / или выпускников сертификатов.
Какие навыки вам нужно быть ученым данные?
«Ученый Data» является широким термином, который может относиться к ряду различных профессий. Как правило, ученые данные анализируют данные, чтобы узнать о научных процессах, тенденциях рынка и управлении рисками.
Примечание: Некоторые названия должностей в науке данных включают в себя аналитику данных, инженер данных, компьютерный и информационный научный сотрудник, исследование операций аналитик и аналитики компьютерных систем.
Ученые данных работают в различных отраслях промышленности, начиная от технологий в медицину для правительственных учреждений. Квалификации для работы в науке данных варьируются, поскольку название настолько широко. Тем не менее, есть определенные навыки работодатели ищут почти каждые ученые данные. Например, ученые данные нужны сильные статистические, аналитические, навыки отчетности и многое другое.
Виды навыков Scientist данных
Аналитические навыки
Пожалуй, самый важный навык для ученых данных, чтобы иметь возможность анализировать информацию. Ученые данных должны смотреть, и иметь смысл, большие объемы данных. Они должны быть в состоянии видеть закономерности и тенденции и иметь представление о том, что означают эти модели. Все это занимает сильные аналитические способности.
- Большие данные
- Построение прогнозных моделей
- Создание элементов управления для обеспечения точности данных
- Критическое мышление
- Анализ данных
- Аналитика данных
- Манипуляция данными
- пререкания данных
- Наука данных Инструменты / Инструменты данных
- Сбор данных
- Оценка новых аналитических методик
- Устный перевод данных
- метрика
- Моделирование данных
- Моделирование инструментов
- Производство данных Зрительные
- Исследовательская работа
- Моделирование рисков
- Тестирование Гипотезы
Непредубежденность
Будучи хорошим ученым данные также означает быть творческим. Во-первых, вы должны иметь открытый ум для того, чтобы определить тенденции в данных. Во-вторых, необходимо установить связи между данными, которые могут показаться не связаны с кем-то, что смещено. Это занимает много непредвзятости. И, наконец, вы должны объяснить эти данные, таким образом, понятные для руководителей в вашей компании. Это часто требует творческих аналогий и объяснений.
- адаптируемость
- Конвейерная Техническая информация для нетехнических людей
- Принятие решений
- Деревья решений
- Креативность
- Выполнение в быстро меняющейся среде
- Логическое мышление
- Решение проблем
- Работа Самостоятельно
связь
Ученые данных не только для анализа данных, но они также должны объяснить, что данные другим. Они должны иметь возможность обмениваться данными с людьми различных наборов навыков, объяснить важность моделей в данных, и предложить решения. Это включает в себя объяснения сложных технических вопросов, таким образом, что легко понять. Часто передачи данных требуют визуальных, устных и письменных навыков общения.
- напористость
- сотрудничество
- Консалтинг
- Документирование
- Drawing консенсус
- Облегчение Meetings
- руководство
- Наставничество
- презентация
- Обеспечение Руководство для ИТ-специалистов
- Составление отчетов
- Навыки супервайзера
- Тренировка
- Вербальные коммуникации
- Письменное сообщение
Математика
В то время как мягкие навыки, такие как анализ, творчество и общение очень важны, твердые навыки также важны для работы. Ученый данные нужны сильные математические навыки, в частности, в многофакторном исчислении и линейной алгебры.
- Определение алгоритмов
- Создание и поддержка алгоритмов
- Наборы данных индексирование данных
- Линейная алгебра
- Машина обучения модели
- Методы машинного обучения
- Multivariable исчисление
- Статистика
- Статистические модели обучения
- Статистическое моделирование
Программирование и техническая Навыки
Ученые данных требуют основные навыков работы с компьютером, но навыки программирования особенно важны. Будучи в состоянии коды имеет решающее значение для почти любой позиции ученых данных. Знание языков программирования, таких как Java, R, Python или SQL имеет важное значение.
- C ++
- Навыки работы с компьютером
- Ява
- Matlab
- Майкрософт Эксель
- Perl
- питон
- Отчетность Software Tool
- SQL
- NoSQL
- живописная картина
Дополнительные навыки Scientist данных
- Добыча социальных данных СМИ
- Таблицы и запросы
- Управление проектом
- Проект Timelines
- Культивирование Отношения с внутренними и внешними заинтересованными сторонами
- Обслуживание клиентов
- AppEngine
- Amazon Web Services (AWS)
- CouchDB
- JS
- ECL
- клеш
- Google Visualization API
- Hadoop
- HBase
- р
- ПАВ
- Языки сценариев
- Мобильные устройства
- Microsoft Office Suite
- SaaS
- Искусственный интеллект (AI)
- Apache Spark
- Любопытство
- Бизнес-аналитика
- новаторство
Как сделать свои навыки Выделиться
Добавить соответствующие навыки в Ваше резюме:
Включите свои навыки в свое резюме – в первоначальном резюме квалификации, в вашей истории работы секции, или в технической таблице , описывающей ваши аппаратные и программные навыки.
Выделите навыки в сопроводительном письме:
Вы также должны описать вашу команду из наиболее важных из этих навыков в сопроводительном письме.
Используйте ловкость слово в интервью Работы:
В интервью, убедитесь , что для улучшения ваших ответов с примерами ваших навыков.
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.