Az adatok a tudomány egy új terület, és azok a megfelelő adatokat tudós készségek csinálnak. Szerint a Bureau of Labor Statistics, karrierlehetőségek ezen a területen várható, hogy növekszik 19% -os 2026, sokkal gyorsabban, mint az átlag.
Bár nem minden sikeres adatátviteli tudósok főiskolai, többségük legalább egy főiskolai diplomát az adatok a tudomány területén. Sokan közülük is végzős fok, beleértve a mester, Ph.D., és / vagy diplomás tanúsítványok.
Milyen fajta készségek szükségesek, hogy egy adat tudós?
„Data tudós” tág fogalom, amely utalhat számos különböző karrier. Általában egy adat tudós elemzi az adatokat, hogy megtudjuk, a tudományos folyamatok, piaci trendek, és a kockázatkezelés.
Megjegyzés: Egyes munkaköri az adatok tudományos adatokat tartalmaznak elemzője adatok mérnök, informatikai és információs kutató, operációkutatás elemzője, valamint számítógépes rendszerek elemzője.
Az adatok a tudósok dolgoznak a különböző iparágakban, kezdve tech gyógyszert kormányzati szervek. A képesítések munkát adatok tudomány változhat, mert a cím olyan széles. Azonban vannak bizonyos készségek munkaadók keresnek szinte minden adat tudós. Például az adatok a tudósok kell az erős statisztikai, elemzési, jelentési képességek, és így tovább.
Az adatok típusai Scientist készségek
Elemzési készségek
Talán a legfontosabb készség egy adat tudós, hogy képes legyen az információk elemzésére. Az adatok a tudósok meg kell nézni, és van értelme a nagy mennyiségű adat. Meg kell látni és trendeket, és van egy ötlete, hogy mi ezeket a mintákat jelent. Mindez úgy erős analitikus készségek.
- Nagy adat
- Építő prediktív modellek
- Létrehozása szabályozást annak biztosítására adatok pontossága
- Kritikus gondolkodás
- Adatelemzés
- Az adatok Analytics
- Adatmanipuláció
- adatok huzavona
- Data Science Tools / Adateszközök
- Adatbányászat
- Kiértékelése új analitikai módszerek
- adatok értelmezése
- mérőszámok
- adatmintá-
- modellező eszközök
- Képi adatok előállításának
- Kutatás
- kockázat modellezés
- hipotézisek tesztelésére
Elfogulatlanság
Mivel egy jó adat tudós azt is jelenti, hogy kreatív. Először is, van, hogy nyitott annak érdekében, hogy a trendek az adatok. Másodszor, meg kell, hogy a kapcsolatok között adatokat, amelyek látszólag nem kapcsolódnak valaki, hogy elfogult. Ez rengeteg nyitottság. Végül meg kell magyarázni az adatokat oly módon, hogy egyértelműen a vezetők a cég. Ez gyakran a kreatív analógiák és magyarázatokat.
- rugalmasság
- Szállító Műszaki információk nem-technikai Emberek
- Döntéshozatal
- Döntési fák
- kreativitás
- Végrehajtó egy gyors iramú környezet
- Logikus gondolkodás
- Problémamegoldás
- függetlenül működik
közlés
Az adatok a tudósok nem csak az adatok elemzését, de ők is meg kell magyarázni, hogy az adatokat másoknak. Képesnek kell lenniük kommunikálni adatokat az emberek a különböző tapasztalataikra alapozva, magyarázza, hogy fontos a minták az adatokat, és megoldásokat javasol. Ez magában foglalja a magyarázó bonyolult technikai kérdések oly módon, hogy könnyű megérteni. Gyakran előfordul, hogy az adatátviteli kommunikáció megköveteli vizuális, szóbeli és írásbeli kommunikációs készség.
- önzés
- Együttműködés
- Tanácsadó
- dokumentálása
- rajz konszenzus
- üléseinek elősegítése
- Vezetés
- Mentori
- Bemutatás
- Iránymutatást ad az informatikai szakemberek
- Jelentés
- felügyeleti készségek
- Kiképzés
- szóbeli kommunikáció
- Írott kommunikáció
Matematika
Míg lágy készségek, mint elemzés, a kreativitás, és a kommunikáció fontos, kemény készségek is kritikus a munkát. Egy adat tudós szüksége van erős matematikai készségek, különösen a többváltozós kalkulus és lineáris algebra.
- Azonosító algoritmusok
- Létrehozása és fenntartása algoritmusok
- Információkereső adatkészletek
- Lineáris algebra
- A gépi tanulási modellek
- Gépi tanulási technikák
- Többváltozós Kalkulus
- Statisztika
- Statisztikai tanulási modellek
- statisztikai modellezés
Programozás és műszaki jártasság
Az adatok a tudósok a szükséges alapvető számítógépes ismeretek, hanem programozási ismeretek különösen fontosak. Hogy képes-kód kritikus szinte bármilyen adat tudós helyzetét. Ismerete programozási nyelvek, mint a Java, R, Python, vagy SQL elengedhetetlen.
- C ++
- Számítógépes ismeretek
- Jáva
- Matlab
- Microsoft Excel
- Perl
- Piton
- Reporting Tool szoftverrel
- SQL
- NoSQL
- Csoportkép
További adatok Scientist készségek
- Építőipari Social Media adatai
- Táblák és lekérdezések
- Projektmenedzsment
- A projekt időbeli ütemezése
- Kapcsolataik ápolására, mint a belső és külső érdekelt felek
- Vevőszolgálat
- AppEngine
- Amazon Web Services (AWS)
- CouchDB
- js
- ECL
- Fellobbanás
- Google API-jával
- Hadoop
- HBase
- R
- SAS
- Szkriptnyelvek
- Mobil eszközök
- Microsoft Office Suite
- SaaS
- Mesterséges intelligencia (AI)
- Apache Spark
- Kíváncsiság
- Üzleti intelligencia
- Innováció
Hogyan készítsünk készségek Stand Out
Add megfelelő készségek az Ön Resume:
Tartalmazza a készségek önéletrajzát – a kezdeti összefoglaló képesítések a munka története részén, vagy egy tech táblázat leírja a hardver és a szoftver képességeit.
Jelölje ki készségek a kísérőlevelet:
Akkor is, írja le a parancsot a legfontosabb ezek készségek a kísérőlevelet.
Felhasználási Ügyességi szavak a Állásinterjú:
Az interjú, biztos, hogy fokozza a válaszait a példákat a képességeit.
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.