Data science is het afgelopen jaar onlosmakelijk verbonden met de dagelijkse gang van zaken. Datawetenschap wordt gebruikt in producten, marketing, engineering en verkoop om cruciale beslissingen te nemen. Sensationele uitspraken dat ‘Data Scientist’ de meest sexy baan is, hebben de populariteit van deze nerdy functietitel enorm doen toenemen.
het implementeren van een prioriteitswachtrij in java
Als resultaat kunnen we zien dat mensen hun functietitel laten zien en sommigen ernaar streven om er een te worden. Kijkend naar hun kwalificaties, opleiding, ervaring, aanleg en houding, is het duidelijk dat ze niet allemaal in dezelfde categorie vallen. Dus waarom gebruiken ze dezelfde functietitel, ongeacht de verschillen?
Dit kan te wijten zijn aan het feit dat datawetenschappers grofweg in twee categorieën kunnen worden ingedeeld:
- Productgerichte datawetenschap.
- Business Intelligence-stijl van data science.
Er zijn grofweg 4 tot 5 groepen in elke categorie.
In het rapport ‘Analyzing the Analyzers’ van O'Reilly Strata worden de datawetenschappers als volgt geclassificeerd op basis van productgerichte datawetenschap.
Productgerichte datawetenschap
- Data Onderzoeker
De professionals in deze categorie komen uit de academische wereld en hebben een diepgaande achtergrond in statistiek of de fysische of sociale wetenschappen. Dit type datawetenschapper is vaak gepromoveerd, maar is zwak in machine learning, programmeren of business.
- Gegevensontwikkelaar
Deze jongens hebben de neiging zich te concentreren op technische problemen die gepaard gaan met het verwerken van gegevens. Ze zijn sterk in programmeren en machine learning, maar zwak in zakelijke en statistische vaardigheden.
- Gegevensadvertenties
Dit zijn de jongens die iets innovatiefs maken van bergen data. Ze zijn zeer bedreven in machine learning, big data, programmeren en andere vaardigheden om met enorme gegevens om te gaan.
- Data Zakenmensen
Ze vertegenwoordigen de zakelijke kant en zijn verantwoordelijk voor het nemen van essentiële zakelijke beslissingen door middel van gegevensanalysetechnieken. Ze zijn een eclectische mix van zakelijke en technische vaardigheid.
Op Business Intelligence gebaseerde Data Science
- Kwantitatieve, verkennende datawetenschappers
Kwantitatieve, verkennende datawetenschappers zijn geneigd te promoveren en theorie te gebruiken om gedrag te begrijpen. Door theorie en verkennend onderzoek te combineren, verbeteren deze datawetenschappers producten.
datum ophalen uit string java
- Operationele datawetenschappers
Operationele datawetenschappers werken vaak in financiële, verkoop- of operationele teams in een organisatie. Zijn rol is om de prestaties, reacties en gedrag van een proces te analyseren om de strategie en efficiëntie van de organisatie te verbeteren.
- Productgegevenswetenschappers
Productgegevenswetenschappers passen bij productmanagement of engineering. Het is hun taak om logboeken en analysehulpmiddelen te doorzoeken, om te begrijpen hoe gebruikers een product gebruiken en die kennis te gebruiken om het product te verfijnen.
- Marketing Data Scientists
Marketingdatawetenschappers richten zich op het gebruikersbestand, evalueren prestaties en werken aan het verbeteren van de efficiëntie, ongeveer zoals de standaardmarketingman.
- Onderzoeksgegevenswetenschappers
Onderzoeksdatawetenschappers creëren inzichten uit een dataset. Het komt zelden voor dat startende bedrijven onderzoekswetenschappers in dienst hebben, omdat de output niet gekoppeld is aan winst. Maar grotere bedrijven, denktanks en financiële instellingen doen dat wel.
Deze classificatie laat zien dat elke groep mensen in een van de categorieën kan worden ingedeeld. Het juiste type datawetenschapper kan worden gekozen op basis van de vereisten van de organisatie
Overweeg voordat u het type datawetenschapper kiest dat u wilt worden, de vereiste vaardigheden of de vaardigheden die u al bezit om verder te gaan in de juiste richting.
Dus wie ga je zijn ?? Een programmeur, een statisticus, een marketeer, een zakelijke leider of een manusje van alles?
Edureka heeft een speciaal samengesteld waarmee u expertise opdoet in Machine Learning-algoritmen zoals K-Means Clustering, Decision Trees, Random Forest, Naive Bayes. Je leert ook de begrippen Statistieken, Tijdreeksen, Text Mining en een inleiding tot Deep Learning. Nieuwe batches voor deze cursus beginnen binnenkort !!