Lista umiejętności i przykładów naukowców danych

„Naukowiec danych” to szerokie pojęcie, które może odnosić się do wielu rodzajów karier. Ogólnie rzecz biorąc, naukowiec danych analizuje dane, aby dowiedzieć się o procesach naukowych. Niektóre tytuły w naukach o danych obejmują analityka danych, inżyniera danych, naukowca zajmującego się badaniami komputerów i informacji, analityka badań operacyjnych i analityka systemów komputerowych.

Naukowcy zajmujący się danymi pracują w różnych gałęziach przemysłu, od technologii po medycynę i agencje rządowe. Kwalifikacje do pracy w naukach o danych różnią się, ponieważ tytuł jest tak szeroki. Istnieją jednak pewne umiejętności poszukiwane przez pracodawców u prawie każdego badacza danych. Naukowcy zajmujący się danymi potrzebują silnych umiejętności statystycznych, analitycznych i sprawozdawczych.

Oto lista umiejętności naukowców w zakresie CV, listów motywacyjnych, podań o pracę i wywiadów. W zestawie znajduje się szczegółowa lista pięciu najważniejszych zestawów umiejętności danych naukowców wraz z listami powiązanych umiejętności i obowiązków zawodowych.

Wskazówki dotyczące korzystania z listy umiejętności

Kluczową częścią tworzenia CV i listu motywacyjnego, który zostaje zauważony przez pracodawców, jest uwzględnienie jak największej liczby słów kluczowych i wyrażeń kluczowych specyficznych dla danej pracy. Dzieje się tak dlatego, że firmy zatrudniające obecnie często wykorzystują zautomatyzowane systemy śledzenia wnioskodawców (systemy ATS), aby zapewnić analizę pierwszego etapu otrzymywanych wniosków o pracę. Im więcej słów kluczowych zawiera twoje CV, tym większe prawdopodobieństwo, że przekaże pierwsze cięcie przez system ATS i ostatecznie dotrze do ludzkiego oka menedżera ds. Zatrudnienia.

Wymienione tutaj terminy są jednymi z najczęściej poszukiwanych słów kluczowych zaprogramowanych w systemach ATS i wykorzystywane w pracy dla naukowców danych. W związku z tym powinieneś spróbować włączyć wiele z tych fraz kluczowych do swojego CV - w początkowym podsumowaniu kwalifikacji, w sekcji historii pracy oraz w tabeli technicznej opisującej twoje umiejętności sprzętowe i programowe.

Powinieneś również opisać swoje najważniejsze umiejętności w swoim liście przewodnim, aw końcu podczas wywiadów osobistych. Pamiętaj, aby ulepszyć te opisy, podając konkretne przykłady, w jaki sposób wykorzystałeś każdą umiejętność w miejscu pracy lub treningu.

Najlepszym przewodnikiem, który z tych słów kluczowych należy uwzględnić, jest opis stanowiska, którego dotyczy wniosek. Każda praca, do której aplikujesz, będzie wymagała różnych umiejętności i doświadczeń, więc upewnij się, że dokładnie przeczytałeś opis stanowiska i skupiłeś się na umiejętnościach wymienionych przez pracodawcę, dostosowując każde CV i list motywacyjny do kwalifikacji wymaganych przez różnych pracodawców.

Top Five Umiejętności naukowców danych

Analityczny

Być może najważniejszą umiejętnością naukowca danych jest umiejętność analizowania informacji. Naukowcy zajmujący się danymi muszą przyjrzeć się dużym obszarom danych i zrozumieć ich znaczenie. Muszą być w stanie zobaczyć wzorce i trendy w danych i wyjaśnić te wzorce. Wszystko to wymaga silnych umiejętności analitycznych.

• Narzędzia analityczne
• Analityka
• Big Data
• Konstruowanie modeli przewidujących
• Tworzenie kontroli w celu zapewnienia dokładności danych
• Krytyczne myślenie
• Dane
• Analiza danych
• Analityka danych
• Manipulacja danymi
• Spór o dane
• Narzędzia do nauki danych / Narzędzia danych
• Eksploracja danych
• Ocena nowych metod analitycznych
• Interpretacja danych
• Metryka
• Górnicze dane mediów społecznościowych
• Dane modelowania
• Narzędzia do modelowania
• Tworzenie wizualizacji danych
• Badania
• Modelowanie ryzyka
• Hipotezy testowania

Kreatywność

Bycie dobrym badaczem danych oznacza również bycie kreatywnym. Po pierwsze, musisz użyć kreatywności, aby dostrzec trendy w danych. Po drugie, musisz tworzyć połączenia między danymi, które mogą wydawać się niepowiązane. To wymaga dużo kreatywnego myślenia. Wreszcie, musisz wyjaśnić te dane w sposób, który jest jasny dla kadry kierowniczej w Twojej firmie. Często wymaga to twórczych analogii i wyjaśnień.

• Zdolność adaptacji
• Przekazywanie informacji technicznych osobom nietechnicznym
• Podejmowanie decyzji
• Drzewa decyzyjne
• Wykonywanie w szybkim środowisku
• Logiczne myślenie
• Rozwiązywanie problemów
• Niezależnie od pracy

Porozumiewanie się

Naukowcy zajmujący się danymi nie tylko muszą analizować dane, ale także muszą wyjaśniać te dane innym. Muszą być w stanie przekazywać dane ludziom, wyjaśniać znaczenie wzorców w danych i sugerować rozwiązania. Obejmuje to wyjaśnianie złożonych problemów technicznych w sposób łatwy do zrozumienia. Często przekazywanie danych wymaga umiejętności komunikacji wizualnej, ustnej i pisemnej.

• Pewność siebie
• Współpraca
• Ordynacyjny
• Kultywowanie relacji z interesariuszami wewnętrznymi i zewnętrznymi
• Obsługa klienta
• Dokumentowanie
• Rysowanie konsensusu
• Ułatwianie spotkań
• Przywództwo
• Mentoring
• Prezentacja
• Zarządzanie projektem
• Metody zarządzania projektami
• Terminy projektu
• Udostępnianie wytycznych specjalistom IT
• Raportowanie
• Umiejętności nadzorcze
• Trening
• Komunikacja werbalna
• Pisanie

Matematyka

Podczas gdy umiejętności miękkie, takie jak analiza, kreatywność i komunikacja, są ważne, twarde umiejętności mają również kluczowe znaczenie dla pracy. Badacz danych potrzebuje umiejętności matematycznych, zwłaszcza w rachunku wielowymiarowym i algebrze liniowej.

• Algorytmy
• Tworzenie algorytmów
• Zestawy danych do wyszukiwania informacji
• Algebra liniowa
• Modele uczenia maszynowego
• Techniki uczenia maszynowego
• Rachunek wielowymiarowy
• Statystyka
• Statystyczne modele uczenia się
• Modelowanie statystyczne

Programowanie i biegłość techniczna

Dane naukowcy wymagają podstawowych umiejętności obsługi komputera, ale umiejętności programowania są szczególnie ważne. Możliwość kodowania ma kluczowe znaczenie dla niemal każdej pozycji naukowca zajmującego się danymi. Niezbędna jest znajomość języków programowania, takich jak Java, R, Python lub SQL.

• AppEngine
• Amazon Web Services (AWS)
• C ++
• Znajomość obsługi komputera
• CouchDB
• js
• ECL
• Migotać
• Google Visualization API
• Hadoop
• HBase
• Jawa
• Matlab
• Microsoft Excel
• Perl
• PowerPoint
• Pyton
• R
• js
• Oprogramowanie do raportowania
• SAS
• Języki skryptowe
• SQL
• Żywy obraz

Outlook Job dla naukowców danych

Według Bureau of Labour Statistics w 2016 r. Zatrudniono 27 900 osób jako naukowców zajmujących się badaniami komputerowymi i informacyjnymi; ich średnie roczne wynagrodzenie w 2017 r. wyniosło 114 520 USD. Przewiduje się, że szanse zawodowe w tej dziedzinie wzrosną o 19 procent do 2026 r., Znacznie szybciej niż przeciętnie.