Isi
- Definisi Bervariasi, Tugas Bervariasi
- Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
- Keterampilan Seorang Ilmuwan Data
Sumber: Sergey Khakimullin / iStockphoto
Bawa pulang:
Ilmuwan data memiliki pekerjaan yang luas yang bervariasi menurut aplikasi. Tapi satu hal yang mereka semua miliki adalah dorongan untuk memanfaatkan data dengan baik.
Apa yang dilakukan oleh seorang ilmuwan data dalam kerja kecerdasan buatan dan pembelajaran mesin? Banyak pro yang berurusan dengan proyek semacam ini setiap hari akan mengatakan pertanyaan itu agak sulit dijawab. Pertanyaan yang lebih baik adalah: Apa yang TIDAK dilakukan oleh para ilmuwan data?
Seorang ilmuwan data merupakan bagian integral dari proses AI atau ML, dalam arti bahwa semua proyek ini tergantung pada data besar atau input kompleks. Ilmuwan data adalah karieris penting yang tahu bagaimana bekerja dengan data untuk menghasilkan hasil.
Namun, ada beberapa cara untuk berbicara tentang apa yang dilakukan seorang ilmuwan data, kualifikasi apa yang dia butuhkan, dan apa perannya dalam proses itu.
Baca: 6 Konsep Utama Ilmu Data yang Dapat Anda Kuasai Melalui Pembelajaran Online
Definisi Bervariasi, Tugas Bervariasi
Banyak ahli yang menggambarkan karya ilmuwan data membicarakannya secara luas.
"Di perusahaan kecil atau ketika bekerja di pasar baru, peran seorang ilmuwan data adalah untuk mengubah sumber data yang relatif baru (tetapi jelas) menjadi hal-hal yang memecahkan masalah bagi pengguna akhir, yang tidak mungkin terjadi, sebelumnya, di mana teknologi yang digunakan tidak ada, ”kata Antonio Hicks, Manajer Akun di Mercury Global Partners. "Kandidat yang ideal adalah seseorang yang ahli matematika, insinyur perangkat lunak, dan pengusaha."
Yang lain menggemakan gagasan dasar ini, menyebutkan data apa yang dibutuhkan para ilmuwan untuk menangani proyek pemodelan.
“Atribut paling penting yang dibutuhkan oleh data ilmuwan adalah rasa ingin tahu yang mendalam tentang dunia di sekitar mereka - apakah mereka menjawab pertanyaan atau membangun model, keinginan untuk memahami masalah di depan mereka adalah kuncinya,” kata Erin Akinci, Data Scientist Manager. di Asana. "Dari sana, kebanyakan orang akan membutuhkan keterampilan dalam matematika dan pemrograman untuk menemukan solusi, tetapi jenis matematika dan pemrograman khusus sangat bervariasi tergantung pada bidang keahlian dalam ilmu data."
Tanpa Bug, Tanpa Stres - Panduan Langkah Demi Langkah Anda untuk Membuat Perangkat Lunak yang Mengubah Hidup Tanpa Menghancurkan Kehidupan Anda
Anda tidak dapat meningkatkan keterampilan pemrograman Anda ketika tidak ada yang peduli dengan kualitas perangkat lunak.
"Pekerjaan ilmiah yang sangat baik lebih berkaitan dengan cara seorang ilmuwan berpikir tentang masalah, daripada alat yang mereka gunakan untuk menyelesaikannya," tambah Charlie Burgoyne, Pendiri dan CEO Valkyrie Intelligence. Valkyrie adalah perusahaan konsultan sains terapan dengan proyek-proyek mengesankan di bawah sayapnya seperti Mark I, alat jaringan khusus yang meningkatkan pelatihan dan pengujian jaringan saraf, meningkatkan apa yang mungkin dilakukan dengan platform pembelajaran mesin berbasis cloud sebelumnya.
"Pasar menuntut para ilmuwan yang mahir dalam pengembangan Python, desain jaringan saraf dan kemampuan untuk membentuk kembali repositori data ke dalam arsitektur basis data terbaru," kata Burgoyne. “Kemampuan itu, bagaimanapun, adalah taruhan meja untuk ilmuwan berbakat. Yang kurang jelas adalah kecakapan seorang ilmuwan untuk keingintahuan pemberani, kecerdikan yang agresif dan kepatuhan terhadap metode ilmiah. "
Keterampilan Seorang Ilmuwan Data
Jadi sejauh keahlian praktis, ilmuwan data membutuhkan sejumlah kreativitas dan pengetahuan sejauh pemodelan berlangsung. Mereka juga dapat memperoleh banyak manfaat dari memiliki "keterampilan keras" seperti pengalaman coding dalam Python, C ++ atau bahasa umum lainnya yang diterapkan pada proyek-proyek ML.
"Python dan C ++ sangat penting dan mampu menggabungkan keterampilan pengkodean dengan analisis dan pemrosesan data dan statistik adalah keterampilan inti yang akan membuat ilmuwan data menonjol sebagai kandidat atau karyawan yang kuat," kata Val Streif di Pramp, platform wawancara tiruan online untuk insinyur perangkat lunak, pengembang, dan ilmuwan data. "Sementara beberapa keterampilan pemrograman dapat diatasi dengan memasangkan ilmuwan data dengan pengembang, itu jauh lebih mudah jika Anda memiliki kedua keterampilan yang digabungkan dalam satu, dari perspektif perusahaan."
Pakar lain menambahkan R, Hadoop, Spark, Sas dan Java ke dalam daftar serta teknologi seperti Tableau, Hive dan MATLAB.
Semua itu membuat resume yang mengesankan, tetapi beberapa dari mereka yang berpengalaman dalam merekrut ilmuwan data mengatakan sisi “manusia” lainnya juga penting. (Salah satu jenis ilmuwan data adalah ilmuwan data warga negara. Pelajari lebih lanjut dalam Peran Ilmuwan Data Warga di Dunia Data Besar.)
"Secara tradisional, individu dengan pendidikan seni liberal yang beragam membuat ilmuwan data yang sangat baik," kata Burgoyne, membuat perbedaan antara insinyur, yang berada di sisi bangunan, dan ilmuwan data, yang karyanya bisa jauh lebih konseptual. Dia melanjutkan:
Keahlian dalam bidang STEM tradisional dengan fokus pelengkap dalam bidang humaniora, seni atau bisnis menghasilkan kualitas-kualitas yang menjadikan ilmuwan berorientasi industri yang unggul. Harus dikatakan bahwa sama pentingnya bagi kemampuan organisasi untuk memanfaatkan kualitas-kualitas itu dan untuk membentuk semangat dan metode mereka secara produktif. Saya telah mengamati bahwa ketika inisiatif sains data tidak berhasil, organisasi tersebut kemungkinan besar akan sama bersalahnya dengan para ilmuwan. Ilmuwan bukan insinyur. Mereka tidak didorong untuk mengeksekusi dan membangun. Mereka terdorong untuk menemukan dan memahami. Organisasi yang memahami perbedaan ini dihargai dengan baik untuk budidaya kedua bidang tersebut.
Adapun data yang biasanya diterapkan oleh para ilmuwan sendiri, itu ada hubungannya dengan tujuan inti perusahaan. Beberapa perusahaan mengejar internet terdesentralisasi - beberapa bermain-main dengan IOT atau SaaS. Yang lain mencoba merintis AI “ramah pengguna” atau “etis” atau “transparan”.
Bagaimanapun, para ilmuwan data cenderung menjembatani kesenjangan antara metrik keras pada data yang mereka gunakan, dalam tumpukan teknologi apa pun yang sedang dimainkan, dan pekerjaan freewheeling untuk mengkonseptualisasikan fungsi AI / ML.
“Kami mempekerjakan ilmuwan data untuk mengelola pengumpulan dan pembersihan data, serta menerjemahkan data tersebut menjadi informasi yang bermakna,” kata Michael Hupp, Manajer Ilmu Data dan Analisis di G2 Crowd. Dia menguraikan:
Biasanya itu berarti mengelola algoritma penting apa pun yang menggerakkan mesin data perusahaan dan fasih dalam alat dan bahasa analitik utama, tetapi dalam beberapa tahun terakhir ini juga termasuk bidang yang muncul seperti pemrosesan bahasa alami, pembelajaran mesin, bentuk lain dari analisis yang memungkinkan AI. Ilmuwan data yang paling sukses adalah mereka yang menggabungkan keterampilan keras mereka dengan kemampuan untuk belajar dengan cepat, dan kemampuan untuk secara efektif mengomunikasikan wawasan yang mereka temukan sehingga mereka akan bermakna bagi bisnis mereka.
Dengan jenis wawasan ini, lebih mudah bagi profesional muda atau siswa untuk mencari tahu apakah ilmuwan data akan menjadi peran yang baik bagi mereka, dan bagaimana cara memperoleh keterampilan. Pembelajaran STEM menjadi lebih mudah diakses di sekolah-sekolah di seluruh negeri, tetapi tidak ada pengganti untuk hasrat untuk pengkodean dan teknologi, dan kemampuan untuk belajar dengan cepat.