Isi
Q:
Apa empat dasar menjadi ilmuwan data yang baik?
SEBUAH:
Seperti yang ditunjukkan oleh banyak ahli, menjadi ilmuwan data yang hebat membutuhkan kombinasi keterampilan dan pengalaman yang dibangun melalui pembelajaran khusus dan analisis bidang yang kompleks. Ilmuwan data sebagai administrator dan kurator aset data yang berharga sangat banyak diminati saat ini. Mari kita lihat apa saja yang termasuk dalam keterampilan dasar ini.
Yang pertama dari empat komponen dasar pekerjaan ilmuwan data adalah matematika dan statistik. Para ilmuwan data yang baik harus belajar untuk menjadi fasih dalam berbagai konsep matematika yang terkait dengan pembelajaran mesin yang diawasi dan tidak diawasi, termasuk jenis algoritma seperti pohon keputusan, hutan acak, regresi logistik, pengelompokan dan penggunaan dimensi dalam pembelajaran mesin (ML). Secara umum, mereka harus memiliki pegangan yang baik untuk bekerja dengan persamaan matematika dan statistik menggunakan sumber daya analisis statistik.
Komponen fundamental utama kedua dari pekerjaan ilmu data melibatkan pemrograman dan manajemen basis data. Individu harus kuat dalam bahasa scripting seperti Python dan bahasa statistik seperti R, bersama dengan pengalaman dan keterampilan dengan database dan semantik SQL dan teknik operasional. Pengetahuan tentang komponen perangkat lunak seperti Hadoop, MapReduce, Hive dan Pig juga menarik bagi pengusaha.
Komponen fundamental ketiga untuk menjadi ilmuwan data yang baik adalah komponen teoretis dan filosofis dari pemahaman ilmu data dan pembelajaran mesin. Orang-orang ini harus menjadi pemecah masalah yang dimulai sendiri dengan pikiran yang ingin tahu - setelah semua, mereka menggabungkan analisis kuantitatif mentah dengan pemahaman kreatif tentang pembelajaran mesin dan proses sains data. Daripada hanya menjadi orang-orang angka teknis, mereka harus memiliki landasan yang mendalam tentang apa artinya membuat proyek pembelajaran mesin dan bekerja pada inisiatif ilmu data dalam hal tujuan akhir dan hasil akhir.
Pilar keempat utama pembelajaran untuk menjadi data yang baik adalah melibatkan ilmuwan bekerja dengan orang dan mampu menggunakan data dengan cara yang masuk akal bagi orang lain.
Ilmuwan data yang baik dapat menjadi pendongeng - mereka dapat menerjemahkan data kuantitatif ke dalam narasi dan wawasan. Dengan demikian, mereka harus memiliki keterampilan komunikasi yang baik untuk dapat membawa pekerjaan mereka ke meja dan menyebarluaskannya ke berbagai pemangku kepentingan atau audiensi yang diberikan secara efektif. Ini adalah beberapa jenis keterampilan utama yang membangun ilmuwan data yang baik yang siap untuk berpartisipasi dalam industri TI yang bergerak cepat dan berkembang pesat saat ini.