Согласно Forbes, мы производим 2,5 квинтиллиона байт (2,5 миллиарда гигабайт) данных каждый день на нашей текущей скорости, и основной причиной этого является Интернет вещей.

Вот что происходит за 1 минуту в нашем мире:

• Google проводит 3 877 140 поисковых запросов.
• Amazon делает продажи на сумму 258 751,00 долларов.
• Пользователи Tinder устраивают 6 940 совпадений.
• Uber совершает 1 389 поездок.
• Spotify транслирует более 750 000 песен.
• Отправляется 12 986 111 текстовых сообщений.
• Пользователи Twitter отправляют 473 400 твитов.
• Пользователи YouTube смотрят 4 333 560 видео.
• Пользователи Snapchat делятся 2 083 333 снимками и сообщениями.

До того момента, как вы прочитали эту строку, было создано так много данных в терабайтах.

Данные очень важны и критичны. Мы заботимся о хранящихся данных даже в наших маленьких мобильных устройствах. Теперь вопрос:

• Как компании анализируют такое большое количество данных?
• Кто извлекает ценность из этих данных?
• Как они обрабатывают их для рекомендаций и автоматизации?
• Кто предоставляет эти ценные и полезные данные программистам машинного обучения, чтобы они могли эффективно использовать их?
• Кто очищает и проверяет данные, чтобы обеспечить точность и единообразие?
• Кто выявляет эти закономерности и тенденции в данных, интерпретирует данные для обнаружения новых возможностей в отрасли?

Ответ на все эти вопросы - "УЧЕНЫЙ ПО ДАННЫМ".

Кто такие Data Scientists?

Согласно Кэти О'Нил и Рэйчел Шутт, авторам книги "Doing Data Science": "Более общим образом, data scientist - это человек, который умеет извлекать смысл из данных и интерпретировать их, что требует использования инструментов и методов статистики и машинного обучения, а также человеческого фактора. Он/она проводит много времени на сборе, очистке и обработке данных, потому что данные никогда не бывают идеальными. Этот процесс требует настойчивости, знаний статистики и программной инженерии - навыков, которые также необходимы для понимания предвзятости данных и отладки вывода журнала из кода."

В общем, можно сказать, что Data Scientist - это человек, который исследует и анализирует данные в широком смысле и глубоко интегрируется с инструментами, чтобы дать им правильную форму, найти в них закономерности и тенденции, создать алгоритмы и получить из них значимый и ценный результат.

Data Scientists имеют высокий уровень образования. Согласно ресурсу KDnuggets, 88% data scientists имеют как минимум степень магистра, а 46% имеют степень доктора наук - и хотя есть исключения, обычно требуется крепкое образовательное фундаментальное знание, чтобы развить достаточную глубину знаний, необходимых для работы data scientist.

Как стать Data Scientist?

• Вы должны любить данные, я имею в виду настоящие данные, большие данные, неструктурированные данные и много данных.
• Далее в списке должны быть математика и статистика, они должны быть вашими хорошими друзьями, за которыми следуют компьютерная наука и инженерия.
• Вы должны хорошо владеть языками программирования Python (не змея, а язык) и R.
• Любите работать с структурами данных и алгоритмами.
• У вас должна быть интеллектуальная любознательность и деловая проницательность, они необходимы для решения критических бизнес-проблем и определения новых способов использования данных бизнесом.
• Hadoop, Hive, Pig или Spark также являются очень важными навыками и предпочтительны во многих случаях. Согласно CrowdFlower, в 3490 вакансиях data scientist на LinkedIn, Apache Hadoop занимает второе место по ценности навыков для data scientist с рейтингом 49%.
• Машинное обучение и искусственный интеллект - эти навыки помогут вам решать различные проблемы в области науки о данных, основанные на прогнозировании основных результатов организации.
• Визуализация данных - как я уже упоминал о генерации данных выше, эти данные нужно преобразовать в такой формат, который легко воспринимается. Как data scientist, вы должны уметь визуализировать данные с помощью инструментов визуализации данных, таких как ggplot, d3.js, Matplotlib и Tableau. Они дают вам возможность работать с данными непосредственно и быстро.

Как начать с Data Science?

В интернете есть много ресурсов, чтобы начать свой путь в Data Science, но путь должен быть точным и направленным, потому что чтобы стать специалистом по обработке данных, вам нужны правильные ресурсы (которые полезны в той или иной степени), направленные пути и интересные проекты, которые вы можете показать миру.

Coding Blocks предоставляет обширный и отличный ресурс для Data Science под названием Data Science Master Course, включающий Python, Numpy, Матрицы, Алгебру, Структуры данных, ООП, Модули, Работу с файлами, Получение данных, Визуализацию данных, Анализ данных с использованием Pandas, Распределение вероятности и статистику, K-Nearest алгоритмы, Многомерную и Логистическую регрессию, Инженерию признаков и так далее. Курс также включает 15+ проектов таких как Прогноз выживаемости на Титанике, Одиночный выброс, Прогнозирование эмодзи, Извлечение доминирующего цвета, Распознавание лиц и т.д., 8 задач Data Science таких как Прогнозирование рейтинга фильма, Сегрегация химических веществ, Оплата труда и т.д., а также несколько вебинаров.

Преподаватель Prateek Narang - опытный программист. В настоящее время он учится на магистерской программе по машинному обучению в IIT Delhi, ранее работал в SanDisk и HackerEarth. Он также выиграл престижные хакатоны, включая Code For India от Google и Smart City Hackathon. Он является выпускником факультета компьютерных наук в DTU и пользуется большой популярностью среди студентов своими методами преподавания.

• Все менторы - опытные эксперты в индустрии.
• Есть прямые вебинары по различным темам.
• Все темы рассматриваются на реальных примерах. Курс охватывает широкий спектр тем. Содержание курса полностью практическое.
• Coding Blocks имеет помощников преподавателей, которые всегда готовы помочь вам как в классе, так и онлайн, поэтому в случае любых сомнений они доступны для вас.
• У них есть собственная онлайн-платформа для программирования Hacker Blocks, где вы можете практиковаться сколько угодно и участвовать в различных конкурсах, демонстрируя свои навыки. Вы узнаете много нового.
• Доступно как в онлайн-режиме, так и в офлайн-режиме (4 центра по всей Индии).
• Вы получите 10 месяцев доступа для завершения онлайн-курса.
• Вы можете пройти бесплатное пробное занятие любого онлайн-курса.

Почему Coding Blocks?

Область деятельности Data Scientist

Поскольку Data Scientist работает с данными, это делает эту работу самой востребованной и захватывающей в мире. Спрос на эту профессию вырос на 70% и продолжает расти с каждым днем, поскольку производится все больше и больше данных, и с увеличением данных растет спрос. Согласно агентству по трудоустройству Team Lease, к 2020 году в Индии возникнет разрыв между спросом и предложением более чем в 200 000 человек-специалистов по обработке данных. NASSCOM (Национальная ассоциация программного обеспечения и услуг) предложила образовательные программы, чтобы включить большие данные и науку о данных в инженерные школы.

Компании-международники, такие как Google, Amazon, Microsoft, Oracle, Uber, Ola, Accenture, Air France, Airbnb, IKEA, Infosys, TCS, Fiat, BMW, PepsiCo, HCL Technologies, HP, Heineken, Robert Bosch, AT&T, Axis Bank, Huawei, Honda, Maruti, Hero, Royal Dutch Group, Swiss Bank, IBM и др. нуждаются в специалистах по обработке данных. Они также нужны в федеральных корпорациях и государственных секторах или агентствах, таких как ФБР, ЦРУ, РАУ, министерства разных стран, Организация Объединенных Наций, ЮНЕСКО, Красный Крест и др.

Согласно Glassdoor, средняя зарплата Data Scientist составляет $113,436, а в Индии средняя базовая зарплата Data Scientist составляет ₹947,698.

Заключение

Data Science - это определенно новый тренд в индустрии технологий, который развивается очень быстро, и можно сказать, что он является основой компаний, основанных на клиентах и их данных. Чтобы обеспечить правильную работу этой основы, компании нанимают специалистов по обработке данных и платят им более высокие зарплаты, потому что целью специалиста по обработке данных является предоставление лучших результатов более эффективными способами.

Если вам понравилась эта статья, пожалуйста, поделитесь ею среди своих друзей, и в случае возникновения вопросов, напишите в комментариях.

---

Оригинальная публикация на сайте https://blog.codingblocks.com_ от 5 июня 2019 года._