Tartalom
- Adattudósok: Techs Rock Stars?
- Az adattudósok mit csinálnak?
- Nincsenek hibák, nincs stressz - Az Ön életét megváltoztató szoftverek készítésének lépésről lépésre történő leírása az élet megsemmisítése nélkül
- Hogyan lehet adattudós
- Az út a nagy adatokhoz
Forrás: Onradio / iStockphoto
Elvitel:
Az adattudós szerepe gyorsan fejlődik a technológiai világ karrierje legkeresettebbé. Megkérdeztük Jake Porway, a The New York Times legjobb tudósát arról, hogyan szerezte meg munkáját, és hogyan javasolja a sikerhez a helyszínen.
Az adattudós szerepe gyorsan fejlődik a technológiai világ legkeresettebb karrierjeként. Az olyan vállalatok, mint a Google, az Amazon és a LinkedIn, adattudósok segítségével segítenek nekik fenntartani ezt az innovatív életet a digitális adatkorszakban. És most az adat- és technológiai rajongók arra törekszenek, hogy adattudósokká váljanak, ugyanúgy, ahogy néhány zenész vágyakozik csillagokká válni. Talán ez az, amiért egyesek az adattudósokra utalnak, mint a technológiai korszak új sztárcsillagai.
Sajnos ez a szerep még mindig annyira új, hogy továbbra is bizonyos mértékű homályosságot jelent, ami azt jelenti, hogy sok adandó tudós szeretne turistabuszjait rossz úton vezetni. Megérdemlik az adattudósok a rocksztár hírnevét? Merülünk az adattudomány világába egy interjúban Jake Porway-vel, a The New York Times kutatási és fejlesztési laboratóriumának tudósával.
Adattudósok: Techs Rock Stars?
Tehát miért nevezik az adattudósokat a technológiai világ új sztárcsarnokainak? Ez az analógia valójában mélyebbre megy, mint az adatelemzékek az ultracsöves hangzás vágya. Csakúgy, mint egy rocksztár, az adattudósok karrierje magában foglalja a sokféleséget, a művészi szabadságot és az alkalmazkodóképességet. És mint a szórakoztató világ sztárcsillagai, a legjobb adattudósok általában sok ember követnek hozzá az adat- és a technológiai ipar minden területén.
Amit az adattudós végez, nagyon változatos; ugyanúgy, ahogyan a zenészek különféle eszközöket, eszközöket és technikákat használnak olyan zenei stílusok lejátszására, amelyek ugyanolyan különböznek egymástól, mint a jazz és a death metal, az adattudósok egy adott szerszámot és mezőt is megtanulnak. Ide tartozik a stílus is. És nincs sem helyes, sem rossz módszer a munka elvégzésére - ez a munka más emberekre gyakorolt hatásáról szól.
Amikor a Beatles írta dalát, nem csak egy ember diktálta, hogyan kell lejátszani minden hangszeren minden hangot. Összeálltak és zavarodtak; kreatív felfedezés révén olyan dalokat találtak, amelyek működtek. Ugyanez vonatkozik az adattudósokra. Meg kell érezni a ritmust, be kell lépniük a horonyba és harmonizálniuk kell a megoldást. Ez csak akkor lehetséges, ha a művészi szabadság megfelelő mennyiségével megpróbálhatjuk bármilyen megközelítést, eszközt és technikát, amelyek eszébe jutnak a pillanatban - és hajlandósággal változtatni, amikor valami kulcsfontosságúnak tűnik.
Miután az adattudós elsajátította az alapvető tudnivalókat, alkalmazkodóvá válik, és meggyőződik abban, hogy más területeken is megoldásokat kínál. Később beszélünk ezekről az alapvető tudnivalókról. Itt érdemes megjegyezni, hogy miután elsajátította az adattudományt, bármilyen mezőbe átvállalhatja a szerepet, mivel az adatok mindenütt megtalálhatók.
Az adattudósok végső célja az, hogy nagy mennyiségű értéket teremtsenek a lehető legtöbb ember számára. Míg az adattudós a színfalak mögött dolgozik, ez nem ellentétben a nagy közönségnek való játékkal: Minél jobban elvégezi a munkát, annál több embert ér el - és annál több jutalmat látsz.
Az adattudósok mit csinálnak?
Tehát mit csinálnak pontosan az adattudósok? Menjünk át egy olyan példával, amelyhez mindannyian képesek vagyunk kapcsolódni.
Nincsenek hibák, nincs stressz - Az Ön életét megváltoztató szoftverek készítésének lépésről lépésre történő leírása az élet megsemmisítése nélkül
Nem javíthatja a programozási képességeit, ha senki sem törődik a szoftver minőségével.
Tegyük fel, hogy egy nap rájössz, hogy nincs olyan energiája az a nap, mint régen. Tehát kitűzte magának egy célt: több energiát kell kapnia a nap folyamán. Ez egy nagyon széles és kétértelmű cél. Tehát az első lépés adattudósként az, hogy eltávolítsa a kétértelműséget, és számszerűsítse e célok mérhetőségét. Vannak módszerek erre. Itt nem fogunk belemenni a részletekbe, de mondjuk csak azt, hogy elmélete szerint nem alszik elég alvásnak, és ezért adja magának azt a célkitűzést, hogy minden este nyolc órát aludjon.
Annak ellenére, hogy ez a cél egy kicsit mérhetőbb és kevésbé egyértelmű, mégis vannak saját kihívásai. Nem igazán tudja elindítani az időzítőt, mihelyt elalszik, és még ha az ágyba való ugrás után elindít egy időzítőt is, elképzelhető, hogy nem elalszik azonnal. Ezen felül nehéz figyelembe venni azokat az időket, amikor az éjszaka közepén felébredsz. Végül különféle típusú alvások léteznek, mint például a mély alvás és a könnyű alvás. A lényeg az, hogy nehezen mérhető pontosan az alvás, és ennélfogva még nehezebb mérni az energiaszintekre gyakorolt hatását.
Szóval mit tehetsz? Nos, mivel egy adattudós kutatja a legújabb technológiát, és fedezze fel, hogy vannak alvásfigyelő eszközök.És ha ilyen eszközt használt az alvás mérésére és digitális rögzítésére, akkor pontosabb adatokat kaphat az alvásról, és idővel összegyűjtheti ezeket az adatokat egy grafikon ábrázolására.
Ez önmagában nagyobb betekintést nyújthat a folyamatban levő eseményekbe. A vizuális megjelenítés tudatosságot, egyértelműséget és irányt nyújt Önnek. Látni fogja, hogy eléri-e az éjszaka nyolc órás alvási célját, és ami még fontosabb, képes lesz cselekedni, ha nem.
Ez az adattudós alapvető feladata: új módszerek bevezetése az adatok mérésére és megjelenítésére, hogy nagyobb figyelmet, világosságot és irányt biztosítsanak azoknak, akik azt nézik.
De egy jó adattudós nem áll meg ezen. Az adatok összegyűjtése után integrálható bármely más, a nap folyamán elvégzett mérési tevékenységgel. Integrálja azt a termelékenységgel, a feladatkezelő rendszer adatai alapján. Integrálja a hangulatával tweet és állapotfrissítések alapján. Integrálja az egészségével az edzőterem látogatása vagy a fogyás alapján. A rendelkezésre álló adatok mennyiségével és a rögzítés egyszerűségével a lehetőségek végtelenek.
Hogyan lehet adattudós
Érdekli az adattudomány karrierje? Mivel az adattudomány olyan új, felkértük a felső adattudós tudósát, hogy nyújtson betekintést a területbe. Jake Porway a The New York Times adattudósa és a DataKind (eredetileg Data Borders) néven alapítója, amely az adattudományra szoruló nonprofit szervezeteket szabadúszó és pro-bono adattudósokkal illeti össze. Porway számítástechnikai háttérrel és Ph.D. az UCLA statisztikáiban. Itt az, amit el kellett mondania arról, hogy hogyan kell bejutni az adattudományba, hogyan kell jól teljesíteni, és hogyan lehet elkerülni a területen elkövetett kulcsfontosságú hibákat.
1. Szerezd meg a megfelelő készségeket
Porway szerint a terepbe jutás három kulcsfontosságú dologra vezethető vissza:
- Gyakorlati számítási készségek
- Statisztikai készségek
- A vágy a tanulásra
"Önnek képesnek kell lennie arra, hogy szkripteket írjon az adatok lekaparására, valamint a fejében felmerült algoritmusok kódolására." - mondja Porway. "Tudnia kell az alapvető statisztikákat (és ideális esetben még többet), ha valóban képes lesz megbecsülni, hogy az épített modellek vagy az algoritmusok, amiket írsz, az amit akarnak."
2. Hozza létre a kapcsolatokat
Mielőtt belépett a New York Times K + F laboratóriumába, Porway gépi tanulásban és számítógépes látásmódban dolgozott, és sok időt töltött robotok beszerzésével, hogy azonosítsa a taposóaknákat és a repülőgépeket (mennyire hűvös hogy?). Addig, amíg a The New York Times-ban nem töltötte be munkáját, szélesebb körű adattudományi feladatokra kellett kibővítenie, nevezetesen a Project Cascade-ra, amely nyomon követi a kiadvány linkeit a közösségi médiában.
A legfontosabb dolog a pályán való eljutáshoz - mondja Porway - a tanuláshoz.
"Vegyen részt egy adattudományi projektben!" - mondja Porway. "Töltsön le néhány adatot, vegyen fel néhány R-t, és kezdje el a játékot. Azt mondanám, hogy arra összpontosítsam, hogy az R-hez hasonlót használjunk egy alap statisztikai könyv mellett, hogy segítsünk néhány adat feltárásában. A gépi tanulási és számítási készségek ezzel együtt járnak természetesen ez a múltbeli tapasztalataitól függ - ha már statisztikus vagy, vedd fel a Pythonot!) "
Akkor itt az ideje, hogy kapcsolatot létesítsen. Porway helyi meetup csoportot javasol - mivel az adattudományi közösség tagja "a leggyorsabb módja annak, hogy megismerjék azt, amit nem tudnak". És egy olyan területen, amely folyamatosan fejlődik, az számít.
3. Keresse meg a játékot
Porwaynek Ph.D. az UCLA statisztikáiban, de hangsúlyozza, hogy jó munkához nem kell egy.
"Segíthet, de nem gondolja, hogy el kell indulnia és újabb öt évet kell folytatnia az iskolában, hogy adattudósnak hívhassa magát" - mondta Porway.
Az adattudomány viszonylag új terület. Ez azt jelenti, hogy azoknak, akik el akarnak kerülni a mezőre, nyitott gondolkodással kell megközelíteniük.
"A Foursquare adattudósa sokkal különbözik majd a Goldman Sachs adattudósától" - mondja Porway.
4. Húzza be új szerepét
Az adattudomány a célok tisztázására, a feltételezések vizsgálatára, a bizonyítékok értékelésére és a következtetések értékelésére szól. De a puzzle egyik apró darabját sokan figyelmen kívül hagyják. Meg tudja tippelni, mi ez? Porway szerint a titkos összetevő a kritikus gondolkodás.
"Számomra ez valóban elkülöníti a hackereket az igaz tudósoktól" - mondja Porway. "Meg kell lepődnie, hányszor láttam, hogy valaki modellt készít, és jelentést tesz az eredményekről anélkül, hogy rájött, hogy nem kritikusan gondolkodtak azon, hogy honnan származnak az adatok, vagy hogy a kísérletük helyesen lett megtervezve. Minden lépést meg kell kérdőjeleznie. folyamatának és minden számának, amelyre feljöttél. "
Az út a nagy adatokhoz
Porway azt mondta, hogy amikor rájött, hogy hatalmas mennyiségű adatot képes felhasználni arra, hogy a gépek megtanítsák magukat, ez elfojtotta a fejét. Ez a szenvedély - és iskolai végzettsége és készségei - elősegítették, hogy ő az adattudományban kiemelkedő munka legyen. Ha nagy adatokat szeretne szétcsapni, lefagy néhány könyvet, töltsön le néhány adatot, és kezdje el játszani. Soha nem tudhatod, hány nyers adat fog megjelenni.
Az interjú teljes átiratát a DataScientists.Net webhelyen találja meg.