Ищете Data Scientist для вашей команды?

К данным, используемым для получения значимой информации, относятся:

• информация о работе оборудования;
• метеоданные;
• результаты исследований;
• запросы в поисковых системах за определенный период;
• результативность спортивных соревнований;
• финансовые данные.

Основные способы обработки этой информации — метод математической статистики и машинное обучение. Ведь необходимо не только структурировать данные, но и выявить закономерности в соответствии с заданием заказчика. 

IT-специалист, имеющий со всем этим дело, именуется Data Scientist’ом. Его задача — на основе анализа обработанной информации построить прогнозную модель. Содержание прогнозов зависит от поставленных заказчиком задач.

Примечательно, что единого термина для обозначения Data Scientist’а в русском языке нет. Используемые варианты названий разнообразны:

• Статистик
• Аналитик-исследователь 
• Аналитик-программист
• Математик-программист
• Аналитик данных
• Специалист по анализу данных.

Востребована также профессия помощника Data Scientist’а.

Сфера применения результатов работы специалиста по анализу данных

С прогнозными моделями, написанными Data Scientist’ом, рядовой пользователь сталкивается уже на этапе получения итогов запроса из поисковика.

Помимо алгоритмов поиска, к результатам работы специалиста по анализу данных могут относиться алгоритмы для:

• чат-ботов;
• персонализированных списков рекомендуемого видео или аудио;
• перечня возможных друзей в социальной сети;
• программ для распознавания лиц;
• оценок платежеспособности для выдачи кредита;
• прогнозирования страхового случая;
• программ построения генетических карт.

И это далеко не полный перечень результатов работы Data Scientist’а.

Обязанности Data Scientist'a

Некоторые этапы работы IT-специалиста этой сферы могут отличаться из-за специфики компании, в которой он работает. Но основные заключаются в следующем:

• определение задачи, поставленной заказчиком;
• оценка возможности решения выданного задания с помощью машинного обучения;
• подготовка данных для анализа;
• поиск критериев оценки данных;
• программирование и тренировка разработанной прогнозной модели;
• оценка целесообразности созданной модели; 
• внедрение модели в заданную сферу деятельности (производственный цикл или продукт);
• доработка модели по необходимости в ходе эксплуатации с учетом текущих требований.

Data Scientist - основные скиллы

Так как основной материал деятельности Data Scientist — массивы данных, а задача — анализ данных и разработка прогнозной модели, то одни из базовых навыков — математические познания (например, понятие о дифференциалах, производных, определителях матрицы) и умение работать с большими объемами информации.

К необходимым знаниям относятся:

• математический анализ;
• основы статистики;
• математическая статистика;
• Python и R — языки программирования;
• понятие машинного обучения и использование его алгоритмов;
• английский язык.

Важнейший навык — не просто понимание алгоритмов и методов машинного обучения, но и умение применять их в практической деятельности. Также Data Scientist должен уметь визуализировать результаты своей работы.