Data Science

До даних, які використовуються для отримання значимої інформації, належать:

• інформація про роботу обладнання;
• інформація про погоду;
• результати досліджень;
• запити в пошукових системах за певний період;
• результативність спортивних змагань;
• фінансові дані.

Основні способи обробки цієї інформації — метод математичної статистики і машинне навчання. Адже необхідно не тільки структурувати дані, але і виявити закономірності відповідно до завдання замовника.

IT-фахівець, який має справу з усім цим, іменується Data Scientist'ом. Його завдання — на основі аналізу обробленої інформації побудувати прогнозну модель. Зміст прогнозів залежить від поставлених замовником завдань.

Показово, що єдиного терміна для позначення Data Scientist'а в українській мові немає. Використовувані варіанти назв різноманітні:

• Статистик
• Аналітик-дослідни
• Аналітик-програміст
• Математик-програміст
• Аналітик даних
• Спеціаліст з аналізу даних

Затребувана також професія помічника Data Scientist'а.

Сфера застосування результатів роботи фахівця з аналізу даних

З прогнозними моделями, написаними Data Scientist'ом, пересічний користувач стикається вже на етапі отримання результатів запиту до пошукової системи.

Крім алгоритмів пошуку, до результатів роботи фахівця з аналізу даних можуть належати алгоритми для:

• чат-ботів;
• персоналізованих списків рекомендованого відео або аудіо;
• переліку можливих друзів у соціальній мережі;
• програм для розпізнавання осіб;
• оцінки платоспроможності для видачі кредиту;
• прогнозування страхового випадку;
• програм побудови генетичних карт.

І це далеко не повний перелік результатів роботи Data Scientist'а.

Обов'язки Data Scientist'a

Деякі етапи роботи IT-фахівця цієї сфери можуть відрізнятися через специфіку компанії, в якій він працює. Але основні полягають в наступному:

• визначення завдання, поставленого замовником;
• оцінка можливості вирішення виданого завдання за допомогою машинного навчання;
• підготовка даних для аналізу;
• пошук критеріїв оцінки даних;
• програмування і тренування розробленої прогнозної моделі;
• оцінка доцільності створеної моделі;
• впровадження моделі в задану сферу діяльності (виробничий цикл або продукт);
• доопрацювання моделі за потребою в ході експлуатації з урахуванням поточних вимог.

Data Scientist - основні скіли

У зв’язку з тим, що основний матеріал діяльності Data Scientist'а — масиви даних, а завдання — аналіз даних і розробка прогнозної моделі, то одна з базових навичок — вільне оперування такими математичними категоріями, як диференціал, похідна, визначник матриці, і бажання працювати з великими обсягами інформації.

До необхідних знань відносяться:

• математичний аналіз;
• основи статистики;
• математична статистика;
• Python і R-мови програмування;
• поняття машинного навчання і використання його алгоритмів;
• англійська мова.

Найважливіший навик — не просто розуміння алгоритмів і методів машинного навчання, а й уміння застосовувати їх в практичній діяльності. Також Data Scientist повинен вміти візуалізувати результати своєї роботи.