Content
- Data Scientists: Techs Rock Stars?
- Científics de dades Què fan?
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Com ser un científic de dades
- El camí cap al Big Data
Font: Onradio / iStockphoto
Emportar:
El paper del científic de dades s’està convertint ràpidament en la carrera més demandada del món de la tecnologia. Vam preguntar al científic de dades més gran Jake Porway, del New York Times, sobre com va aconseguir la seva feina i els seus consells per assolir l'èxit en el camp.
El paper del científic de dades s’està convertint ràpidament en la carrera més demandada del món de la tecnologia. Empreses com Google, Amazon i LinkedIn utilitzen científics de dades per ajudar-los a mantenir aquest avantatge innovador en l’era de les dades digitals. I ara els aficionats a les dades i a la tecnologia aspiren a convertir-se en científics de dades de la mateixa manera que alguns músics aspiren a convertir-se en estrelles del rock. Potser és per això que hi ha qui es refereix a científics de dades com les noves estrelles rupestres de l'era de la tecnologia.
Malauradament, aquest paper és encara tan nou que encara hi ha un nivell d’obscuritat, cosa que significa que molts científics de dades wannabe condueixen els autobusos turístics per un camí equivocat. Els científics de dades es mereixen la seva reputació d’estrelles de rock? Ens endinsem en el món de la ciència de dades amb una entrevista amb Jake Porway, el científic de dades del laboratori de R + D del New York Times.
Data Scientists: Techs Rock Stars?
Per què es fa referència als científics de dades com a noves estrelles del rock del món de la tecnologia? Aquesta analogia en realitat aprofundeix més que el que volen els nerds de dades de sonar ultracool. Igual que una estrella del rock, una carrera de científics de dades inclou diversitat, llibertat artística i adaptabilitat. Igual que les estrelles de rock del món de l’entreteniment, els millors científics de dades solen guanyar força persones de tots els àmbits de la indústria de la tecnologia i les dades.
El que fa un científic de dades és molt divers; de la mateixa manera que els músics utilitzen diferents instruments, eines i tècniques per tocar estils musicals tan dispars com el jazz i el death metal, un científic de dades també domina una eina i un camp en particular. També hi ha estil que hi ha. I tampoc hi ha cap forma correcta o equivocada de fer la feina, sinó que es tracta de l'impacte que té el treball en altres persones.
Quan els Beatles van escriure les seves cançons, no hi havia una sola persona que dictava com es tocava cada nota de cada instrument. Es van unir i es van apassionar; a través del descobriment creatiu van trobar cançons que funcionaven. És el mateix per als científics de dades. Han de sentir el ritme, entrar al solc i harmonitzar una solució. Això només és possible amb la quantitat adequada de llibertat artística per provar els mètodes, les eines i les tècniques que puguin venir al cap en el moment, i l'agilitat de fer canvis quan alguna cosa sembla fora de clau.
Una vegada que un científic de dades domina els fonaments fonamentals, s’adapta i es guanya la confiança per proporcionar solucions en altres camps. Més endavant parlem més sobre aquests fonaments bàsics. La qüestió a plantejar és que una vegada que dominis la ciència de dades, puguis assumir el paper a qualsevol camp que vulguis, perquè les dades són a tot arreu.
L’objectiu final d’un científic científic de dades és crear masses quantitats de valor per al major nombre de persones possibles. Mentre que un científic de dades treballa darrere de les escena, no és diferent de jugar a un gran públic: Com millor faci la feina, més gent arribes, i més recompenses veus.
Científics de dades Què fan?
I què fan exactament els científics de dades? Anem a passar amb això amb un exemple al qual tots podríem relacionar-nos.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Diguem que t’adones d’un dia que no tens la mateixa quantitat d’energia en el que abans. Així que us fixeu un objectiu: tenir més energia durant el dia. Ara, aquest és un objectiu força ampli i ambigu. Per tant, el primer pas com a científic de dades és eliminar una mica d'aquesta ambigüitat i quantificar aquesta mesurabilitat dels objectius. Hi ha mètodes per a això. No us endinsem en els detalls aquí, però us permetem dir que teniu la possibilitat de no dormir prou i, per tant, ofereu-vos el subobjectiu d’aconseguir vuit hores de son cada nit.
Tot i que aquest objectiu és una mica més mesurable i menys ambigu, té els seus propis reptes. Realment no podeu iniciar el temporitzador un cop us adormiu, i fins i tot si inicieu un temporitzador després de pujar al llit, potser no us adormireu de seguida. A més, és difícil tenir en compte les hores que et despertes enmig de la nit. Finalment, hi ha diferents tipus de son, com ara el somni profund i el son lleuger. La conclusió és que és difícil mesurar el son amb precisió i, per tant, és més difícil mesurar el seu impacte en els nivells d’energia.
I què podeu fer? Doncs bé, com a científic de dades, busqueu les novetats en tecnologia i descobriu que hi ha dispositius de control del son.I si heu utilitzat aquest dispositiu per mesurar i enregistrar digitalment el son, podríeu obtenir dades més precises sobre el vostre son i recopilar-les al llarg del temps per traçar un gràfic.
Això sol us pot proporcionar una visió més detallada del que passa. La representació visual us donarà consciència, claredat i direcció. Podreu veure si esteu aconseguint el vostre objectiu de vuit hores de son a la nit i, el que és més important, ser capaç de prendre mesures si no ho sou.
Aquesta és la tasca bàsica del científic de dades: aportar noves maneres de mesurar i mostrar dades de manera que es doni més consciència, claredat i direcció als que la miren.
Però un bon científic de dades no s’atura aquí. Un cop recollides les dades, es pot integrar amb qualsevol altra activitat mesurada que faci al llarg del dia. Integra-la a la teva productivitat a partir de les dades del sistema de gestió de tasques. Integra’l amb els teus estats d’ànim basats en tuits i actualitzacions d’estat. Integra’l amb la teva salut en funció de visites al gimnàs o pèrdua de pes. Amb la quantitat de dades ja disponibles i la facilitat per capturar-les, les possibilitats són infinites.
Com ser un científic de dades
T'interessa fer una carrera en ciències de dades? Com que la ciència de dades és tan nova, vam demanar a un científic superior de dades la visió del camp. Jake Porway és un científic de dades del The New York Times i fundador de DataKind (originalment conegut com Data Without Borders), que coincideix amb els sense afany de lucre que necessiten ciències de dades amb científics de dades freelance i pro-bonus. Porway té una formació informàtica i un doctorat. en estadístiques d’UCLA. Heus què havia de dir sobre com accedir a la ciència de dades, com fer un bon funcionament i com evitar errors clau en el camp.
1. Obtenir les habilitats adequades
Segons Porway, entrar al camp es redueix a tres coses clau:
- Habilitats pràctiques en informàtica
- Competències estadístiques
- Un desig d’aprendre
"Heu de ser capaços d'escriure scripts per raspar dades, així com codificar els algorismes amb els quals us trobeu al cap", afirma Porway. "Hauríeu de conèixer les vostres estadístiques bàsiques (i molt més, idealment) si realment podreu valorar si els models que creeu o els algorismes que esteu escrivint estan fent el que voleu".
2. Feu connexions
Abans d'unir-se al laboratori de R + D del New York Times, Porway va treballar en l'aprenentatge de màquines i la visió per ordinador i va dedicar molt temps a obtenir robots per identificar mines terrestres i avions de volar això?). No va ser fins que va aterrar la seva feina al The New York Times quan va arribar a expandir-se en tasques més àmplies de ciències de dades, a saber, Projecte Cascade, que rastreja els enllaços de la publicació a través de les xarxes socials.
El més important per entrar al camp, diu Porway, és aprendre.
"Inicia un projecte de ciència de dades!" Porway diu. "Descarregueu algunes dades, agafeu una mica de R i comenceu a jugar ... Em dic concentrar-vos en utilitzar alguna cosa com R juntament amb un llibre de estadístiques bàsiques per guiar-vos a través de l'exploració d'algunes dades. Les habilitats d'aprenentatge i informàtica de màquines s'ofereixen amb això (de per descomptat, això depèn de la vostra experiència passada; si ja ets estadístic, agafa algun Python!) "
Aleshores ha arribat el moment de fer algunes connexions. Porway recomana un grup de trobades locals, perquè formar part de la comunitat de ciències de dades és "la manera més ràpida de saber el que no sabeu". I això és important en un camp en constant evolució.
3. Iniciar-se en el joc
Porway té un doctorat. en estadístiques d’UCLA, però destaca que no cal que faci una bona feina.
"Pot ser d'ajuda, però no penseu que heu de marxar i fer cinc anys més d'escola per poder anomenar-vos un científic de dades", va dir Porway.
La ciència de dades és un camp relativament nou. Això vol dir que els que volen entrar al camp necessiten abordar-lo amb la ment oberta.
"Un científic en dades de Foursquare tindrà un aspecte molt diferent d'un científic de dades de Goldman Sachs", afirma Porway.
4. Canvieu el vostre nou paper
La ciència de dades es refereix a aclarir objectius, examinar supòsits, avaluar proves i avaluar conclusions. Però hi ha una petita peça del trencaclosques que molta gent passa per alt. Pots endevinar què és? Segons Porway, l'ingredient secret és el pensament crític.
"Realment separa els hackers dels científics reals, per a mi", afirma Porway. "Us haureu de sorprendre quantes vegades he vist algú construir un model i informar dels resultats sense adonar-vos que no havia pensat críticament sobre d'on provenien les dades o si el seu experiment estava dissenyat correctament. Heu de ser capaços de qüestionar cada pas. del procés i de cada número amb què vingueu ".
El camí cap al Big Data
Porway diu que quan es va adonar de la capacitat d’utilitzar grans quantitats de dades per tal que les màquines s’ensenessin a si mateixes, va desaprofitar la seva ment. La seva passió i la seva educació i habilitats van contribuir a oferir-li un lloc de treball superior en ciències de dades. Si voleu picar dades grans, descriviu-hi amb alguns llibres, descarregueu-vos algunes dades i comenceu a jugar-hi. Mai no se sap quina pila de dades brutes apareixerà.
Per obtenir una transcripció completa de l'entrevista, aneu a DataScientists.Net.