Contenuto
- Data scientists: Techs Rock Stars?
- I data scientist fanno cosa?
- Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
- Come essere un data scientist
- La strada verso i big data
Fonte: Onradio / iStockphoto
Porta via:
Il ruolo di data scientist sta rapidamente diventando la carriera più ricercata nel mondo della tecnologia. Abbiamo chiesto al migliore scienziato di dati Jake Porway del New York Times di come ha ottenuto il suo lavoro e i suoi consigli per il successo nel settore.
Il ruolo di data scientist sta rapidamente diventando la carriera più ricercata nel mondo della tecnologia. Aziende come Google, Amazon e LinkedIn stanno utilizzando data scientist per aiutarli a mantenere quel vantaggio innovativo nell'era dei dati digitali. E ora gli appassionati di dati e tecnologia aspirano a diventare scienziati dei dati allo stesso modo in cui alcuni musicisti aspirano a diventare rock star. Forse è per questo che alcune persone si riferiscono ai data scientist come le nuove rock star dell'era della tecnologia.
Sfortunatamente, questo ruolo è ancora così nuovo che c'è ancora un livello di oscurità al riguardo, il che significa che molti aspiranti scienziati dei dati stanno guidando i loro autobus turistici lungo la strada sbagliata. I data scientist meritano la loro reputazione da rock star? Ci immergiamo nel mondo della scienza dei dati con un'intervista a Jake Porway, lo scienziato dei dati del laboratorio di ricerca e sviluppo del New York Times.
Data scientists: Techs Rock Stars?
Allora perché i data scientist vengono definiti le nuove rock star del mondo tecnologico? Questa analogia in realtà va più in profondità di quanto i nerd di dati desiderino suonare ultracool. Proprio come una rock star, una carriera di data scientist include diversità, libertà artistica e adattabilità. E come le rock star del mondo dell'intrattenimento, i migliori data scientist tendono a ottenere un discreto seguito di persone provenienti da tutti i settori dell'industria dei dati e della tecnologia.
Quello che fa uno scienziato di dati è molto vario; proprio come i musicisti usano strumenti, strumenti e tecniche diversi per suonare stili musicali tanto diversi quanto il jazz e il death metal, uno scienziato di dati padroneggia anche un particolare strumento e campo. C'è anche lo stile coinvolto. E non esiste nemmeno un modo giusto o sbagliato di svolgere il lavoro - riguarda l'impatto che il lavoro ha sulle altre persone.
Quando i Beatles scrissero le loro canzoni, non c'era una sola persona a dettare come doveva essere suonata ogni nota su ogni strumento. Si riunirono e si incepparono; attraverso la scoperta creativa hanno trovato canzoni che hanno funzionato. È lo stesso per i data scientist. Devono sentire il ritmo, entrare nel solco e armonizzare una soluzione. Questo è possibile solo con la giusta quantità di libertà artistica per provare qualunque approccio, strumento e tecnica possa venire in mente nel momento - e l'agilità di apportare cambiamenti quando qualcosa sembra fuori chiave.
Una volta che uno scienziato di dati padroneggia i fondamenti fondamentali, diventa adattabile e ottiene la fiducia necessaria per fornire soluzioni in altri campi. Parleremo più di questi fondamentali di base in seguito. Il punto da sottolineare qui è che, una volta padroneggiata la scienza dei dati, puoi assumere il ruolo in qualsiasi campo tu voglia, perché i dati sono ovunque.
L'obiettivo finale di un data scientist è quello di creare enormi quantità di valore per il maggior numero di persone possibile. Mentre uno scienziato di dati lavora dietro le quinte, non è diverso dal suonare per un vasto pubblico: meglio fai il lavoro, più persone raggiungi e più premi vedi.
I data scientist fanno cosa?
Cosa fanno esattamente i data scientist? Andiamo attraverso questo con un esempio a cui tutti potremmo essere in grado di relazionarci.
Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
Diciamo che un giorno ti renderai conto che non hai la stessa quantità di energia nel giorno in cui eri solito. Quindi ti poni un obiettivo: avere più energia durante il giorno. Questo è un obiettivo piuttosto ampio e ambiguo. Quindi il primo passo come data scientist è rimuovere parte di quell'ambiguità e quantificare questa misurabilità degli obiettivi. Ci sono metodi per questo. Non entreremo nei dettagli qui, ma diciamo solo che teorizzi che non stai dormendo abbastanza e quindi ti dai l'obiettivo secondario di dormire otto ore ogni notte.
Anche se questo obiettivo è un po 'più misurabile e meno ambiguo, ha le sue sfide. Non puoi davvero avviare un timer una volta che ti addormenti e anche se si avvia un timer dopo aver saltato a letto, è possibile che non si addormenti immediatamente. Inoltre, è difficile tenere conto delle volte in cui ti svegli nel cuore della notte. Infine, ci sono diversi tipi di sonno, come il sonno profondo e il sonno leggero. La linea di fondo è che è difficile misurare con precisione il sonno in modo preciso e quindi ancora più difficile misurare il suo impatto sui livelli di energia.
Che cosa si può fare? Bene, come data scientist dovrai cercare le ultime tecnologie e scoprire che esistono dispositivi di monitoraggio del sonno.E se hai utilizzato un dispositivo del genere per misurare e registrare digitalmente il tuo sonno, sarai in grado di ottenere dati più accurati sul tuo sonno e di raccoglierli nel tempo per tracciare un grafico.
Questo da solo può darti una visione più ampia di ciò che sta succedendo. La rappresentazione visiva ti darà consapevolezza, chiarezza e direzione. Sarai in grado di vedere se stai raggiungendo il tuo obiettivo di otto ore di sonno a notte e, cosa più importante, sarai in grado di agire se non lo sei.
Questo è il lavoro di base dello scienziato dei dati: portare nuovi modi di misurare e visualizzare i dati in modo tale da fornire maggiore consapevolezza, chiarezza e direzione a coloro che li guardano.
Ma un bravo scienziato di dati non si ferma qui. Una volta raccolti, i dati possono essere integrati con qualsiasi altra attività misurata eseguita durante il giorno. Integralo con la tua produttività in base ai dati del tuo sistema di gestione delle attività. Integralo con i tuoi umori in base a tweet e aggiornamenti di stato. Integralo con la tua salute in base alle visite in palestra o alla perdita di peso. Con la quantità di dati già disponibili e la facilità con cui possono essere acquisiti, le possibilità sono infinite.
Come essere un data scientist
Ti interessa una carriera nella scienza dei dati? Poiché la scienza dei dati è così nuova, abbiamo chiesto a uno scienziato di dati di spicco informazioni dettagliate sul campo. Jake Porway è uno scienziato di dati presso il New York Times e il fondatore di DataKind (originariamente noto come Data Without Borders), che abbina organizzazioni non profit bisognose di scienza dei dati a scienziati freelance e pro-bono. Porway ha una formazione informatica e un dottorato di ricerca. nelle statistiche dell'UCLA. Ecco cosa aveva da dire su come entrare nella scienza dei dati, come comportarsi bene e come evitare errori chiave sul campo.
1. Ottieni le giuste competenze
Secondo Porway, entrare in campo si riduce a tre cose chiave:
- Competenze informatiche pratiche
- Abilità statistiche
- Un desiderio di imparare
"Devi essere in grado di scrivere script per racimolare i dati e codificare gli algoritmi che ti vengono in mente", afferma Porway. "Dovresti conoscere le tue statistiche di base (e molto altro, idealmente) se sarai davvero in grado di valutare se i modelli che stai costruendo o gli algoritmi che stai scrivendo stanno facendo quello che vuoi."
2. Effettua connessioni
Prima di entrare a far parte del laboratorio di ricerca e sviluppo del New York Times, Porway ha lavorato sull'apprendimento automatico e la visione artificiale, e ha trascorso molto tempo a trovare robot per identificare mine terrestri e aerei da volo (quanto è bello quello?). Solo quando ha ottenuto il suo lavoro al New York Times è riuscito ad espandersi in compiti più ampi di scienza dei dati, vale a dire il Progetto Cascade, che tiene traccia dei collegamenti dalla pubblicazione sui social media.
La cosa più importante per entrare in campo, dice Porway, è imparare.
"Partecipa a un progetto di scienza dei dati!" Dice Porway. "Scarica alcuni dati, raccogli un po 'di R e inizia a giocare ... Voglio dire di concentrarti sull'uso di qualcosa come R insieme a un libro di statistiche di base per guidarti nell'esplorazione di alcuni dati. ovviamente questo dipende dalla tua esperienza passata - se sei già uno statistico, prendi un po 'di Python!) "
Quindi è il momento di fare alcune connessioni. Porway consiglia un gruppo Meetup locale, perché far parte della comunità della scienza dei dati è "il modo più veloce per sapere ciò che non sai". E in un campo in costante evoluzione, ciò che conta.
3. Partecipa al gioco
Porway ha un dottorato di ricerca. nelle statistiche dell'UCLA, ma sottolinea che non ne hai bisogno per fare un buon lavoro.
"Potrebbe essere d'aiuto, ma non pensare che devi andare fuori e fare altri cinque anni di scuola per essere in grado di definirti uno scienziato di dati", ha detto Porway.
La scienza dei dati è un campo relativamente nuovo. Ciò significa che coloro che vogliono entrare nel campo devono avvicinarsi con una mente aperta.
"Uno scienziato di dati di Foursquare sembrerà molto diverso da uno scienziato di dati di Goldman Sachs", afferma Porway.
4. Scatena il tuo nuovo ruolo
La scienza dei dati consiste nel chiarire gli obiettivi, esaminare le ipotesi, valutare le prove e valutare le conclusioni. Ma c'è un piccolo pezzo del puzzle che molte persone trascurano. Riuscite a indovinare di cosa si tratta? Secondo Porway, l'ingrediente segreto è il pensiero critico.
"Distingue davvero gli hacker dai veri scienziati, per me", afferma Porway. "Sarai sorpreso di quante volte ho visto qualcuno costruire un modello e riferire i risultati senza rendersi conto che non avevano pensato in modo critico alla provenienza dei dati o se il loro esperimento era stato progettato correttamente. Devi DEVE essere in grado di mettere in discussione ogni passaggio del tuo processo e di ogni numero che ti viene in mente ".
La strada verso i big data
Porway dice che quando si è reso conto della capacità di usare enormi quantità di dati per far insegnare le macchine a se stessi, gli è saltato in mente. È quella passione - e la sua educazione e le sue capacità - che hanno contribuito a fargli ottenere un ottimo lavoro nella scienza dei dati. Se vuoi eseguire il rock di big data, vai in giro con alcuni libri, scarica alcuni dati e inizia a giocare. Non si sa mai quale sarà la pila di dati grezzi.
Per una trascrizione completa dell'intervista, visitare DataScientists.Net.