Làm thế nào để trở thành một nhà khoa học dữ liệu - Nhà khoa học dữ liệu – Phần I - Định nghĩa, Kỹ năng và Cộng đồng Sáu năm sau khi Harvard Business Review gọi nó là công việc quyến rũ nhất thế kỷ 21.Khoa học dữ liệu là gì?Một nhà khoa học dữ liệu là sự pha trộn độc đáo của các kỹ năng vừa có thể mở khóa những hiểu biết về dữ liệu vừa kể một câu chuyện tuyệt vời thông qua dữ liệu.Nhà khoa học dữ liệu là ai?Một nhà khoa học dữ liệu điển hình trông như thế nào? Phần lớn cho rằng, đặc điểm nổi trội của các nhà khoa học dữ liệu là sự tò mò mãnh liệt. Mong muốn đi sâu vào bề mặt của một vấn đề, tìm ra những câu hỏi trong lòng và đưa chúng vào một loạt các giả thuyết rất rõ ràng có thể được kiểm tra.Qua nghiên cứu khuyến nghị trình độ khoa học dữ liệu sau đây:• Thạc sĩ hoặc tiến sĩ trong thống kê, toán học hoặc khoa học máy tính• Trải nghiệm sử dụng các ngôn ngữ máy tính thống kê như R, Python, SQL, v.v.• Có kinh nghiệm về kỹ thuật khai thác dữ liệu và thống kê, bao gồm mô hình / hồi quy tuyến tính tổng quát, rừng ngẫu nhiên, tăng tốc boosting, cây tree, khai thác văn bản, phân tích mạng xã hội• Kiến thức về các kỹ thuật học máy như phân cụm, học cây quyết định decision tree learning và mạng lưới thần kinh nhân tạo artificial neural networks• Kiến thức về các kỹ thuật và khái niệm thống kê nâng cao, bao gồm hồi quy regression, tính chất của phân phối và kiểm tra thống kê - properties of distributions, and statistical tests• Trải nghiệm sử dụng các dịch vụ web: Redshift, S3, Spark, DigitalOcean, v.v.• Trải nghiệm phân tích dữ liệu từ các nhà cung cấp, bao gồm Google Analytics, Trang web Catalyst, Coremetrics, AdWords, Crimson Hexagon, Facebook Insights, v.v.• Trải nghiệm với các công cụ dữ liệu/máy tính phân tán: Map/Reduce, Hadoop, Hive, Spark, Gurobi, MySQL, v.v.• Trải nghiệm trực quan hóa / trình bày dữ liệu cho các bên liên quan bằng cách sử dụng: Periscope, Business Object, D3, ggplot, v.v.Ngoài việc hiểu dữ liệu, một nhà khoa học dữ liệu phải thoải mái trình bày những phát hiện của họ cho các bên liên quan của công ty. Mười (10) Kỹ năng khoa học dữ liệu cần thiết1 - Tư duy phân tích2 - Số liệu thống kê3 - Phân tích dữ liệu4 - Trực quan hóa dữ liệu5 - Thuật toán6 - Học máy7 - Học sâu8 - Xử lý ngôn ngữ tự nhiên9 - Sự nhạy bén trong kinh doanh10 - Chuyên gia lãnh vựcCác vai trò trong khoa học dữ liệuTrong khi một số công ty nhỏ có thể nhờ một nhà khoa học dữ liệu chuyên nghiệp, thường thì một nhóm khoa học dữ liệu sẽ dựa vào các thành viên khác trong nhóm để hoàn thành các nhiệm vụ khác nhau. 1 - Nhà khoa học dữ liệuMột định nghĩa của một nhà khoa học dữ liệu là một người biết lập trình nhiều hơn một nhà thống kê và thống kê nhiều hơn một kỹ sư phần mềm. Các nhà khoa học dữ liệu là cầu nối giữa lập trình và thực hiện khoa học dữ liệu, lý thuyết về khoa học dữ liệu và ý nghĩa kinh doanh của dữ liệu.Mức lương cơ bản trung bình của họ chỉ dưới 140.000 USD, theo Glassdoor.2 - Kỹ sư dữ liệuCác kỹ sư dữ liệu là các kỹ sư phần mềm xử lý một lượng lớn dữ liệu và thường đặt nền tảng và hệ thống ống nước cho các nhà khoa học dữ liệu thực hiện công việc của họ một cách hiệu quả. Họ chịu trách nhiệm quản lý các hệ thống cơ sở dữ liệu, nhân rộng kiến trúc dữ liệu cho nhiều máy chủ và viết các truy vấn phức tạp để sàng lọc dữ liệu. Mức lương cơ bản trung bình của họ cao hơn các nhà khoa học dữ liệu, dựa trên dữ liệu của Glassdoor: 151.000 USD.3 - Chuyên viên phân tích dữ liệu / kinh doanhCác nhà phân tích dữ liệu sàng lọc dữ liệu và cung cấp các báo cáo và trực quan hóa để giải thích những gì mà dữ liệu đang ẩn giấu. Khi ai đó giúp mọi người từ khắp công ty hiểu các truy vấn cụ thể bằng biểu đồ, họ sẽ lấp đầy vai trò của nhà phân tích dữ liệu (hoặc nhà phân tích kinh doanh). Mức lương cơ bản trung bình của họ là khoảng 84.000 USD4 - Kỹ sư học máyCác kỹ sư máy học được tìm kiếm rất cao và chỉ huy mức lương trung bình hàng năm là 115.000 đô la, theo Glassdoor (lưu ý rằng đây là chức năng công việc hẹp hơn