بیایید با واقعیت روبرو شویم: تک شاخ های علم داده وجود ندارند. اگر به دنبال دانشمند داده ای هستید که بتواند هر کاری انجام دهد، از تعریف نیازهای کسب و کار مرتبط با علم داده شما بدون توجه به زمینه ای که در آن فعالیت می کنید تا ساختن یک شبکه عصبی عمیق پیچیده با همان تسلط، در معرض خطر زیادی هستید که هرگز چنین چیزی را پیدا نکنید. شخص در علم داده، تخصص ها حاکم هستند.

با آن، می‌توانید رویکردهای متعددی برای طبقه‌بندی دانشمندان داده پیدا کنید، که می‌تواند شامل 2 تا بیش از 10 شغل/تخصص علم داده باشد. در ScienceSoft، ما همچنین بین انواع مختلف دانشمندان داده که یک تیم حرفه‌ای علم داده در هیئت مدیره دارند، متمایز می‌شویم. با این حال، با متعهد به ساده نگه داشتن کارها، ما فقط ۲ نوع دانشمند داده را می شناسیم: تحلیلگران و تکنسین ها. بیایید مسئولیت های اصلی آنها را بهتر بشناسیم.

دانشمندان داده – تحلیلگران

دانشمندان داده – تحلیلگران در تبدیل نیازهای تجاری به طراحی راه حل های علم داده و همچنین تفسیر یافته های به دست آمده با کمک این راه حل ها به کسب و کار مهارت دارند. برای انجام موفقیت آمیز این کار، آنها باید درک کاملی از صنایعی که به آنها خدمت می کنند و همچنین دانش حوزه ای مانند مدیریت زنجیره تامین، نگهداری پیش بینی و مدیریت کیفیت داشته باشند.

وظایف اصلی دانشمندان داده – تحلیلگران عبارتند از:

تجزیه و تحلیل نیازهای کسب و کار که به علم داده نیاز دارند، مانند پیش بینی، بهینه سازی، تجزیه و تحلیل علت ریشه ای.
مدیریت کیفیت داده های خام
آماده سازی داده های مورد نیاز برای آموزش یک مدل یادگیری ماشین (به عنوان مثال، افزایش داده ها و کاهش نویز).
تعریف عواملی که بر دقت پیش‌بینی‌ها تأثیر می‌گذارند (به عنوان مثال، تعریف اینکه برای پیش‌بینی تقاضا، یک مدل یادگیری ماشینی باید آخرین روند فروش، فصلی بودن، الگوهای خاص هر SKU و همچنین تأثیر تبلیغات را تجزیه و تحلیل کند).
کاوش داده ها و تفسیر نتایج (یعنی اطمینان از اینکه مدل سیگنال ها را از نویز متمایز می کند).
ایجاد گزارش ها و داشبوردها برای تجسم یافته های تجزیه و تحلیل.

دانشمندان داده – تکنسین ها

دانشمندان داده – تکنسین ها در تبدیل مفهوم علم داده به یک راه حل قوی ماهر هستند. آنها با فرمول‌ها و کدهای ریاضی کار می‌کنند و باعث می‌شوند الگوریتم‌های یادگیری ماشین داده‌ها را مصرف کرده و خروجی مربوطه را تولید کنند. برای مثال، در یکی از آخرین پست‌های بلاگ علم داده ScienceSoft، رئیس بخش تجزیه و تحلیل داده ما به طور مفصل توضیح داد که چگونه یک مدل یادگیری عمیق، سطح موجودی بهینه را بر اساس داده‌های فروش تاریخی پیش‌بینی می‌کند.

وظایف اصلی دانشمندان داده – تکنسین ها عبارتند از:

انتخاب الگوریتم یادگیری ماشینی بهینه از بین گزینه های موجود.
طراحی و پیاده سازی مدل های یادگیری ماشینی (از جمله یادگیری عمیق).
انتخاب توابع فعال سازی و بهینه سازی مرتبط
تنظیم فراپارامترهای مدل ها
آموزش و بازآموزی مدل ها.

پابان .

لینک منبع : https://www.scnsoft.com/blog/data-scientists-types