Arten von Data Scientist



Dieser Artikel beschreibt verschiedene Arten von Datenwissenschaftlern. Wenn Sie sich als Datenwissenschaftler auszeichnen möchten, können Sie sehen, zu welcher Rolle Sie perfekt passen. Weiter lesen

Im letzten Jahr ist die Datenwissenschaft vom täglichen Betrieb untrennbar geworden. Data Science wird in den Bereichen Produkte, Marketing, Engineering und Vertrieb eingesetzt, um wichtige Entscheidungen zu treffen. Sensationelle Aussagen darüber, dass „Data Scientist“ der sexieste Job ist, haben die Popularität dieser nerdigen Berufsbezeichnung in die Höhe getrieben.

Infolgedessen können wir sehen, wie Leute ihre Berufsbezeichnung aufblitzen lassen und einige danach streben, eine zu werden. Wenn man ihre Qualifikationen, Ausbildung, Erfahrung, Eignung und Einstellung betrachtet, ist es offensichtlich, dass sie nicht alle in dieselbe Kategorie fallen. Warum verwenden sie unabhängig von den Unterschieden dieselbe Berufsbezeichnung?





Dies könnte daran liegen, dass Datenwissenschaftler grob in zwei Kategorien eingeteilt werden können:

ist postgradual das gleiche wie Master
  • Produktorientierte Datenwissenschaft.
  • Business Intelligence-Stil der Datenwissenschaft.

In jeder Kategorie gibt es ungefähr 4 bis 5 Gruppen.



In O’Reilly Stratas Bericht 'Analyse der Analysatoren' werden die Datenwissenschaftler auf der Grundlage der produktorientierten Datenwissenschaft wie folgt klassifiziert.

Produktorientierte Data Science

  • Datenforscher

Die Fachkräfte in dieser Kategorie kommen aus der akademischen Welt und verfügen über fundierte Kenntnisse in Statistik oder Natur- oder Sozialwissenschaften. Diese Art von Datenwissenschaftler hat häufig einen Doktortitel, ist jedoch in maschinellem Lernen, Programmieren oder Business schwach ausgebildet.



  • Datenentwickler

Diese Leute konzentrieren sich in der Regel auf technische Probleme beim Umgang mit Daten. Sie sind stark in Programmierung und maschinellem Lernen, aber schwach in Geschäfts- und Statistikkenntnissen.

Unterschied zwischen Hash-Map und Hash-Tabelle
  • Datenmotive

Dies sind die Leute, die aus Bergen von Daten etwas Innovatives machen. Sie verfügen über umfassende Kenntnisse in maschinellem Lernen, Big Data, Programmierung und anderen Fähigkeiten im Umgang mit massiven Daten.

  • Daten Geschäftsleute

Sie repräsentieren die Geschäftsseite und sind dafür verantwortlich, wichtige Geschäftsentscheidungen mithilfe von Datenanalysetechniken zu treffen. Sie sind eine vielseitige Mischung aus geschäftlichen und technischen Kenntnissen.

Business Intelligence-basierte Data Science

  • Quantitative, explorative Datenwissenschaftler

Quantitative, explorative Datenwissenschaftler neigen dazu, zu promovieren und mithilfe der Theorie das Verhalten zu verstehen. Durch die Kombination von Theorie und explorativer Forschung verbessern diese Datenwissenschaftler Produkte.

  • Wissenschaftler für Betriebsdaten

Betriebsdatenwissenschaftler arbeiten häufig in Finanz-, Vertriebs- oder Betriebsteams einer Organisation. Seine Aufgabe ist es, Leistung, Reaktionen und Verhalten eines Prozesses zu analysieren, um die Strategie und Effizienz des Unternehmens zu verbessern.

  • Produktdaten Wissenschaftler

Produktdatenwissenschaftler passen in das Produktmanagement oder Engineering. Ihre Aufgabe ist es, Protokolle und Analysetools zu durchsuchen, die Art und Weise zu verstehen, wie Benutzer ein Produkt verwenden, und dieses Wissen zu nutzen, um das Produkt zu optimieren.

  • Marketing Data Scientists

Marketingdatenwissenschaftler konzentrieren sich auf die Benutzerbasis, bewerten die Leistung und arbeiten an der Verbesserung der Effizienz, ähnlich wie der Standard-Marketing-Typ.

  • Forschungsdaten Wissenschaftler

Forschungsdaten Wissenschaftler gewinnen Erkenntnisse aus einem Datensatz. Start-ups beschäftigen selten Wissenschaftler, weil der Output nicht an Gewinne gebunden ist. Aber größere Unternehmen, Think Tanks und Finanzinstitute tun dies.

Was ist Jframe in Java?

Diese Klassifizierung zeigt, dass jede Gruppe von Personen in eine der Kategorien eingeordnet werden kann. Der richtige Typ eines Datenwissenschaftlers kann basierend auf den Anforderungen der Organisation ausgewählt werden

Bevor Sie den Typ des Datenwissenschaftlers auswählen, der Sie werden möchten, sollten Sie die erforderlichen oder bereits vorhandenen Fähigkeiten berücksichtigen, um in die richtige Richtung zu gehen.

Also wer wirst du sein? Ein Programmierer, ein Statistiker, ein Vermarkter, ein Geschäftsleiter oder ein Alleskönner?

Edureka hat eine speziell kuratierte Dies hilft Ihnen, Fachwissen über Algorithmen für maschinelles Lernen wie K-Means-Clustering, Entscheidungsbäume, Random Forest und Naive Bayes zu erlangen. Sie lernen auch die Konzepte von Statistik, Zeitreihen, Text Mining und eine Einführung in Deep Learning. Neue Chargen für diesen Kurs beginnen bald !!