2020 年数据科学就业市场必备的五项技能

2020-04-28    来源:raincent

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

作者:skura 来源:雷锋网

数据科学是一个竞争激烈的领域,人们正在迅速学习越来越多的技能和经验。这导致了机器学习工程师的从业要求的直线上升,所有的数据科学家也需要成为开发人员。

为了保持竞争力,一定要为新工具带来的新工作方式做好准备!以下就是2020 年数据科学就业市场必备的五项技能。

 

 

为 2020 年数据就业市场更新你的技能!

1.敏捷开发

敏捷开发是一种组织工作的方法,已经被开发团队大量使用。越来越多的人扮演着数据科学家的角色,他们最初的技能是纯软件开发,这就产生了机器学习工程师这一角色。

 

 

Post-its 和敏捷开发似乎是并驾齐驱的

越来越多的数据科学家/机器学习工程师被划分为开发人员:他们的工作是不断改进现有的代码库中的机器学习相关的内容。

对于这类角色,数据科学家必须了解基于 Scrum 方法的敏捷工作方式。它为不同的人定义了不同的角色,这种角色定义保证了工作的顺利实施和持续改进。

2.Github

Git 和 Github 是面向开发人员的软件,在管理不同版本的软件时有很大帮助。它们跟踪对代码库所做的所有更改,此外,当多个开发人员同时对同一个项目进行更改时,它们能够真正让协作变得便利。

 

 

GitHub 是个不错的选择

随着数据科学家的角色变得越来越重要,能够熟练使用这些开发工具也是必备的技能之一。Git 正成为找工作时必备的一项技能,要熟练使用 Git 需要时间。当你一个人或者你的同事都是新手的时候,开始研究 Git 是很容易的,但是当你加入一个 Git 专家团队,只有你一个人是新手的时候,你可能会经历比你想象的多得多的努力才能跟上。

 

 

Git 是必须要掌握的技能

3.工业化

在数据科学领域,我们思考项目的方式也在发生变化。没有变的是,数据科学家仍然是用机器学习来回答商业问题的。但是,随着时间的发展,数据科学项目越来越多地是为生产系统开发的,例如作为大型软件中的微服务。

 

 

AWS 是最大的云供应商

与此同时,高级模型的 CPU 和 RAM 消耗也越来越大,尤其是在使用神经网络和深度学习时。

就数据科学家的工作而言,不仅要考虑模型的准确性,还要考虑项目的执行时间或其他工业化的方面,后者正变得越来越重要。

 

 

谷歌也有云服务,就像 Microsoft (Azure)一样

4.云与大数据

在机器学习产业化对数据科学家的约束越来越严重,同时,它也成为了数据工程师乃至整个 it 行业的严重约束。

 

 

一幅著名的漫画(来源:https://www.cyberciti.biz/humor/dad-what-are-clouds-made-of-in-it/ )

在数据科学家可以致力于减少模型所需时间的情况下,it 人员可以通过更改计算服务来做出贡献,这些服务通常通过以下一种或两种方式获得:

云:将计算资源转移到外部供应商,如 AWS、Microsoft Azure 或 Google Cloud,可以很容易地建立一个可以快速从远程访问的机器学习环境。这就要求数据科学家对云功能有一个基本的了解,例如:使用远程服务器而不是自己的计算机,或者使用 Linux 而不是 Windows/Mac。

 

 

PySpark 正在为并行(大数据)系统编写 Python 代码

大数据:它使用 Hadoop 和 Spark,这两个工具允许同时在许多计算机上并行处理任务(工作节点)。这要求数据科学家使用不同的方法来实现模型,因为代码必须允许并行执行。

5.NLP、神经网络与深度学习

目前,数据科学家仍然认为 NLP 和图像识别仅仅是数据科学的专业知识,并非所有人都必须掌握。

 

 

你需要理解深度学习:基于人脑思想的机器学习

但是,图像分类和 NLP 的用例越来越频繁,甚至在「常规」业务中也是如此。在目前的情况下,对这类技术没有基本的了解已经没办法适应当前的技术环境了。

即使你的工作中没有此类模型的直接应用程序,在实际操作的项目也很容易找到。这些项目可以让你理解图像和文本项目的基本步骤。

via:https://towardsdatascience.com/top-5-must-have-data-science-skills-for-2020-a5a53226b168

标签: 数据 

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:数据科学在信任与安全领域的7个典型用例

下一篇:AI领域薪酬统计:机器学习平均近3万,数据相关岗位增速放缓