Data Scientists: Die neuen Rockstars der Tech-Welt

Inhalt

• Data Scientists: Techs Rock Stars?
• Datenwissenschaftler machen was?
• Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören
• Wie man ein Data Scientist ist
• Der Weg zu Big Data

Quelle: Onradio / iStockphoto

Wegbringen:

Die Rolle des Data Scientists wird schnell zur gefragtesten Karriere der Technologiewelt. Wir haben den Top-Datenwissenschaftler Jake Porway von der New York Times gefragt, wie er zu seinem Job gekommen ist und welche Tipps er für den Erfolg auf diesem Gebiet gibt.

Die Rolle eines Datenwissenschaftlers wird schnell zur gefragtesten Karriere in der Technologiewelt. Unternehmen wie Google, Amazon und LinkedIn setzen Data Scientists ein, um den Innovationsvorsprung im Zeitalter der digitalen Daten aufrechtzuerhalten. Und jetzt streben Daten- und Technologie-Enthusiasten danach, Datenwissenschaftler zu werden, so wie manche Musiker Rockstars werden möchten. Vielleicht bezeichnen einige Leute Data Scientists deshalb als die neuen Rockstars des Technologiezeitalters.

Leider ist diese Rolle noch so neu, dass es immer noch Unklarheiten darüber gibt, was bedeutet, dass viele Möchtegern-Datenwissenschaftler ihre Tourbusse in die falsche Richtung fahren. Verdienen Datenwissenschaftler den Ruf eines Rockstars? Wir tauchen ein in die Welt der Datenwissenschaft mit einem Interview mit Jake Porway, dem Datenwissenschaftler aus dem F & E-Labor der New York Times.

Data Scientists: Techs Rock Stars?

Warum werden Datenwissenschaftler als die neuen Rockstars der Technologiewelt bezeichnet? Diese Analogie geht tatsächlich tiefer als der Wunsch von Datennerds, ultracool zu klingen. Wie ein Rockstar umfasst eine Karriere als Datenwissenschaftler Vielfalt, künstlerische Freiheit und Anpassungsfähigkeit. Und wie die Rockstars der Unterhaltungswelt ziehen die besten Datenwissenschaftler in der Regel eine ganze Reihe von Leuten aus allen Bereichen der Daten- und Technologieindustrie an.

Was ein Datenwissenschaftler tut, ist sehr unterschiedlich. So wie Musiker unterschiedliche Instrumente, Werkzeuge und Techniken verwenden, um Musikstile zu spielen, die so unterschiedlich sind wie Jazz und Death Metal, beherrscht ein Data Scientist auch ein bestimmtes Werkzeug und ein bestimmtes Gebiet. Auch der Stil spielt eine Rolle. Und es gibt auch keine richtige oder falsche Arbeitsweise - es geht um die Auswirkungen, die die Arbeit auf andere Menschen hat.

Als die Beatles ihre Songs schrieben, gab es nicht nur eine Person, die vorschrieb, wie jede Note auf jedem Instrument gespielt werden sollte. Sie kamen zusammen und blockierten; Durch kreative Entdeckung fanden sie Songs, die funktionierten. Dasselbe gilt für Datenwissenschaftler. Sie müssen den Rhythmus spüren, in den Groove eintauchen und eine Lösung harmonisieren. Dies ist nur mit der richtigen Menge an künstlerischer Freiheit möglich, um zu versuchen, welche Ansätze, Werkzeuge und Techniken im Moment in den Sinn kommen - und mit der Beweglichkeit, Änderungen vorzunehmen, wenn etwas aus dem Rahmen fällt.

Sobald ein Datenwissenschaftler die wichtigsten Grundlagen beherrscht, wird er anpassungsfähig und gewinnt das Vertrauen, Lösungen in anderen Bereichen anzubieten. Wir werden später mehr über diese Grundprinzipien sprechen. Der Punkt, den Sie hier ansprechen sollten, ist, dass Sie, sobald Sie Data Science beherrschen, die Rolle in jedem gewünschten Bereich übernehmen können, da Daten überall sind.

Das ultimative Ziel eines Data Scientists ist es, eine enorme Menge an Wert für die größtmögliche Anzahl von Menschen zu schaffen. Während ein Datenwissenschaftler hinter den Kulissen arbeitet, ist es nicht anders, als vor einem großen Publikum zu spielen: Je besser Sie Ihre Arbeit machen, desto mehr Menschen erreichen Sie - und desto mehr Belohnungen sehen Sie.

Datenwissenschaftler machen was?

Was genau machen Data Scientists? Lassen Sie uns dies mit einem Beispiel durchgehen, auf das wir uns alle beziehen können.

Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören

Sie können Ihre Programmierkenntnisse nicht verbessern, wenn sich niemand um die Softwarequalität kümmert.

Nehmen wir an, Sie stellen eines Tages fest, dass Sie nicht mehr die gleiche Energiemenge haben wie früher. Sie setzen sich also das Ziel, tagsüber mehr Energie zu haben. Das ist ein ziemlich weit gefasstes und vieldeutiges Ziel. Als Datenwissenschaftler besteht der erste Schritt darin, diese Unklarheiten zu beseitigen und die Messbarkeit dieser Ziele zu quantifizieren. Dafür gibt es Methoden. Wir werden hier nicht auf die Details eingehen, aber lassen Sie uns einfach sagen, dass Sie theoretisieren, dass Sie nicht genug Schlaf bekommen, und sich deshalb das Teilziel geben, jede Nacht acht Stunden Schlaf zu bekommen.

Auch wenn dieses Ziel ein bisschen messbarer und weniger eindeutig ist, hat es seine eigenen Herausforderungen. Sie können nicht wirklich einen Timer starten, sobald Sie einschlafen, und selbst wenn Sie einen Timer starten, nachdem Sie ins Bett gesprungen sind, können Sie möglicherweise nicht sofort einschlafen. Außerdem ist es schwierig, die Zeiten zu berücksichtigen, in denen Sie mitten in der Nacht aufwachen. Schließlich gibt es verschiedene Schlafarten, wie Tiefschlaf und Leichtschlaf. Das Fazit ist, dass es schwierig ist, den Schlaf genau zu messen, und dass es daher noch schwieriger ist, den Einfluss auf Ihr Energieniveau zu messen.

Also, was kannst du machen? Nun, als Datenwissenschaftler würden Sie nach dem neuesten Stand der Technik suchen und feststellen, dass es Schlafüberwachungsgeräte gibt.Und wenn Sie mit einem solchen Gerät Ihren Schlaf messen und digital aufzeichnen, können Sie genauere Daten über Ihren Schlaf abrufen und diese Daten im Laufe der Zeit sammeln, um ein Diagramm zu erstellen.

Dies allein kann Ihnen einen besseren Einblick in das geben, was vor sich geht. Die visuelle Darstellung gibt Ihnen Bewusstsein, Klarheit und Richtung. Sie werden sehen können, ob Sie Ihr Ziel von acht Stunden Schlaf pro Nacht erreichen und, was noch wichtiger ist, Maßnahmen ergreifen können, wenn Sie dies nicht tun.

Dies ist die Hauptaufgabe des Datenwissenschaftlers: neue Möglichkeiten zum Messen und Anzeigen von Daten zu eröffnen, um den Betrachtern mehr Aufmerksamkeit, Klarheit und Orientierung zu bieten.

Aber ein guter Datenwissenschaftler hört hier nicht auf. Sobald die Daten erfasst sind, können sie in jede andere gemessene Aktivität integriert werden, die Sie den ganzen Tag über ausführen. Integrieren Sie es in Ihre Produktivität, basierend auf Daten aus Ihrem Task-Management-System. Integrieren Sie es mit Ihren Stimmungen basierend auf Tweets und Statusaktualisierungen. Integrieren Sie es mit Ihrer Gesundheit basierend auf Besuche im Fitnessstudio oder Gewichtsverlust. Mit der bereits verfügbaren Datenmenge und der einfachen Erfassung sind die Möglichkeiten unbegrenzt.

Wie man ein Data Scientist ist

Interessiert an einer Karriere in Data Science? Da Data Science so neu ist, haben wir einen Top-Datenwissenschaftler um Einblick in das Gebiet gebeten. Jake Porway ist Datenwissenschaftler bei der New York Times und Gründer von DataKind (ursprünglich als Data Without Borders bekannt), das datenwissenschaftliche gemeinnützige Organisationen mit freiberuflichen und ehrenamtlichen Datenwissenschaftlern zusammenbringt. Porway hat einen Informatikhintergrund und einen Doktortitel. in der Statistik der UCLA. Hier ist, was er zu sagen hatte, wie man in die Datenwissenschaft einsteigt, wie man gute Leistungen erbringt und wie man wichtige Fehler auf diesem Gebiet vermeidet.

1. Holen Sie sich die richtigen Fähigkeiten

Laut Porway läuft das Betreten des Feldes auf drei Schlüsselsachen hinaus:

• Praktische Computerkenntnisse
• Statistische Fähigkeiten
• Lust zu lernen

"Sie müssen in der Lage sein, Skripte zu schreiben, um Daten zu kratzen und die Algorithmen zu kodieren, die Sie sich in Ihrem Kopf ausgedacht haben", sagt Porway. "Sie sollten Ihre grundlegenden Statistiken kennen (und im Idealfall mehr), wenn Sie wirklich beurteilen können, ob die Modelle, die Sie erstellen, oder die Algorithmen, die Sie schreiben, das tun, was Sie wollen."

2. Stellen Sie Verbindungen her

Bevor er zu The New York Times kam, arbeitete Porway im Bereich maschinelles Lernen und Computer Vision und verbrachte viel Zeit damit, Roboter zur Identifizierung von Landminen und Flugzeugen zu bewegen (wie cool das ist) Das?). Erst als er seine Stelle bei der New York Times antrat, begann er, sich auf umfassendere datenwissenschaftliche Aufgaben zu konzentrieren, nämlich auf Project Cascade, das Links aus der Veröffentlichung in den sozialen Medien nachverfolgt.

Das Wichtigste, was man auf dem Gebiet bekommt, ist laut Porway das Lernen.

"Steigen Sie in ein Data Science-Projekt ein!" Porway sagt. "Laden Sie einige Daten herunter, holen Sie sich R und beginnen Sie zu spielen ... Ich würde sagen, Sie sollten sich darauf konzentrieren, R neben einem grundlegenden Statistikbuch zu verwenden, um Sie durch die Erforschung einiger Daten zu führen. Die maschinellen Lern ​​- und Computerfähigkeiten werden damit einhergehen Das hängt natürlich von Ihren bisherigen Erfahrungen ab - wenn Sie bereits Statistiker sind, holen Sie sich Python!) "

Dann ist es Zeit, einige Verbindungen herzustellen. Porway empfiehlt eine lokale Meetup-Gruppe - weil es "der schnellste Weg ist, zu wissen, was Sie nicht wissen", wenn Sie Teil der Data Science-Community sind. Und in einem Bereich, der sich ständig weiterentwickelt, ist das wichtig.

3. Holen Sie sich in das Spiel

Porway hat einen Ph.D. in Statistiken der UCLA, aber er betont, dass Sie keine brauchen, um gute Arbeit zu leisten.

"Es könnte helfen, aber denken Sie nicht, dass Sie gehen und weitere fünf Jahre Schule machen müssen, um sich selbst als Datenwissenschaftler bezeichnen zu können", sagte Porway.

Die Datenwissenschaft ist ein relativ neues Gebiet. Das bedeutet, dass diejenigen, die ins Feld wollen, offen darauf zugehen müssen.

"Ein Datenwissenschaftler bei Foursquare wird ganz anders aussehen als ein Datenwissenschaftler bei Goldman Sachs", sagt Porway.

4. Schaukeln Sie Ihre neue Rolle

Bei Data Science geht es darum, Ziele zu klären, Annahmen zu überprüfen, Belege zu bewerten und Schlussfolgerungen zu ziehen. Aber es gibt ein kleines Puzzlestück, das viele Leute übersehen. Errätst du was es ist? Laut Porway ist die geheime Zutat kritisches Denken.

"Es unterscheidet die Hacker wirklich von den wahren Wissenschaftlern", sagt Porway. "Sie werden erstaunt sein, wie oft ich jemanden gesehen habe, der ein Modell gebaut und die Ergebnisse gemeldet hat, ohne zu bemerken, dass er nicht kritisch darüber nachgedacht hat, woher die Daten stammen oder ob sein Experiment richtig entworfen wurde. Sie müssen in der Lage sein, jeden Schritt in Frage zu stellen von Ihrem Prozess und jeder Zahl, die Sie sich einfallen lassen. "

Der Weg zu Big Data

Porway sagt, als er die Fähigkeit erkannte, mit riesigen Datenmengen Maschinen beizubringen, hat er umgehauen. Diese Leidenschaft - und seine Ausbildung und Fähigkeiten - haben ihm geholfen, einen Spitzenjob in der Datenwissenschaft zu erlangen. Wenn Sie Big Data rocken möchten, werfen Sie einen Blick auf einige Bücher, laden Sie einige Daten herunter und fangen Sie an, herumzuspielen. Sie wissen nie, was für ein Haufen Rohdaten auftauchen wird.

Eine vollständige Aufzeichnung des Interviews finden Sie unter DataScientists.Net.