Опять про Data Science
Открою опять эту тему.
В прошлом году я вербовалась на место дата сайентиста и задавалась вопросом, насколько он должен разбираться в технике. То есть каково типичное распределение ролей на фирмах. Особенно интересует техника биг дата. Потому что это все же отдельный участок. Я например там не разбираюсь (вот недавно случайно узнала, что мэп редьюс уже не в моде) и не особо стремлюсь. Сердцевиной дата сайентиста мне видятся алгоритмы и (может даже важнее) business cases. Чтобы не просто прогонять массу данных через массу алгоритмов с неясной конечной целью, а четко предложить клиенту, как он смодет съэкономить деньги или повысить свою выручку с нашей помощью. При этом заниматься еще и техникой баз данных мре каэется размыванием профиля. Ну не может спец по базам данных одновременно быть математиком, бизнесс-аналитиком и маркетологом?
Как вы думаете?
Вот картинку эту мы уже обсуждали:
https://groups.germany.ru/showmessage.pl?Cat=&Board=24029&...
Ты тоже не веришь в дата сайенс?
Даже если так - необходимость анализировать данные от этого не растворится в воздухе. Конкретно в энергетике нам приходится находить все новые решения и предложения для всяческих порталов, анализирующих потребителей.
Я не имею квалифицированного мнения по Data Science. Man kann nicht alles wissen.
Ну не может спец по базам данных одновременно быть математиком, бизнесс-аналитиком и маркетологом?
Почему? Что мешает?
я знакома с биологом, который занивается маркетинговым исследованием, только потому что так жизнь сложилась у человека.
может вам лучше сперва разобраться чего вы собственно хотите, а уже потом напрягать мозг про биг дата и прочее?
должен, ведь ты творишь не в вакууме. Ты должна понимать, что возможно, а что нет. В чем состоят границы. Никто от тебя не ожидает, какого-то глубокого заплыва в тему, но поверхостно всё же просто необходимо.
TensorFlow - это же библиотека фунций.
Я имею в виду биг дата инфраструктуру - что ее я не должна создавать в моей роли аналаитика?
ну вот ты можешь для неё новую функцию и разработать. Ты же слово разработка написала. Вот я и удивилась, о чем.
Что именно в инфраструктуре ты хочешь разрабатывать?!
Но понимать что, зачем и почему, да, тебе надо, чтобы правильно решить какую из технологий вас стоит использовать.
----
Но ты бизнес аналитик? То есть ещё даже до ПО?! То по идеи ты можешь стать в позу, что тебя эти вопросы не интересуют. В идеальном мире оно так и есть.
Я имела в виду разработку баз данных для big data. Вот там я вообще не секу, потому и спрашиваю, плохо ли это. Что функции для анализа данных надо уметь писать - это я сразу признаю.
А сейчас я вообще не аналитик данных, а продакт менеждер. Это я размышляю на будущее - хочу готовиться в этом направлении.
я имела ввиду не аналитик данных, а business analyst - это роль ещё раньше чем product owner и ещё дальше от разработки.
А ты про дата инженера (я так думаю).
Что ты видишь под базой данных для big Data? И да, можно игнорировать все вопросы, говоря на всё out of scope.
Но на данный момент сейчас так мало людей вообще понимают, что они примерно делают в этой области, то ты со своим нулем можешь оказаться самой опытной. И тогда отступать как бы некуда.
Я бы хотела быть смесью аналитика данных и бизнес аналитика. И точно не дата инженером.
Под базами данных я подразумеваю технические структуры для сохранения big data (Hadoop, NoSQL,...)
А вообще интересно - какие методы анализа вы используете? Я уже давно перешла на прогнозы и симуляции, а конкретно двта майнингом не занимаюсь больше. Но открыла перспективное направление и думаю, не попробовать ли.
Кстати ты идешь на митап в четверг? У нас в этот день на работе семинар к сожалению.
Н.П.:
Ребяты, а посоветуйте хорошие книжки для дата-сайентистов.
И хорошую кнужку про пайтона.
Буду очень благодарна!
И может Аня расскажет здесь, как прошел мiтап?
вот тебе мастхев для начала
https://www.amazon.de/gp/aw/social/swf/1449361323/o=ShareP...
Книга есть в интернете в пдф.