Источник: cdn.pixabay.com

Тут все зависит от сферы деятельности компании, но этапы работы дата-сайентиста плюс-минус похожи:
- понять потребность заказчика;
- оценить возможности решения этой потребности путем машинного обучения;
- подготовить данные для анализа и найти критерии оценки — чтобы понять, насколько эффективна создаваемая модель;
- запрограммировать и натренировать модель машинного обучения;
- внедрить модель в производственный цикл или продукт;
- осуществлять поддержку разработанной модели.

Звучит сложновато? Как это делать? Что нужно знать? Где научиться, если ничего не умеешь?

Если в общих чертах, то нужно знать математику, математическую статистику, программирование, принципы машинного обучения и ту отрасль, где всё это будет использоваться. Всему этому реально научиться, уделяя процессу обучения по 6 часов в неделю.

К примеру, эксперты онлайн-школы SkillFactory за это время научат вас следующему:

- Уметь программировать на Python;
- Использовать библиотеки pandas, numpy, matplotlib, plotly, skleam;
- Писать сложные SQL-запросы;
- Работать в фреймворках Hadoop и Spark;
- Уметь работать с любой СКВ (GitHub, BitBucket etc);
- Создавать чат-боты и нейронные сети;
- Понимать принципы построения инфраструктуры данных;
- Разбираться в big data и облачных хранилищах для данных;
- Знать математическую статистику, теорию вероятности и основные ML алгоритмы;
- Выводить модели в production;
- Писать роботов для трейдинга с применением AI.

На курсе "Профессия Data Scientist" вас не только научат работать с большими данными, но и помогут найти работу. Начиная с первых недель обучения, ментор поможет определить карьерные цели и не сойти с намеченного пути, а карьерный центр подскажет, как оформить резюме и попасть на собеседования.

Вот такая она - самая востребованная профессия 2020 года, количество вакансий в которой выросло на 433% за 3 года. Так еще и средняя зарплата на рынке 170 000 рублей в месяц. Как вам?

Оставьте заявку на обучение до 15 октября со скидкой 45% по промокоду FISHKI.

Источник: