Seznam vědeckých dovedností a příklady

„Datový vědec“ je široký pojem, který může odkazovat na řadu typů kariér. Datový vědec obecně analyzuje data, aby se dozvěděl o vědeckých procesech. Některé pracovní tituly v oblasti datové vědy zahrnují analytika dat, datového inženýra, vědce v oblasti počítačového a informačního výzkumu, analytika provozního výzkumu a analytika počítačových systémů.

Datoví vědci pracují v různých odvětvích, od techniky až po medicínu až po vládní agentury. Kvalifikace pro práci ve vědě o údajích se liší, protože název je tak široký. Existují však určité dovednosti zaměstnavatelů, které hledají téměř v každém vědeckém pracovníku. Datoví vědci potřebují silné statistické, analytické a reportovací dovednosti.

Tady je seznam datových vědeckých dovedností pro životopisy, průvodní dopisy, žádosti o zaměstnání a rozhovory. Zahrnut je podrobný seznam pěti nejdůležitějších dovedností v oblasti datových vědců, doprovázených seznamem souvisejících dovedností a pracovních povinností.

Tipy pro používání seznamu dovedností

Klíčovou součástí tvorby životopisu a průvodního dopisu, který si zaměstnavatelé všimnou, je zahrnout co nejvíce klíčových slov specifických pro práci a klíčových slov. Je to proto, že zaměstnávání společností nyní často používá automatizované systémy pro sledování žadatelů (systémy ATS), aby poskytly analýzu v první fázi aplikací, které obdrží. Čím více klíčových slov váš životopis obsahuje, tím je pravděpodobnější, že projdou prvním řezem systémem ATS a nakonec se dostanou k lidskému oku manažera náboru.

Zde uvedené termíny patří mezi nejčastěji hledaná klíčová slova naprogramovaná v systémech ATS a využívaná v úlohách pro datové vědce. Tak, měli byste se pokusit začlenit mnoho z těchto klíčových frází do svého životopisu - v počátečním shrnutí kvalifikací, v sekci pracovní historie, a v tech tabulce popisující vaše hardwarové a softwarové dovednosti.

Měli byste také popsat vaše pověření nejdůležitějších z těchto dovedností v průvodním dopise a případně během osobních rozhovorů. Nezapomeňte tyto popisy rozšířit o konkrétní příklady toho, jak jste využili každé dovednosti v pracovním nebo vzdělávacím prostředí.

Váš nejlepší průvodce, který z těchto klíčových slov byste měli zahrnout, je popis práce, na kterou se ucházíte. Každá práce, o kterou se ucházíte, bude vyžadovat různé dovednosti a zkušenosti, takže se ujistěte, že jste si pozorně přečetli popis práce a zaměřili se na dovednosti uvedené zaměstnavatelem.

Pět nejlepších vědeckých dovedností

Analytické

Snad nejdůležitější dovedností pro datového vědce je schopnost analyzovat informace. Datoví vědci se musí zabývat velkými řádky dat a dávat jim smysl. Musí být schopni vidět vzory a trendy v datech a vysvětlit tyto vzorce. To vše má silné analytické schopnosti.

• Analytické nástroje
• Analytics
• Velká data
• Vytváření prediktivních modelů
• Vytvoření ovládacích prvků pro zajištění přesnosti dat
• Kritické myšlení
• Data
• Analýza dat
• Data Analytics
• Manipulace s daty
• Data Wrangling
• Nástroje pro datové vědy / datové nástroje
• Dolování dat
• Vyhodnocení nových analytických metod
• Interpretace dat
• Metriky
• Data dolování sociálních médií
• Modelování dat
• Nástroje modelování
• Produkce vizualizací dat
• Výzkum
• Modelování rizik
• Testovací hypotézy

Tvořivost

Být dobrým datovým vědcem také znamená být kreativní. Za prvé, musíte použít kreativitu ke zjištění trendů v datech. Za druhé, musíte provést spojení mezi daty, která se mohou zdát nesouvisející. To vyžaduje hodně kreativního myšlení. Nakonec je třeba vysvětlit tato data způsobem, který je manažerům ve vaší společnosti jasný. To často vyžaduje kreativní analogie a vysvětlení.

• Přizpůsobivost
• Poskytování technických informací netechnickým osobám
• Rozhodování
• Rozhodovací stromy
• Provádění v prostředí s rychlým tempem
• Logické myšlení
• Řešení problému
• Práce nezávisle

Sdělení

Datoví vědci musí nejen analyzovat data, ale musí je také vysvětlit ostatním. Musí být schopny sdělovat data lidem, vysvětlovat význam vzorů v datech a navrhovat řešení. To zahrnuje vysvětlení složitých technických problémů způsobem, který je snadno pochopitelný. Komunikační data často vyžadují vizuální, ústní a písemné komunikační dovednosti.

• Asertivita
• Spolupráce
• Poradenství
• Kultivace vztahů s interními a externími zúčastněnými stranami
• Služby zákazníkům
• Dokumentace
• Konsenzus kreslení
• Usnadňující schůzky
• Vedení lidí
• Mentoring
• Prezentace
• Projektový management
• Metodiky projektového řízení
• Časové plány projektu
• Poskytování pokynů pro IT profesionály
• Hlášení
• Dozorčí dovednosti
• Výcvik
• Slovní komunikace
• Psaní

Matematika

Zatímco měkké dovednosti, jako je analýza, tvořivost a komunikace jsou důležité, těžké dovednosti jsou také důležité pro práci. Datový vědec potřebuje matematické dovednosti, zejména v multivariačním počtu a lineární algebře.

• Algoritmy
• Vytváření algoritmů
• Sady pro načítání informací
• Lineární algebra
• Modely strojového učení
• Techniky strojového učení
• Vícerozměrný počet
• Statistika
• Statistické modely učení
• Statistické modelování

Programování a technické znalosti

Data vědci vyžadují základní počítačové dovednosti, ale programovací dovednosti jsou obzvláště důležité. Schopnost kódovat je rozhodující pro téměř všechny pozice vědců. Nezbytná je znalost programovacích jazyků jako Java, R, Python nebo SQL.

• AppEngine
• Webové služby Amazon (AWS)
• C ++
• Počítačové dovednosti
• CouchDB
• js
• ECL
• Světlice
• Rozhraní API pro vizualizaci Google
• Hadoop
• HBase
• Jáva
• Matlab
• Microsoft Excel
• Perl
• PowerPoint
• Krajta
• R
• js
• Reporting Tool Software
• SAS
• Jazyky skriptování
• SQL
• Živý obraz

Pracovní vyhlídky pro vědecké pracovníky

Podle Úřadu pro statistiku práce bylo v roce 2016 zaměstnáno 27 900 lidí jako vědců z oblasti počítačového a informačního výzkumu; jejich průměrná roční mzda v roce 2017 činila 114.520 dolarů. Očekává se, že pracovní příležitosti v této oblasti vzrostou do roku 2026 o 19 procent, což je mnohem rychleji než průměr.