Medborgare Data Forskare
Medborgare data forskare svara på frågor och lösa problem med att använda regeringens statistik
Usch. Alla talar om medborgaren data scientist, men ingen kan definiera det (de kanske vet man när de ser en).
Här går — den enklaste definitionen av en medborgare data scientist är: icke-data scientist. Det är inte en nedsättande, det betyder bara att medborgare data forskare ädelt önskan att göra data vetenskap, men är inte formellt skolad i alla ins och outs av data vetenskap livscykel. Till exempel, en medborgare data scientist kan vara ganska kunniga om vad företagets data är troligt att det var viktigt att skapa en modell, men kanske inte vet skillnaden mellan GBM, slumpmässiga forester, och SVM. Dessa algoritmer är data scientist geek-tala till många av dem. Medborgaren data scientist ‘ s jobb är inte data vetenskap, utan de använder det som ett verktyg för att få sitt jobb gjort. Här är min definition av företagets medborgare data scientist:
“En näringsidkare som strävar efter att använda data vetenskap tekniker lärande för att upptäcka nya insikter och skapa prediktiva modeller för att förbättra verksamhetens resultat.”
Också: 7 security tips för att stoppa program från att stjäla din personliga information CNET
Medborgare Data Forskare Är En Rejäl Mycket
De måste vara dedikerad till deras deltid craft, för att göra data vetenskap är inte lätt. Det kräver lärande livscykeln: datainsamling, data förberedelse, har teknik, algoritm urval, modell träning, modell för utvärdering, och, slutligen, insikter och/eller förutsägelser. De kan även ha att lära sig att programmera i R eller Python. Om de har tur (och smart), kommer de att ladda ner RapidMiner, KNIME, eller andra, eftersom dessa verktyg ger bra visuell dra-och-släpp-gränssnitt kontra hårda kodning.
Goda Nyheter För Alla Som Sysslar Med Gnarly
Den bästa nyheten för medborgare data forskare är att många av de gnarliest aspekter av data vetenskap livscykel som tas ut genom automatiserad machine learning solutions (AutoML). Automatiserad machine learning lösningar som DataRobot, H2O.ai: s Förarlösa AI, Google Cloud AutoML, och ge mer sofistikerade verktyg som abstrakt bloddrypande detaljer av data vetenskap så att medborgare data forskare och kanske vanliga dödliga kan analysera data och bygga robusta modeller. Det är också goda nyheter för data forskare eftersom samma automatisering av data vetenskap livscykel kan göra data mer produktiva forskare. Och det är goda nyheter för företag eftersom efterfrågan på lärande är att nå voraciousness-nivå.
Också: lathund: Hur man blir en data scientist TechRepublic
Kjell Carlsson och jag kommer att göra Vågen på automation-fokuserad machine learning solutions är planerad för publicering i Q2 2019. Vi definiera denna kategori:
“Mjukvara som ger enterprise data scientist lag och/eller medborgare data forskare med verktyg för att träna, distribuera och hantera analytiska resultat och modeller som är konstruerade huvudsakligen för att automatisera de viktigaste aspekterna av lärande livscykel, inklusive funktionen engineering, algoritm urval, modell för utvärdering, och explainability.”
— Av Mike Gualtieri, Vice Vd, Chefsanalytiker
Mer från Forrester på ny teknik, klicka här.
Det här inlägget publicerades ursprungligen här.
Relaterade artiklar:
Kan inte hitta uppgifter forskare? Oroa dig inte om itIBM, The Open Group form data scientist certifiering MIT låter AI “syntetisera” computer program till stöd för data scientistsPredictions till 2019 i data, analytics, och AI
Relaterade Ämnen:
Big Data Analytics
CXO
Innovation
Digital Omvandling: En Guide CXOs