Burger Gegevens Wetenschappers
Burger gegevens wetenschappers vragen te beantwoorden en problemen op te lossen met behulp van de overheid statistieken
Ugh. Iedereen spreekt over de burger gegevens wetenschapper, maar niemand kan definiëren (misschien weten ze wanneer ze zien).
Hier gaat — de meest eenvoudige definitie van een burger gegevens wetenschapper is: niet-data-scientist. Dat is niet pejoratief; het betekent alleen dat de burger de gegevens wetenschappers nobel verlangen om gegevens wetenschap, maar niet formeel geschoold in alle ins en outs van de data science life cycle. Bijvoorbeeld, een burger gegevens wetenschapper kan heel savvy over wat de gegevens van de onderneming is waarschijnlijk belangrijk om een model te creëren, maar kan niet het verschil weten tussen de GBM, random boswachter, en SVM. De algoritmen zijn gegevens wetenschapper geek-spreken met veel van hen. De burger gegevens wetenschapper job is niet de gegevens wetenschap; integendeel, zij gebruiken het als een hulpmiddel om hun werk te doen. Hier is mijn definitie van de onderneming burger data scientist:
“Een ondernemer die streeft naar het gebruik van data science technieken zoals machine learning tot het ontdekken van nieuwe inzichten en het maken van voorspellende modellen om de bedrijfsresultaten verbeteren.”
Ook: 7 tips om te stoppen met apps van het stelen van uw gegevens CNET
Burger Gegevens Wetenschappers Zijn Een Stevig Stuk
Ze moet aan hun part-time ambacht, omdat het doen van data science is niet eenvoudig. Het vereist het leren van de levenscyclus: data-acquisitie, data preparatie, voorzien van engineering, algoritme selectie, model training, model evaluatie, en, ten slotte, inzichten en/of voorspellingen. Misschien hebben ze zelfs leren om te programmeren in R of Python. Als ze geluk hebben (en slimme), zij zullen het downloaden van RapidMiner, KNIME, of anderen, omdat deze tools bieden een mooie visuele drag-en-drop-interfaces versus harde codering.
Goed Nieuws Voor Iedereen Die Zich Bezighoudt Met De Knoestige
Het beste nieuws voor de burger gegevens wetenschappers is dat veel van de gnarliest aspecten van de data science life cycle worden onttrokken door een geautomatiseerde machine learning solutions (AutoML). Geautomatiseerde machine learning oplossingen, zoals DataRobot, H2O.ai ‘ s zonder bestuurder AI, Google Cloud AutoML, en meer bieden geavanceerde tools die abstract de bloederige details van data science, zodat de burger de gegevens wetenschappers en misschien ook gewone stervelingen kunnen analyseren van gegevens en het bouwen van robuuste machine learning modellen. Het is ook goed nieuws voor data-wetenschappers omdat het dezelfde automatisering van de data science levenscyclus van gegevens wetenschappers meer productief. En het is goed nieuws voor het bedrijf, omdat de vraag voor machine learning is het bereiken van voraciousness-niveau.
Ook: Cheat sheet: Hoe word je een data scientist TechRepublic
Kjell Carlsson en ik zal het doen van een Golf op de automatisering gericht machine learning solutions, gepland voor publicatie in het 2e kwartaal van 2019. We definiëren deze categorie:
“Software die de gegevens van de onderneming wetenschapper teams en/of burger gegevens wetenschappers met tools om te trainen, implementeren en beheren van analytische resultaten en modellen die hoofdzakelijk ontworpen voor het automatiseren van de belangrijkste aspecten van de machine learning levenscyclus, inclusief functie engineering, algoritme selectie, model evaluatie, en explainability.”
— Door Mike Gualtieri, Vice President En Principal Analyst
Voor meer van Forrester over opkomende technologie, klik hier.
Dit bericht verscheen oorspronkelijk hier.
Verwante artikelen:
Kan geen gegevens vinden wetenschappers? Maak je geen zorgen over itIBM, De Open Groep vormen de gegevens wetenschapper certificering MIT kunt AI “synthetiseren” computer programma ‘ s om de steun van gegevens scientistsPredictions voor 2019 in gegevens, analyses en AI
Verwante Onderwerpen:
Big Data Analytics
CXO
Innovatie
Digitale Transformatie: Een CXOs Gids