. 데이터 과학 팀을 개발하는 방법 2022년에는 데이터 사이언스가 전 임직원이 갖춰야 할 가장 중요한 기술력 중 하나가 될 것입니다. 하지만 이러한 재능을 개발하는 데 있어 팀을 정확히 어떻게 지원하고 그들이 배워야 할 것이 무엇인지 정확히 찾아낼 수 있습니까? 최근 우리는 데이터 과학자 그룹에 질문을 보내 데이터 과학 팀을 구성하는 데 필요한 조언을 제공해 달라고 요청했습니다. 몇 가지 주요 시사점은 다음과 같습니다.
조직 내에서 인재를 찾아보세요.
시장에는 기계 학습, 데이터 과학, 데이터 시각화 등 분석 능력에 대한 증가하는 요구에 부응하는 데 필요한 기술을 보유한 인력이 충분하지 않습니다. 그렇기 때문에 조직 내에서 이러한 기술을 배양하는 것이 절대적으로 필요합니다.
Udemy의 강사인 Mike Cohen에 따르면, 사내 인재 육성 두 가지 전략이 필요합니다. 첫 번째 갈래는 지속적인 교육과 훈련으로 구성됩니다. Mike는 데이터 과학이 항상 새로운 영역으로 발전하고 있다고 믿습니다.
이는 사내 직원이 정기적으로 해당 부문의 최신 발전 상황을 파악하고 데이터 과학 전략의 기반이 되는 기본적인 수학적, 통계적 능력을 익히는 데 일정 시간을 투자해야 함을 나타냅니다.
지식의 범위와 깊이 사이의 균형을 이루기 위해 노력하십시오.
마이크는 모든 것을 알려고 하면 결국 아무것도 알지 못하게 된다고 믿습니다. 또한 데이터 과학 분야에 대한 완전한 지식을 갖추는 것은 불가능합니다.
데이터 과학자의 목표는 광범위한 지식 기반과 특정 주제에 대한 깊은 이해 사이의 균형을 유지하는 것입니다. 달리 말하면, Mike는 “각 개인은 소수의 문제에 대해 자신만의 심오한 지식을 가지고 있어야 한다”고 말합니다.
빠른 링크:
팀원들에게 데이터 과학 능력을 키우는 데 필요한 도구를 제공하세요.
데이터 과학자가 성공할 수 있는 최고의 기회를 제공하는 기술은 무엇입니까? Diogo는 데이터 과학을 위한 가장 효과적인 도구는 협업을 촉진하는 도구라고 믿습니다. 다음은 데이터 과학자가 지속적으로 활용해야 하는 특정 종류의 기술 목록입니다.
협업 노트북을 위한 도구 노트북은 데이터 과학자가 코드를 작성하고 실행할 수 있을 뿐만 아니라 결과를 보고 발견한 내용에 대해 협업할 수 있게 해주는 대화형 컴퓨팅의 한 형태입니다.
이들은 협력을 촉진하는 동시에 빠른 피드백 루프를 생성합니다. 다양한 노트북 도구를 사용할 수 있지만 현재는 Jupyter가 가장 자주 사용되는 대안입니다.
Towards Data Science에서 근무하는 Rebecca Vickery에 따르면, "데이터 과학자는 소프트웨어 엔지니어와 거의 동일한 이유로 GitHub를 사용해야 합니다." 이는 협업을 위해, "안전하게" 프로젝트를 변경하고 변경 사항을 추적 및 롤백할 수 있기 때문입니다. 시간이 지남에 따라. GitHub는 버전 제어 시스템(VCS)입니다.
빠르고 효과적이며 쿼리하기 쉬운 데이터베이스: 업무를 효과적으로 수행하려면 데이터 과학자가 데이터베이스를 개발 및 생성하고 기존 데이터베이스와 인터페이스할 수 있어야 합니다.
Towards Data Science의 Sara Metwali에 따르면, “데이터베이스는 정리된 스토리지를 안전하고 효율적이며 빠르게 만듭니다.
” 이는 수집된 데이터의 적절한 구성, 저장 및 검색에 대한 지침 역할을 합니다. 데이터베이스가 있으면 새 프로젝트마다 데이터를 어떻게 처리할지 파악하는 데 어려움을 겪을 필요가 없습니다. Hive, Presto 및 Redshift는 널리 사용되는 데이터베이스 관리 시스템의 예입니다.
사용이 간편한 대시보드 기술이 인기를 끌고 있는 이유는 데이터 과학자라는 정식 직함을 갖고 있지 않더라도 데이터에서 인사이트를 도출하는 데 관심을 갖는 직장인이 많아지기 때문이다. Tableau와 Looker는 데이터를 더 쉽게 표시하고 공유할 수 있도록 지원하는 데이터 시각화 대시보드 솔루션의 예입니다.
