In het Hoe u uw datawetenschapsteam kunt ontwikkelen In 2022 is data science een van de belangrijkste technologische vaardigheden waarover alle medewerkers moeten beschikken. Maar hoe kun je je team precies helpen bij de ontwikkeling van deze talenten en bepalen wat ze precies moeten leren? Onlangs stuurden we een vraag naar een groep datawetenschappers, waarin we hen vroegen om advies te geven voor het samenstellen van een datawetenschapsteam. Een paar belangrijke afhaalrestaurants staan hieronder vermeld.
Zoek naar talent binnen uw organisatie.
Er zijn niet genoeg mensen op de markt die over de nodige vaardigheden beschikken om te voldoen aan de groeiende behoefte aan analysemogelijkheden zoals machine learning, data science en datavisualisatie. Daarom is het absoluut noodzakelijk om deze vaardigheid binnen de organisatie te cultiveren.
Volgens Mike Cohen, een instructeur bij Udemy, het proces van talent in huis ontwikkelen vereist een tweeledige strategie. De eerste pijler bestaat uit permanente educatie en training op een consistente basis. Mike is van mening dat datawetenschap zich altijd ontwikkelt naar nieuwe gebieden.
Dit geeft aan dat uw interne personeel routinematig een deel van zijn tijd zou moeten besteden aan het op de hoogte blijven van de meest recente ontwikkelingen in de sector en het opfrissen van de fundamentele wiskundige en statistische vaardigheden waarop datawetenschapsstrategieën zijn gebaseerd.
Streef naar een evenwicht tussen het bereik en de diepte van uw kennis
Mike gelooft dat als je alles probeert te weten, je uiteindelijk maar heel weinig weet over wat dan ook. Daarnaast is het niet haalbaar om volledige kennis te hebben op het gebied van data science.
Het doel voor datawetenschappers zou moeten zijn om een balans te vinden tussen een brede kennisbasis en een diep begrip van bepaalde onderwerpen. Met andere woorden, Mike zegt dat "elk individu zijn eigen diepgaande kennis van een klein aantal kwesties moet hebben".
Snelle link:
Geef de leden van uw team de tools die ze nodig hebben om hun vaardigheden op het gebied van datawetenschap op te bouwen.
Welke technologieën bieden uw datascientists de meeste kans van slagen? Diogo is van mening dat de meest effectieve tools voor datawetenschap die zijn die samenwerking vergemakkelijken. Het volgende is een lijst van enkele van de specifieke soorten technologieën die datawetenschappers op een consistente basis moeten gebruiken.
Tools voor samenwerkende notebooks Notebooks zijn een vorm van interactief computergebruik waarmee datawetenschappers niet alleen code kunnen schrijven en uitvoeren, maar ook de resultaten kunnen bekijken en kunnen samenwerken aan hun ontdekkingen.
Ze bevorderen de samenwerking en zorgen tegelijkertijd voor een snelle feedbackloop. Er is een brede selectie aan notebooktools beschikbaar, maar Jupyter is nu het meest gebruikte alternatief.
Volgens Rebecca Vickery, die bij Towards Data Science werkt, "moeten datawetenschappers GitHub gebruiken om vrijwel dezelfde reden als software-engineers", namelijk voor samenwerking, "veilig" wijzigingen aanbrengen in projecten en wijzigingen kunnen volgen en terugdraaien. overuren. GitHub is een versiebeheersysteem (VCS).
Een database die snel en effectief is, maar ook eenvoudig te doorzoeken: om hun taken effectief uit te voeren, moeten datawetenschappers in staat zijn om databases te ontwikkelen en te creëren en te communiceren met bestaande databases.
Volgens Sara Metwalli van Towards Data Science: “Databases maken georganiseerde opslag veilig, efficiënt en snel.
” Ze dienen als leidraad voor de juiste organisatie, opslag en terugwinning van de verzamelde gegevens. Als u databases heeft, hoeft u niet voor elk nieuw project uit te zoeken wat u met uw gegevens moet doen. Hive, Presto en Redshift zijn voorbeelden van populaire databasebeheersystemen.
Dashboardtechnologieën die eenvoudig te gebruiken zijn, winnen aan populariteit omdat een groter aantal werknemers geïnteresseerd is in het afleiden van inzichten uit data, zelfs als ze niet de officiële titel van datawetenschapper dragen. Tableau en Looker zijn voorbeelden van dashboardoplossingen voor datavisualisatie die het gemakkelijker maken om data te tonen en te delen.
