Los científicos no trabajan en proyectos, esa es una palabra de gestión.
Los científicos crean hipótesis y luego crean sistemas para probarlas. A menudo, estos se vuelven en capas y complejos (por ejemplo, aprendizaje profundo) o se vuelven circulares, con la información del primer experimento que informa la próxima iteración en un proceso de mejora continua (por ejemplo, aprendizaje automático).
Pero para encajarlos en el palomar de gestión del siglo XX …
- ¿Qué piensan los reclutadores de ciencia de datos de los más nuevos que han aprendido ciencia de datos en línea y en libros y qué esperan de ellos?
- ¿Qué es un científico de datos?
- ¿Cómo es trabajar como científico de datos?
- ¿Cuál es el trabajo de un científico de datos para contarle a un laico?
- ¿Con qué frecuencia hacen presentaciones los científicos de datos?
1. Visualización basada en datos
Se recopilan datos y se aplica un algoritmo adecuado para obtener información, que luego se visualiza para que los científicos que no tienen datos lo vean. Estos podrían ser gerentes, trabajadores de primera línea en un sistema de gestión visual o incluso usuarios / clientes entregados a través de una interfaz móvil. Esto ha recorrido un largo camino desde gráficos bonitos en los paneles de control de los administradores a sitios web sensibles al contexto, conscientes del usuario y en constante cambio.
2. Acción basada en datos
Los sensores pueden entregar datos que brindan contexto para una decisión; por ejemplo, por encima de 20 ° C, encienda el aire acondicionado. Datascience puede proporcionar un nivel completamente nuevo de inteligencia a esta información, convirtiéndola de un simple cambio a un sistema de aprendizaje inteligente que, por ejemplo, promedia las temperaturas en todo un edificio, tiene en cuenta los pronósticos y patrones climáticos e incluso el número de personas en el edificio y preferencias individuales del usuario para optimizar tanto la temperatura como la gestión de la energía. Esto también puede aprender, observando el historial y optimizando los parámetros que se consideren más importantes y puedan ser completamente continuos, con mejores algoritmos aplicados, más datos recopilados y nuevas hipótesis que salgan a la luz. El algoritmo también puede integrarse en un dispositivo inteligente como una aplicación en curso.
3. inmersión profunda
Aquí se lleva a cabo un análisis más extenso durante un período de semanas o meses de una serie de parámetros y su interdependencia, cómo influir en uno cambia a otro y visualizar datos para uso propio de los científicos de datos para descubrir nuevas opciones para probar, efectos de cambios, etc. puede dar respuestas increíblemente poderosas a problemas complejos.
Esos son solo tres tipos de usos: probablemente hay tantos como científicos de datos. Proyectos es una palabra demasiado simple.