No, depende Los grandes datos no son obligatorios para los científicos de datos. Un científico de datos es alguien que sabe cómo extraer significado e interpretar datos , lo que requiere herramientas y métodos de las estadísticas y el aprendizaje automático, además de ser humano.
Obtenga su respuesta aquí ¿Los científicos de datos trabajan necesariamente con Big Data?
Uno debe saber acerca de 8 habilidades para convertirse en un científico de datos.
- Como pensador libre, ¿cree que los analistas de negocios podrán eliminar el paso de científico de datos / ingeniero pronto?
- Como científico de datos, ¿con quién sueles trabajar en equipo?
- ¿Cuál es el salario promedio de un científico de datos y un científico de investigación de aprendizaje automático en India?
- ¿Puedo ingresar a la ciencia de datos después de un largo período de experiencia sin TI?
- ¿Cómo va un científico de datos mediocre al siguiente nivel para convertirse en un gran científico de datos?
- Herramientas básicas: debe conocer el lenguaje de programación estadística, como R o Python, y un lenguaje de consulta de bases de datos como SQL
- Estadísticas básicas: al menos una comprensión básica de las estadísticas es vital como científico de datos. Debe estar familiarizado con las pruebas estadísticas, distribuciones, estimadores de máxima verosimilitud, etc.
- Aprendizaje automático: si está en una gran empresa con grandes cantidades de datos, o trabaja en una empresa en la que el producto en sí está especialmente basado en datos, puede ser el caso de que desee familiarizarse con los métodos de aprendizaje automático.
- Cálculo multivariable y álgebra lineal: debe conocer el cálculo multivariable y el alegebra lineal, porque estos conceptos son más importantes en las empresas donde el producto se define por los datos y las pequeñas mejoras en el rendimiento predictivo o la optimización del algoritmo pueden generar grandes ganancias para la empresa.
- Munging de datos: es realmente importante saber cómo lidiar con las imperfecciones en los datos. Algunos ejemplos de imperfecciones de datos incluyen valores faltantes, formato de cadena inconsistente.
- Visualización y comunicación de datos : visualizar y comunicar datos es increíblemente importante, especialmente en compañías jóvenes que toman decisiones basadas en datos por primera vez o en compañías donde los científicos de datos son vistos como personas que ayudan a otros a tomar decisiones basadas en datos.
- Ingeniería de software: puede ser importante tener una sólida formación en ingeniería de software.
- Pensando como un científico de datos
Fuente: 8 habilidades que necesitas para ser un científico de datos