寻找下一个独角兽pdf_停止寻找那个数据科学家独角兽

寻找下一个独角兽pdf

数据科学独角兽是一位有点神秘的人，是数据科学，技术和业务的领导者。 当然，这些候选人实际上不存在，也不一定能组成强大的团队成员。 随着数据科学团队的成长，企业已经不再试图寻找一个人来担任不同的职务； 相反，公司已经意识到雇用具有专业补充技能的员工的好处。

数据科学家的需求仍然很高。 实际上，自2013年12月以来， 数据科学工作岗位增加了256％ 。随着全球公司不断寻找合格的人才，似乎没有哪个行业能幸免于这种数据科学家短缺的情况。 幸运的是，这种搜索已变得更加利基化。 尽管许多工作职位仍说“数据科学家”，但这些描述开始趋向于更专业的需求。 此外，公司正在寻找具有较强软技能的候选人，以补充数据科学团队。

英特尔大数据解决方案首席数据科学家鲍勃·罗杰斯（Bob Rogers）早在2015年就意识到了这一变化。 罗杰斯指出 ：

他说：“确实，对数学和编程有深入了解对于数据科学家来说是一个很棒的背景。” “但是，在任何一家公司中，您不会发现只有一位数据科学家能做到这一切-就像迈克尔·乔丹（Michael Jordan）没有斯科蒂·皮蓬（Scotty Pippen）站在身边一样无法获得那么多分一样，数据科学家们都将自己的技能带到了餐桌上，一起建立理想的团队。”

新的数据科学团队

数据科学领域的专业众多且还在不断发展。 从数据挖掘和统计分析到深度学习和云计算，数据科学家在选择关注重点时可以选择。 在扩展数据科学团队时，公司可以选择。

在组建团队时，至关重要的是，不仅要从技术上，而且要从项目中的个人角色上了解如何引入，维护和扩展项目。 一些公司选择使用以IT为中心的结构来组建团队。 使用此选项的用户通常会使用入门程度较低的某种机器学习即服务（MLaaS）软件。 该项目的整个过程，包括数据准备，模型培训，界面创建和部署，都在IT团队领导的IT基础架构中进行。

另一种选择是使用集成结构。 在这里，数据科学团队准备数据并训练模型，然后IT团队接手评估和部署模型。 这种方法需要一支具有互补技能的强大数据科学团队。 第三种选择是在专门的数据科学团队中运行从数据准备到部署的整个过程。 在这种情况下，数据科学团队必须具有IT基础架构知识和技能，才能将模型部署。

通常，公司会建立一个由数据科学家，IT员工和业务分析师或可以将发现转化为业务价值的人员组成的团队。 这三个团队之间的开放式沟通可以减少模型无法部署或基础架构问题的风险。 当然，由于当前的技能差距，很难在团队中建立数据科学部门。 随着寻找人才的争夺，数据科学世界中出现了新的角色和专业。

按需数据科学专业

尽管一直很难担任首席数据官甚至是经验丰富的深度学习工程师这样的职位，但在过去几年中，公司希望填补新的职位。

越来越多的公司正在将数据驱动的方法应用于网络安全，以提高预防漏洞的能力。 尽管安全方法倾向于在违规后应用，但数据科学一直在帮助公司解决违规前和违规后的网络安全问题。 通过使用受监督的机器学习，该技术可以从在隔离的环境中运行的可执行文件中查找行为特征，这使得恶意软件作者更难被忽视。 入侵后的异常检测意味着可以使用了解正常行为的自学习模型来发现系统内部的攻击者。 随着网络安全黑客的激增及其对企业的成本上升 ，难怪公司会招募专门研究安全性的数据科学家。

在数据科学世界中，另一个需要的职位是金融数据科学家。 财务专业人员长期以来一直在执行数据科学任务，例如风险评估和预测。 数据科学有助于改善和自动化其中许多任务。 能够理解财务并且对数据分析，编程和统计技术也拥有扎实的知识的候选人将成为可以极大提高公司绩效的财务数据科学家。

不要试图找到独角兽

壮大数据科学团队的公司不应浪费时间来寻找独角兽，因为这将大大减慢招聘速度。 相反，他们应该专注于组建团队所需的技术技能和团队工作所需的软技能。 我认为，大型企业可能会继续寻找安全和财务专家，因为更多的候选人可能会在这些领域接受培训以满足这种需求。

尽管人工智能和机器学习可以革新业务，但是如果没有适当的模型构建和基础架构，这些技术就无法做很多事情，因此有必要放慢速度以正确进行扩展。

翻译自: https://www.infoworld.com/article/3429185/stop-searching-for-that-data-science-unicorn.html

寻找下一个独角兽pdf