Data Scientist Vaardighedenlijst en voorbeelden

"Data scientist" is een brede term die kan verwijzen naar een aantal soorten loopbanen. Over het algemeen analyseert een gegevenswetenschapper gegevens om meer te weten te komen over wetenschappelijke processen. Sommige functies in de gegevenswetenschap omvatten gegevensanalist, gegevensingenieur, computer- en informatiewetenschappelijk onderzoeker, operationeel onderzoekanalist en computersysteemanalist.

Gegevenswetenschappers werken in verschillende bedrijfstakken, van technologie tot medicijnen tot overheidsinstanties. De kwalificaties voor een baan in de gegevenswetenschappen variëren omdat de titel zo breed is. Er zijn echter bepaalde vaardigheden die werkgevers zoeken bij bijna elke gegevenswetenschapper. Dataskundigen hebben sterke statistische, analytische en rapportagevaardigheden nodig.

Hier is een lijst met vaardigheden van gegevenswetenschappers voor cv's, sollicitatiebrieven, sollicitaties en interviews. Inbegrepen is een gedetailleerde lijst van de vijf belangrijkste vaardigheden van gegevenswetenschappers, vergezeld van lijsten met gerelateerde vaardigheden en werkverantwoordelijkheden.

Tips voor het gebruik van een vaardighedenlijst

Een belangrijk onderdeel van het maken van een cv en sollicitatiebrief die door werkgevers wordt opgemerkt, is om zoveel mogelijk functiespecifieke zoekwoorden en zinsdeelzinnen op te nemen. Dit komt omdat bedrijven die in dienst zijn nu vaak gebruikmaken van geautomatiseerde trackingsystemen voor sollicitanten (ATS-systemen) om een ​​eerste fase-analyse te maken van de sollicitaties die zij ontvangen. Hoe meer trefwoorden je CV bevat, hoe waarschijnlijker het is om het eerste deel van het ATS-systeem te passeren en uiteindelijk het menselijk oog van een personeelsverantwoordelijke te bereiken.

De hier vermelde termen behoren tot de meest gezochte sleutelwoorden die zijn geprogrammeerd in ATS-systemen en worden gebruikt in taken voor datawetenschappers. Probeer daarom veel van deze trefwoordzinnen in je cv op te nemen - in een eerste samenvatting van kwalificaties, in je werkgeschiedenisgedeelte en in een technische tabel die je hardware- en softwarevaardigheden beschrijft.

Je moet ook je beheersing van de belangrijkste van deze vaardigheden beschrijven in je begeleidende brief en, uiteindelijk, tijdens je persoonlijke interviews. Zorg ervoor dat je deze beschrijvingen verbetert met specifieke voorbeelden van hoe je elke vaardigheid hebt gebruikt in een werk- of trainingsomgeving.

Uw beste gids voor welke van deze zoekwoorden u moet opnemen, is de functiebeschrijving die u toepast. Elke functie die u aanvraagt, vereist andere vaardigheden en ervaringen, dus zorg ervoor dat u de taakomschrijving aandachtig leest en focus op de vaardigheden die door de werkgever zijn opgesomd, en maak elk CV en begeleidend schrijven dat u indient, op aan de kwalificaties die door verschillende werkgevers worden gevraagd.

Top vijf Data Scientist-vaardigheden

analytisch

Misschien wel de belangrijkste vaardigheid voor een data scientist is om informatie te kunnen analyseren. Datawetenschappers moeten grote hoeveelheden gegevens bekijken en begrijpen. Ze moeten patronen en trends in de gegevens kunnen zien en die patronen kunnen verklaren. Dit alles vereist sterke analytische vaardigheden.

• Analytische hulpmiddelen
• Analytics
• Big Data
• Voorspellende modellen bouwen
• Besturingselementen maken om de nauwkeurigheid van gegevens te garanderen
• Kritisch denken
• Gegevens
• Gegevensanalyse
• Gegevensanalyse
• Data manipulatie
• Data Wrangling
• Data Science Tools / Data Tools
• Data Mining
• Nieuwe analysemethoden evalueren
• Gegevens interpreteren
• metriek
• Mijnbouw Social Media Data
• Modellering van gegevens
• Modelleringshulpmiddelen
• Gegevensvisualisaties produceren
• Onderzoek
• Risicomodellering
• Hypothesen testen

creativiteit

Een goede datawetenschapper zijn betekent ook creatief zijn. Ten eerste moet je creativiteit gebruiken om trends in gegevens te herkennen. Ten tweede moet u verbindingen tot stand brengen tussen gegevens die mogelijk niet met elkaar verband houden. Dit vraagt ​​veel creatief denken. Ten slotte moet u deze gegevens uitleggen op een manier die duidelijk is voor de leidinggevenden in uw bedrijf. Dit vereist vaak creatieve analogieën en verklaringen.

• Aanpassingsvermogen
• Technische informatie overbrengen aan niet-technische mensen
• Besluitvorming
• Beslissingsbomen
• Uitvoeren in een snel veranderende omgeving
• Logisch denken
• Probleemoplossing
• Zelfstandig werken

Communicatie

Dataswetenschappers moeten niet alleen gegevens analyseren, maar ook die gegevens aan anderen uitleggen. Ze moeten in staat zijn om gegevens aan mensen te communiceren, het belang van patronen in de gegevens te verklaren en oplossingen aan te dragen. Dit omvat het uitleggen van complexe technische problemen op een manier die gemakkelijk te begrijpen is. Het communiceren van gegevens vereist vaak visuele, mondelinge en schriftelijke communicatievaardigheden.

• zelfbewustzijn
• Samenwerking
• Overleg plegen
• Het cultiveren van relaties met interne en externe belanghebbenden
• Klantenservice
• documenteren
• Consensus opstellen
• Vergaderingen faciliteren
• Leiderschap
• mentoring
• Presentatie
• Project management
• Project Management Methodologieën
• Project tijdlijnen
• Richtlijnen verstrekken aan IT-professionals
• Rapportage
• Supervisievaardigheden
• Opleiding
• Verbale communicatie
• schrift

Wiskunde

Hoewel soft skills zoals analyse, creativiteit en communicatie belangrijk zijn, zijn harde vaardigheden ook van cruciaal belang voor het werk. Een data-wetenschapper heeft wiskundige vaardigheden nodig, met name in multivariabele calculus en lineaire algebra.

• algoritmes
• Algoritmen maken
• Verzamelingen van gegevensherstelgegevens
• Lineaire algebra
• Machine learning-modellen
• Machine-leertechnieken
• Multivariabele calculus
• Statistieken
• Statistische leermodellen
• Statistische modellering

Programmering en technische vaardigheden

Dataswetenschappers hebben basiscomputervaardigheden nodig, maar programmeervaardigheden zijn bijzonder belangrijk. In staat zijn om te coderen is van cruciaal belang voor vrijwel elke positie als data scientist. Kennis van programmeertalen zoals Java, R, Python of SQL is essentieel.

• AppEngine
• Amazon Web Services (AWS)
• C ++
• Computer vaardigheden
• CouchDB
• js
• ECL
• Gloed
• Google Visualization API
• Hadoop
• HBase
• Java
• Matlab
• Microsoft Excel
• Perl
• Power Point
• Python
• R
• js
• Reporting Tool Software
• SAS
• Scripting Languages
• SQL
• Tableau

Job Outlook voor data-wetenschappers

Volgens het Bureau of Labor Statistics waren in 2016 27.900 mensen werkzaam als computer- en informatiewetenschappers; hun mediane jaarloon in 2017 was $ 114.520. Carrièremogelijkheden op dit gebied zullen naar verwachting 19 procent groeien in 2026, veel sneller dan gemiddeld.