数据科学的文化挑战
在她以前的文章,数据科学技术挑战,阿曼达·安德烈讨论技术的需要警惕与专家伊丽莎白·霍曼博士统计学家和组长在数据分析部门的冠冕,校长和埃里克Bloedorn博士、高级人工智能工程师。工具和模型,然而仔细管理,当然,只告诉故事的一部分。数据科学家的人,他们和他们所使用的工具驻留在组织文化中,这可能需要尽可能多的训练数据hand.-Editor
公共领域由Unsplash照片
作者:阿曼达·l·安德烈
文化挑战包括人们一起工作时,考虑的方法和使用技术科学技术解决数据问题。
创建一个坚实的数据科学团队。为解决定义、应用、和协调数据科学横切,数据科学团队的关键作用域主题专家,混合数据科学家和域主题专家,和一个建模主题专家,他们相互沟通好,一样紧密协调的足球队。扩大这个概念,埃里克·Bloedorn博士高级人工智能主要工程师,和伯纳德•McShea领先网络安全工程师,建议团队应该完成以下:
- 定义范围、方法和模型维护的最重要的挑战
- 建立健全的功能
- 解决问题有广泛的影响
- 解决问题,将影响域景观
一旦团队有几个模型工作,任务可以传递给另一个数据科学家,理想情况下一个新领域,需要更多的经验,从而培养一个新的数据科学家,储蓄赞助商更多资源,使主要团队应对更多的挑战。使用这个团队方法反对试图找到一个人谁能“尽”提供严格的评估和域的可信度的问题。它滋养一个管道的数据科学家一样熟练他们充满激情。
思维之外的工具。类似于使用适当的训练数据的技术挑战,研究人员应该仔细思考使用适当的工具。“人们说,我喜欢这个工具,我将使用这个,或者,我知道这个领域,我将把它通过神经网络,对我来说”Bloedorn有关。“你会得到一些答案,但它意味着什么,和怎样好,并不总是显而易见的。“答案可能包括虚假的相关性、无效的推论和其他科学家无法复制的方法。组装一个坚实的数据科学团队可以帮助赞助商避免这些问题,但它仍然是重要的团队成员不是默认他们的首选工具或方法,而合作寻找可再生的、有说服力的回答他们的问题。
交叉训练人们长期在科学数据。研究所冠冕,公司的教育和发展中心,为学习提供了许多资源数据科学技术和工具。最明显的是,主教法冠研究所提供学习路径,一组课程围绕相关主题,如大数据分析。斜方人员和政府参与者收到介绍理论和实际的实验室经验各种工具和系统。与背景的医疗领域专家或航空安全可以参加学习路径和获得知识和词汇所涉及的更多技术细节数据的科学。
然而,一个有效的数据科学家,参与者需要更多的例子,搭配更有经验的数据科学家将在课堂上所学的应用到现实世界中遇到的问题。“在现实世界中,你不会得到一个任务,E其他的推崇,就做这个作业,Bloedorn”股票。“不是有人说,H之前的一堆数据,分析师们不知所措,帮助我。所以你需要能够形成问题和图形式问题的分析。“最终,一个训练有素的人或团队将能够做精确形成正确的问题的问题并确定使用哪个分析理解或解决问题。
阿曼达·安德烈是一个计算社会科学家在认知科学和人工智能。她专注于社交媒体分析,设计创新的空间,在酷主题写文章。
参见:
©2017斜方manbetx客户端首页公司。保留所有权利。批准的公开发布。无限的分布。案例数量:17 - 4606。
manbetx客户端首页主教法冠公司是一个非盈利性组织,设有研发中心由联邦政府。了解更多主教法冠。
0评论