Область науки о данных является междисциплинарной. И, следовательно, ожидается, что ученый с полным стеком данных будет иметь несколько навыков, которые могут решать бизнес-задачи и приносить их в реальный мир в виде активов / приложений / чат-ботов. Ему нужны бизнес-знания, навыки программирования, статистика, машинное обучение, большие данные, знание отчетности/панели мониторинга и хорошие навыки общения. Трудно получить специалиста по данным с полным стеком. Наука о данных — одна из популярных профессий на рынке, и большинство соискателей в области науки о данных имеют перекрестные навыки, поскольку бизнес-аналитики изучают Python и статистику, а инженеры-программисты расширяют свои возможности в области машинного обучения и бизнес-навыков и т. д.
Data Scientist со всеми навыками во всех дисциплинах почти невозможен. Звучит как армия из одного человека. Давайте разберемся с этим на примере ML framework — доступно 20 других ML фреймворков, и один человек не может знать их все. Опять же язык — Python — не единственный язык, который использует Data Scientist. Следовательно, важно, чтобы специалисты по данным оценивались по концепциям и их способностям к обучению в соответствии с прорывными технологическими изменениями и спросом на рынке. Data Scientist должен постоянно учиться. И, следовательно, специалист по данным с полным стеком — это миф.
Хотя специалиста по обработке и анализу данных с полным стеком сложно найти, большинство специалистов Data Science Center of Excellence уверены, что они нанимают специалиста по данным, обладающего хотя бы одним или двумя основными навыками, а другие — с практическими знаниями. Бывший. специалист по данным с экспертом по прогнозному моделированию, специалист по данным с экспертом по глубокому обучению, специалист по данным со искрой и экспертом по большим данным и т. д.. Одно из основных требований, предъявляемых к специалисту по данным, — это логическое мышление и навыки решения бизнес-задач.
