نویسنده (ها): کلودیا نگ
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
یک راهنمای عملی برای درک مسئولیت ها ، مهارت ها و کار روزانه نقش های برتر علوم داده.
من اغلب در مورد انواع مختلف نقش های علوم داده از خوانندگانی که به دنبال ورود به این زمینه هستند ، سؤال می کنم.
حقیقت این است که علم داده یک اصطلاح گسترده است که طیف گسترده ای از نقش ها را شامل می شود ، از تجزیه و تحلیل معیارهای تجاری تا ساختمان یادگیری ماشین مدل هایی برای استقرار سیستم های AI.
اگر قصد دارید به سمت علم داده یا انتقال بین نقش های مختلف حرکت کنید ، درک تفاوت های آنها مهم است تا بتوانید بهترین مهارت را برای مهارت های خود پیدا کنید و شغلی اهداف.
در این پست ، 5 نقش مشترک را در علوم داده و هوش مصنوعی تجزیه می کنم ، مسئولیت های کلیدی ، کارهای روزانه ، مجموعه مهارت های مورد نیاز و مسیرهای شغلی را پوشش می دهم. من آنها را از نقش های بیشتر با تجارت و نقش های مهندسی سنگین تر سفارش داده ام.
1. دانشمند داده های محصول
نمای کلی
دانشمندان داده های محصول (که گاهی اوقات تحلیلگران داده خوانده می شوند) بر تعیین معیارهای تجاری ، توصیه بینش های عملی و اجرای آزمایشات برای هدایت استراتژی محصول تمرکز می کنند.
این نقش ها در شرکت های فنی در برنامه های مصرف کننده ، سیستم عامل های بازار و شرکت های SaaS رایج است.
مسئولیت های کلیدی
معیارهای تجاری مانند تبدیل ، حفظ ، چرند و تعامل را تعریف و ردیابی کنید. تست های A/B را برای ارزیابی ویژگی های محصول طراحی و تجزیه و تحلیل کنید. داشبورد و گزارش ها برای مدیران محصول و رهبران تجارت.
کارهای روزمره
نوشتن پرس و جوهای SQL برای استخراج داده ها و آزمایش فرضیه ها … وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر
منتشر شده از طریق به سمت هوش مصنوعی
منبع: https://towardsai.net/p/machine-learning/5-data-science-ai-career-paths