Всем привет! 👋🏽

Big Data Science - канал о жизни Data Science, о его применении, эффективном использовании и просто о каких-то интересных фактах. Здесь будет размещаться самая актуальная информация, котороя поможет кому-то понять, что есть Data Science и в чем его смысл, для кого-то будет просто полезной, а кто-то найдёт, как её применить.

Поехали 💥

Чтобы сразу приоткрыть все карты, ловите на заметку инфографику🤓

Обзор Data Science профессий📜

👨🏼‍💼Data Scientist - это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач, а также любопытством, которое помогает эти задачи ставить. Они частично математики, частично компьютерные ученые и частично трендспоттеры.
Data Scientist требует реальных и практических знаний методов статистического анализа данных, навыков построения математических моделей (от нейронных сетей до кластеризации, от факторного до корреляционного анализов), работы с большими массивами данных и уникальной способности находить закономерности.

👨🏼‍🔧Data engineer должен владеть всем необходимым инструментарием хранения и обработки больших массивов данных. Data Engineer в основном занимается вопросами оптимального и надежного хранения и преобразования данных, а также обеспечения быстрого и удобного к ним доступа. Он отвечают за архитектуру данных.
Data Scientist же почти не заморачивается этими вопросами, его главная задача — уметь проанализировать данные, извлечь из них важную информацию и инсайты, построить и провалидировать модели и выдать какие-то полезные отчеты и выводы, либо готовые приложения, позволяющие решать те или иные предиктивные задачи.

👨🏼‍💻Статистик - это специалист, который занимается сбором, обработкой, анализом и предоставлением статистической информации.
Статистики собирают эмпирические данные из таких областей, как страхование, демография, социальная работа, управление качеством, медицинские и фармацевтические исследования, исследования рынка и общественного мнения или научные исследования. Они используют модели и методы анализа данных для оценки полученных данных. Результаты могут быть основанием для принятия бизнес-решений, понимания ситуации, например, для представления поведения покупателя или с целью прогнозирования или для оценки рисков.

Или наглядное сравнение этих трёх профессий по сфере деятельности, обязанностям, карьерному росту и так далее 👐🏼.

Какие существуют инструменты автоматизированного машинного обучения (AutoML) для автоматизации машинного обучения?
Как AutoML может помочь в работе Data Scientist?

Коротко об инструментах AutoML: они упрощают процесс обработки данных, делая все возможное, используя имеющуюся информацию.

В данной статье разобраны самые интересные AutoML инструменты, которые смогут вам помочь в работе с данными.

Читайте по ссылке👇👇

https://techgrabyte.com/11-automl-tools-automate-machine-learning/

🧐Big Data Science - это не только математика и сложные алгоритмы, но и глубокая связь с компьютерным железом.
Интересная статья о том, как связано машинное обучение нейросетей с ресурсами процессора:

https://m.habr.com/ru/post/455353/

❗️до 30 августа❗️

Если кто-то давно искал возможность участия в классном мероприятии, то вот она!
До 30 августа можно подать заявку в Russian Hack Team (на базе МФТИ). Отличный шанс классно развиваться, участвовать в топовых международных хакатонах, путешествовать по миру. Поэтому очень советую поучаствовать и пройти отбор!

Для кого: студенты/выпускники технических специальностей, IT-специалистов с опытом работы в компании или фрилансеров, основателей и сотрудников IT-стартапов.

Зарегистрироваться можно по ссылке 👇🏽❗️
http://russianhackteam.com/

Хочу быть Data Scientist или прокачаться в этой сфере, что делать

Сегодня Data Science - очень трендовая тема, ведь любая компания собирает данные, поэтому за последнее время к этой сфере особенно возрос интерес. Однако, чтобы стать Data Scientist нужны так или иначе знания в этой области.
Какие есть варианты?

🏛ВУЗЫ
⁃ Факультет компьютерных наук в Высшей Школе Экономики
⁃ Факультет инноваций и высоких технологий в МФТИ
⁃ Магистерская программа «Большие Данные» на факультете ВМиК МГУ
⁃ Магистерская программа по большим данным в СПБГУ

Однако вузы занимают достаточно продолжительное время обучения, что и является в данном случае минусом, и не всегда ясно, насколько это обучение может быть полезно.

💡НЕКОММЕРЧЕСКИЕ КУРСЫ ДОПОЛНИТЕЛЬНОГО ОБРАЗОВАНИЯ
Это специальные учебные центры, которые создаются компаниями специально для увеличения кадров на рынке. Однако, чтобы поступить на эти курсы, необходимо сдать определенные экзамены.
Самые известные:
⁃ Школа Анализа Данных «Яндекса» (Срок обучения - 2 года)
⁃ Техносфера Mail.RU и факультета ВМиК МГУ (Срок обучения - 2 года)
⁃ Технопарк Mail.Ru и МГТУ им. Баумана (Срок обучения - 2 года)
⁃ Центр компьютерных наук или Computer Science Center (Срок обучения - 2 года)

⚙️КОММЕРЧЕСКИЕ КУРСЫ
Здесь уже значительно более короткие сроки обучения.
⁃ Курс «Специалист по большим данным» от «Лаборатории Новых Профессий»
⁃ «Школа данных Билайна»
⁃ Изучение профессии Data Scientist при Нетологии (формат онлайн-вебинаров
и очных лекций)

🖥ОНЛАЙН-ОБРАЗОВАНИЕ
Большинство онлайн-курсов англоязычные, однако за последнее время число русскоязычных значительно увеличилось.
Можно выделить:
⁃ Специализация «Машинное обучение и анализ данных» на Coursera
⁃ «Введение в машинное обучение на Coursera»
⁃ «Анализ данных в R» на Stepic
⁃ Курс Эндрю Ына

Помимо курсов есть также митапы, Data Science - тусовки, например, DS-завтраки, конференции и различные интересные лекции и вебинары. Этих мероприятий бесплатные и на них может прийти любой желающий.

Конечно же выбирать вам, что лучше лично для вас, в том числе учитывая все финансовые и временные моменты.

Очень важно отметить, что сегодня сфера аналитики и больших данных не стоит на месте, поэтому постоянно открываются новые возможности, появляются новые курсы и также компании вводят новые должности, которых до этого не было. Так что необходимо всегда обновлять свои знания в данной сфере.

Удачи 💫