Bewerten Sie sich selbst als Datenwissenschaftler

Welche Fähigkeiten benötigen Sie als Datenwissenschaftler?

Einen interessanten datengesteuerten Ansatz zur Beantwortung dieser Frage habe ich im Buch „Doing Data Science: Straight Talk from the Frontline“ gelesen.

In diesem Beitrag fasse ich diesen Selbstbewertungsansatz zusammen, mit dem Sie Ihre Stärken als Datenwissenschaftler bewerten und feststellen können, wo Sie in ein hervorragendes Datenwissenschaftsteam passen könnten.

Wenn Sie möchten, können Sie den Begriff „Praktiker des angewandten maschinellen Lernens“ auch als Synonym für „Datenwissenschaftler“ verwenden.

Data Science-Einhörner

Bei der Überprüfung von Stellenangeboten für Datenwissenschaftler stellen die Autoren von Doing Data Science fest, dass Arbeitgeber nach Einhörnern suchen.

In Stellenanzeigen werden Mitarbeiter gesucht, die es nicht gibt und die über Stärken in den Bereichen Informatik, Statistik, Kommunikation, Datenvisualisierung und Fachwissen verfügen.

Dies ist nicht verwunderlich, wenn man bedenkt, dass der Begriff „Datenwissenschaftler“ schlecht definiert ist und Arbeitgeber nicht einmal wissen, was sie brauchen oder welche Probleme sie lösen müssen.

Fähigkeitshistogramm

Geschickt erstellen die Autoren anhand von Stellenanzeigen eine Liste der allgemein erforderlichen Fähigkeiten von Datenwissenschaftlern.

Sie verwenden diese Liste und schlagen vor, dass Sie sich für jede Fähigkeit auf einer relativen Skala (0-100) einstufen.

Abschließend schlagen sie vor, dass Sie die Ergebnisse als Balkendiagramm oder Histogramm darstellen.

Eine einzelne Person wird nicht über alle Fähigkeiten verfügen, ein gut aufgestelltes Data-Science-Team jedoch schon.

Die Fähigkeiten in dieser Selbsteinschätzung sind wie folgt:

• Informatik
• Mathe
• Statistiken
• Maschinelles Lernen
• Domänenexpertise
• Kommunikations- und Präsentationsfähigkeiten
• Datenvisualisierung

Ein Beispiel für eine abgeschlossene Bewertung für Rachel ab Seite 11 des Buches lautet wie folgt:

Ich denke, dass dies ein nützliches Tool ist, das Ihnen hilft, sich auf Ihre Stärken zu konzentrieren und Ihre Schwächen anzuerkennen, die Teammitglieder Ihnen bei der Abdeckung helfen können.

Ensemble von Fähigkeitshistogrammen

Gute Data-Science-Ergebnisse erfordern ein Team.

Eine Person kann ein Spezialgebiet haben und in anderen Bereichen generell schwach sein. Wenn Menschen mit unterschiedlichen Stärken zu einem Team zusammengeführt werden, können Sie großartige Datenwissenschaft betreiben.

Die Autoren demonstrieren dies bildlich wie folgt (aus Seite 12 des Buches)

Bewerten Sie sich selbst

Was ist Ihre Stärke von den oben aufgeführten 7?

Können Sie sich für jede dieser Fähigkeiten eine subjektive Bewertung zwischen 1 und 100 geben?

Unten finden Sie meinen Versuch einer Selbsteinschätzung.

Es ist schwer. Ich glaube, dass meine Stärken vielleicht in der Informatik, dem maschinellen Lernen und der Kommunikation liegen. Die obige Grafik zeigt, dass meine Visualisierungsfähigkeiten nicht besonders gut sind.

Ich denke, es ist sehr einfach, seine Fähigkeiten zu verbessern. Wie gut ist gut und wie vergleicht man eine Fähigkeit mit einer anderen? Wenn Sie in der Informatik gut in diskreter Mathematik sind, verbessern Sie Ihr Mathe-Ergebnis nicht, wenn Ihr Kalkül Quatsch ist. Statistik ist doch Mathematik, oder? Bald. Dennoch muss man irgendwo anfangen.

Der wichtigste Lerneffekt besteht darin, Ihre Stärken zu erkennen und zu verdoppeln. Sie können nicht alle Fähigkeiten beherrschen. Bringen Sie Ihre stärkste Fähigkeit mit.

Veröffentlichen Sie Ihre Ergebnisse unten. Ich denke, es wäre eine faszinierende Möglichkeit, Menschen bei kleinen Projekten oder Wettkämpfen zusammenzubringen.

Fehlt oben eine Fähigkeit?