Your SlideShare is downloading. ×
 Профессия Data Scientist
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Профессия Data Scientist

1,195
views

Published on

Презентация на конференции "Большие Данные в национальной экономике", Москва, 2013

Презентация на конференции "Большие Данные в национальной экономике", Москва, 2013

Published in: Education

0 Comments
6 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,195
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
18
Comments
0
Likes
6
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Профессия  Data Scientist Леонид Жуков Отделение Прикладной Математики и Информатики lzhukov@hse.ru Конференция «Большие Данные в национальной экономике» Москва 2013 Высшая школа экономики, Москва, 2013 www.hse.ru
  • 2. The Sexiest Job of the 21st century McKinsey оценивает нехватку в 140,000-190,000 специалистов к 2018г Высшая школа экономики, Москва, 2013 2  
  • 3. Требуются Data Scientists! Высшая школа экономики, Москва, 2013 3  
  • 4. Спрос и предложение Высшая школа экономики, Москва, 2013 4  
  • 5. Кто такие Data Scientists? A practitioner of data science is called a data scientist ( Wikipedia) Любит данные Исследовательский склад ума Цель работы – нахождение закономерностей в данных Практик, не теоретик Умеет и любит работать руками Эксперт в прикладной области (*) demand for a certain set of skills, while later demand wanes as many of those initial skills are automated by even newer tools. Consider, for instance, the way many data processing and network Работает в команде management jobs that used to require legions of computer operators are now handled by automated monitoring tools. Data science is still in its very early phase, with the amount of data exploding and the right tools to process them just becoming available. The best source of new Data Science talent is:   Предпочтительное образование: •  •  •  •  Computer Science Статистика, математика Точные науки: Физика, Инженерия, итд Магистры и кандидаты наук Today's BI professionals 12% Professionals in disciplines other than IT or computer science 27% Other 3% Students studying computer science 34% Students studying fields other than computer science 24%  EMC Data Science Высшая школа экономики, Москва, 2013 university students. Although data science is generating new opportunities, our capacity to train new data scientists is not keeping up, and nearly twothirds of respondents foresee a looming shortfall in the number of data scientists over the next five years. This aligns with other research, including a recent McKinsey Global Institute study that predicts a shortage of 190,000 data scientists by the year 2019iii. And when our respondents were asked where the best source for talent was, few looked to today’s business intelligence professional. Instead, nearly two-thirds looked Community Survey, 2011 for today’s 5    Drew Conway, 2010 •  •  •  •  •  •  •  Data Scientist:
  • 6. Рабочие инструменты •  Operating systems: •  Linux + shell tools •  Big data instruments: •  Hadoop (MapReduce) + hadoop tools •  Hive, Pig •  NoSQL (Hbase, MongoDB, Cassandra, Neo4J) •  Database: •  SQL •  Programming: •  Python •  Java •  Scala •  Machine Learning: •  R •  Matlab •  Python libraries (NumPy, SciPy, Nltk,…) •  Java libraries (Mahaut) . Высшая школа экономики, Москва, 2013 6  
  • 7. День из жизни Data Scientist Постановка   задачи   Получение   данных   Разбор   форматов,   организация   Исследование   данных   Высшая школа экономики, Москва, 2013 Очистка,   фильтрация   Построение   моделей   Визуализация   Обсуждение   результатов   7  
  • 8. Data Scientist  или Аналитик •  Data Scientist: •  Используют Hadoop, MapReduce, Hive, R •  Создают специализированные системы и инструменты •  Работают со структурированными и не структурированными данными •  Рабочие данные измеряются в TB, PB •  Опыт научной работы, экспертиза в статистке, машинном обучении, программировании •  Магистры и кандидаты наук (PhDs) •  Разрабатывают предсказательными модели •  Создают data products •  Analysts: •  Используют Excel, SQL •  Используют существующие инструменты и системы •  Работают с табличными данными •  Данные измеряются MB,GB •  Профессиональное образование, нет формального научного •  Бакалавры etc (BS, BA, MS, MBA) •  Работают тесно с BI и маркетингом •  Занимаются отчетами о показателях работы бизнеса Если Вы программируете, то скорее всего Вы - Data Scientist, если используете Excel, то - аналитик Высшая школа экономики, Москва, 2013 8  
  • 9. Опрос: роли и навыки Data Scientist From: “Analyzing the Analyzers” by Harlan Harris, Sean Murphy, and Marck Vaisman , O’Reilly Strata 2012 Высшая школа экономики, Москва, 2013 9  
  • 10. Data Science команда - ”the dream team” From: “Doing Data Science: Straight Talk from the Frontline”, Rachel Schutt, Cathy O'Neil, O'Reilly Media, 2013 Высшая школа экономики, Москва, 2013 10  
  • 11. Прикладные задачи •  Маркетинг: •  •  •  •  Сегментация рынка Моделирование приобретения и оттока клиентов Рекомендательные системы Анализ социальных медиа •  Финансовые и страховые компании: •  •  •  •  •  Предотвращение fraud Детектирование аномального поведения Анализ кредитных рисков Страховые моделирование Оптимизация портфолио •  Здравоохранение и Фармакология: •  Генетический анализ •  Анализ клинических испытаний •  Клинические системы принятия решений Высшая школа экономики, Москва, 2013 11  
  • 12. Дорога дальняя… •  •  •  •  •  •  •  •  •  •  Программирование Алгоритмы и структуры данных Базы данных Статистика Анализ данных Машинное обучение Компьютерная обработка текста Распределенные системы Инструменты Big Data Визуализация данных From: Swami Chandrasekaran,Executive Architect, IBM, Watson Solutions Высшая школа экономики, Москва, 2013 12  
  • 13. Подготовительные программы в индустрии TRAINING SHEET | 2 Course Outline: Cloudera Introduction to Data Science Introduction Data Analysis and Statistical Methods Experimentation and Evaluation Data Science Overview > Relationship Between Statistics and Probability > Measuring Recommender Effectiveness > Descriptive Statistics > Conducting an Effective Experiment > What Is Data Science? > The Growing Need for Data Science > The Role of a Data Scientist > Inferential Statistics Fundamentals of Machine Learning Use Cases > Overview > Finance > The Three Cs of Machine Learning > Retail > Spotlight: Naïve Bayes Classifiers > Advertising > Importance of Data and Algorithms > Defense and Intelligence > Telecommunications and Utilities > Healthcare and Pharmaceuticals Evaluating Input Data > Data Formats > Data Quantity > Data Quality Data Transformation > Tips and Techniques for Working at Scale > Summarizing and Visualizing Results > Considerations for Improvement Conclusion > Types of Collaborative Filtering > Fundamental Concepts > Acquisition Techniques > Deploying to Production > What Is a Recommender System? > Steps in the Project Lifecycle > Where to Source Data Production Deployment and Beyond > Next Steps for Recommenders > Limitations of Recommender Systems Data Acquisition > User Interfaces for Recommenders Recommender Overview Project Lifecycle > Lab Scenario Explanation > Designing Effective Experiments Introduction to Apache Mahout > What Apache Mahout Is (and Is Not) > A Brief History of Mahout > Availability and Installation Appendix A : Hadoop Overview Appendix B: Mathematical Formulas Appendix C : Language and Tool Reference > Demonstration: Using Mahout’s ItemBased Recommender Implementing Recommenders with Apache Mahout > Overview > Similarity Metrics for Binary Preferences > Anonymization > File Format Conversion TRAINING SHEET > Similarity Metrics for Numeric Preferences > Scoring > Joining Datasets Cloudera Introduction to Data Science: Cloudera Certified Professional: Data Building RecommenderScientist (CCP:DS) Systems Высшая школа экономики, Москва, 2013 13  
  • 14. Подготовительные программы в индустрии Высшая школа экономики, Москва, 2013 14  
  • 15. Образовательные программы Университетские программы: •  •  •  •  •  University of Washington: Certificate in Data Science UC Berkeley: Master of information and data science program New York University: Data Science at NYU Columbia University: Institute for Data Sciences and Engineering University of Southern California (UCS) : Master of Science in Data Science Онлайн курсы обучения (MOOC): •  Coursera •  edX •  Udacity Ускоренные образовательные программы (компании): •  Zipfian Academy (12 weeks intensive program) •  Insight Data Science Fellows program ( 6 weeks post doc training) Высшая школа экономики, Москва, 2013 15  
  • 16. Конференции Индустрийные конференции и выставки: •  •  •  •  O’Reilly Strata Conference Making Data Work Hadoop World Big Data Techcon Big Data Innovation summits Научные и академические конференции (peer reviewed): •  •  •  •  •  •  •  •  •  •  •  •  •  IEEE & ACM Supercomputing IEEE Big Data ACM KDD Knowledge Discovery and Data Mining ACM SIGIR Information Retrieval ICML International Conference on Machine Learning ICDM International Conference on Data Mining NIPS Neural Information Processing WWW World Wide Web Conference VLDB Very Large Data Bases ACM CIKM Information and Knowledge Management SIAM SDM International Conference on Data Mining IEEE ICDE Data Engineering IEEE Visualization Meetups («кружки по интересам») Высшая школа экономики, Москва, 2013 16  
  • 17.  Книги Высшая школа экономики, Москва, 2013 17  
  • 18. Открытые вопросы • Насколько важно быть экспертом в предметной области решаемой задачи (domain expertise) ? • Что более важно в профессии  Data Scientist : образование или практический опыт? • Перспективы профессии Data Scientist, будут ли она замещена программными решениями? Высшая школа экономики, Москва, 2013 18  
  • 19. ВШЭ Отделение Прикладной Математики и Информатики Курсы, читаемые на отделении: •  •  •  •  •  •  •  •  •  •  •  •  •  •  Программирование (Python, Java, Matlab) Архитектура компьютеров и системное программирование Распределенные системы Теория баз данных Дискретная математика Алгоритмы и структуры данных Статистическое моделирование и анализ Численные методы Прикладная теория графов Анализ и обработка данных Методы машинного обучения Автоматическая обработка текстов Компьютерная лингвистика Анализ социальных сетей •  Запускается Магистерская программа «Наука о Данных» Высшая школа экономики, Москва, 2013 19  
  • 20. 101000, Россия, Москва, Мясницкая ул., д. 20 Тел.: (495) 621-7983, факс: (495) 628-7931 www.hse.ru