当前位置 > CPDA数据分析师 > “数”业专攻 > 在从事大数据额分析工作中,这些技能真的很重要

在从事大数据额分析工作中,这些技能真的很重要

来源:数据分析师 CPDA | 时间:2019-01-21 | 作者:admin

100258499 - 在从事大数据额分析工作中,这些技能真的很重要

 

无论以前的经验或技能如何,都可以自CPDA数据分析师中学习大数据分析职业技能。网络数据时代学习是一条路可以让你在数据科学领域找到自己的方法。

 

数据科学及数据分析师技能及面试时的相关问题

 

无论面试的是哪种类型的公司或职位,都可能会被要求知道如何使用这个行业的工具。这可能就需要知道统计编程语言(如R或Python)和数据库查询语言(如SQL)。

 

作为一名数据科学家或数据分析师,对统计学的良好理解是至关重要的。熟悉统计测试、分布、最大似然估计等。机器学习也是如此,但是统计知识中更重要的一个方面是理解不同的技术何时是(或不是)有效的方法。统计数据对所有类型的公司都很重要,尤其是数据驱动型公司,在这些公司中,利益相关者将依赖于你的帮助来做出决策和设计/评估实验。

 

如果在一家拥有大量数据的大公司工作,或者在一家产品本身特别受数据驱动的公司工作,那么你可能希望熟悉机器学习方法。这意味着近邻、随机森林、集成方法等等。的确,许多这些技术都可以使用R或Python库实现,因此,没有必要成为算法如何工作的专家。更重要的是要理解大致的轮廓,真正理解什么时候使用不同的技术是合适的。

 

500003504 - 在从事大数据额分析工作中,这些技能真的很重要

 

了解这些概念对于数据定义产品的公司来说最为重要,预测性能或算法优化的微小改进可以为公司带来巨大的成功。如果是和大数据分析者这类人员访谈,可能会要求在其他地方使用的一些机器学习或统计结果。或者,面试官可能会问一些基本的多变量微积分或线性代数问题,因为它们构成了许多这些技术的基础。想知道为什么数据科学家和数据分析师在Python或R中有如此多的开箱即用实现时需要理解这一点。答案是,在某个时刻,数据科学团队建立他们的在内部实施。

 

通常,正在分析的数据将是混乱和难以处理的,因此,知道如何处理数据中的缺陷是非常重要的。数据不完美的一些例子包括缺失的值、不一致的字符串格式(例如,“New York”与“New York”与“ny”)和日期格式(2017-01-01’vs.)。“01/01/2017”,unix时间与时间戳等)。这在你是早期数据雇佣者的小公司中是最重要的,或者在产品与数据无关的数据驱动型公司中(尤其是因为后者通常增长很快,不太注意数据的清洁度),但是这项技能对每个人都很重要。

 

数据可视化和交流数据同样是非常重要的,尤其是对于第一次做出数据驱动决策的年轻公司来说,或者数据科学家和数据分析师被视为帮助企业或其他人做出数据驱动决策的人。当涉及到交流时,这意味着需要描述发现,或者向技术和非技术的受众描述技术的工作方式。在可视化方面,熟悉各种数据可视化工具是非常有帮助的。

 

56455 - 在从事大数据额分析工作中,这些技能真的很重要

 

如果是在一家规模较小的公司面试,并且是首批聘用的大数据从业人员,那么拥有强大的软件工程背景可能非常重要。可能将要负责处理大量的数据日志记录,以及数据驱动产品的开发。

 

公司希望一般想需要的是数据驱动问题的解决者。在某种程度上在面试过程中,会被问到一些高层次的问题,例如,关于公司可能想要运行的测试,或者它可能想要开发的数据驱动产品。重要的是要考虑哪些事情是重要的,哪些事情不重要。作为大数据分析相关从业者,应该知道如何与工程师和产品经理进行交互?应该用什么方法?什么时候近似有意义?