Путеводитель для начинающего Data Scientist

1.

Путеводитель для
начинающего Data Scientist
От гипотез и «сырых» данных к точным бизнеспрогнозам.
Слайд 1 из 8

2.

Главное отличие от аналитики
Классическая аналитика
Data Science
Фокусируется на дескриптивном анализе. Отвечает на
Data Scientist же строит предсказательные модели и
вопрос: «Что произошло?». Оценивает прошлые
находит ответ на вопрос: «Что произойдет дальше?».
показатели, строит исторические отчеты и находит
Прогнозирует вероятность поломки заводских станков,
аномалии в прошедших периодах.
отток клиентов или ваши предпочтения в кино на вечер.
Анализ vs Прогнозирование
Слайд 2 из 8

3.

Три ключевые задачи специалиста
1. Очистка данных
2. Обучение ML
3. Визуализация
Занимает до 80% времени. Включает
Разработка и подбор оптимальных
Перевод сложных формул в понятные
удаление дубликатов, исправление
моделей машинного обучения под бизнес-
графики. Бизнесу нужны не алгоритмы, а
ошибок и пропусков. «Мусор на входе —
цели — выбор идеального
прозрачные инсайты для роста выручки.
мусор на выходе».
математического «мозга».
Процесс работы Data Scientist
Слайд 3 из 8

4.

Сферы применения Data Science
Финтех (Безопасность)
Медицина высокой точности
Алгоритмы за миллисекунды решают вопросы кредитования и
Нейросети диагностируют патологии на снимках МРТ точнее человека.
выявляют мошенничество. Передовые антифрод-системы
Разработанные Google Health ИИ-модели определяют патологии рака
анализируют индивидуальный темп и динамику ввода кодов.
с точностью до 94-96%.
Рекомендации в Ритейле
Логистика и Маршрутизация
Персонализированный умный анализ предугадывает желания клиента.
Система ORION у гиганта UPS оптимизирует движение транспорта,
Согласно McKinsey, товарные рекомендации на платформе Amazon
экономя до 38 млн литров (10 млн галлонов) топлива ежегодно,
приносят до 35% всей выручки компании.
сберегая бюджет и экологию.
Эффект от внедрения алгоритмов
Слайд 4 из 8

5.

Индустрия Data Science в цифрах
+33%
$112K
Анализ востребованности рынка
Ежегодный рост рынка
По прогнозам Technavio, спрос продолжит расти высокими
темпами как минимум до 2030 года.
Медианная зарплата
Данные Федерального бюро статистики труда США
Почему их ищут?
Специалисты Data Science находятся на стыке
трех дисциплин: написания программного кода,
глубокой математики/статистики и понимания
потребностей бизнеса.
подчеркивают премиальную оплату труда специалистов.
Слайд 5 из 8

6.

Ключевые Hard Skills новичка
Высшая Математика:
Статистика и теория вероятностей служат базой для алгоритмов, а линейная
алгебра помогает компьютеру эффективно считывать многомерные матрицы
данных.
Python:
Главный и самый доступный язык индустрии. Обладает богатейшей
экосистемой библиотек для любых задач (от очистки данных до нейросетей).
Знание SQL:
Базовый инструмент для извлечения информации. Согласно LinkedIn &
Glassdoor, 9 из 10 вакансий для аналитиков требуют глубокого понимания
SQL.
Профессиональный фундамент
Слайд 6 из 8

7.

Пошаговая карта развития
1. Старт и База
2. Kaggle-песочница
3. Онлайн-курсы
4. Интеграция AI
Изучите синтаксис Python, основы
Начните практику с датасета
Повышайте квалификацию: Coursera
Учитесь использовать ИИ-
теории вероятностей, базовую
«Титаник». Поймите, как
отлично подходит для теории, а
ассистентов для ускорения
математику и статистику.
предсказывать выживание
DataCamp — для практики.
проектирования и работы с кодом.
пассажиров.
Рекомендации по входу в профессию
Слайд 7 из 8

8.

“
Данные — это новая нефть,
но только если вы умеете их перерабатывать в
инсайты.
— КЛАЙВ ХАМБИ
Слайд 8 из 8