Data Scientist Skills pre životopisy, sprievodné listy a rozhovory
Vedci v oblasti údajov pracujú v rôznych odvetviach, od technológie po medicínu až po vládne agentúry.
Kvalifikácia pre prácu v oblasti vedy o údajoch sa líši, pretože titul je taký široký. Existujú však určité zručnosti, ktoré zamestnávatelia hľadajú takmer u všetkých vedcov údajov. Vedci v oblasti údajov potrebujú štatistické, analytické a reportovacie zručnosti.
Tu je zoznam zručností vedcov v oblasti údajov pre životopisy, sprievodné listy, žiadosti o zamestnanie a rozhovory. Zahŕňa podrobný zoznam piatich najdôležitejších zručností v oblasti informatiky, ako aj dlhší zoznam ešte viac súvisiacich zručností.
Ako používať zoznamy zručností
Tieto zoznamy zručností môžete používať počas celého procesu vyhľadávania zamestnania. Po prvé, môžete tieto zručnosti používať vo svojom životopise . V popise pracovnej histórie môžete použiť niektoré z týchto kľúčových slov.
Po druhé, môžete ich použiť v sprievodnom liste . V tele vášho listu môžete uviesť jednu alebo dve z týchto zručností a uveďte konkrétny príklad času, keď ste tieto zručnosti preukázali v práci.
Nakoniec môžete použiť tieto zručnosti v rozhovore. Uistite sa, že máte aspoň jeden príklad času, ktorý ste preukázali v každom z prvých piatich zručností uvedených tu.
Samozrejme, každá práca bude vyžadovať rôzne zručnosti a skúsenosti, takže si pozorne prečítajte popis práce a zamerať sa na zručnosti uvedené zamestnávateľom.
Prečítajte si aj ďalšie zoznamy zručností uvedených podľa pracovných miest a typov zručností .
Top Five Skúsenosti s údajovými vedcami
analytická
Snáď najdôležitejšou zručnosťou pre vedcov údajov je analyzovať informácie. Vedci v oblasti údajov sa musia pozrieť a robiť zmysel veľkých údajov. Musia byť schopní vidieť vzory a trendy v údajoch a vysvetľovať tieto vzory. To všetko má silné analytické schopnosti.
tvorivosť
Bývanie dobrých vedcov údajov tiež znamená byť kreatívnym. Po prvé, musíte použiť kreativitu na zaznamenanie trendov v údajoch. Po druhé, musíte vytvoriť prepojenia medzi údajmi, ktoré sa môžu zdajú byť nesúvisiace. To si vyžaduje veľa tvorivého myslenia. Nakoniec je potrebné vysvetliť tieto údaje spôsobom, ktorý je jasný pre vedúcich pracovníkov vo vašej spoločnosti. To často vyžaduje kreatívne analógie a vysvetlenia.
komunikácia
Vedci musia nielen analyzovať údaje, ale musia tiež vysvetliť tieto údaje ostatným. Musia byť schopní komunikovať údaje s ľuďmi, vysvetliť dôležitosť modelov v údajoch a navrhnúť riešenia. Toto zahŕňa vysvetlenie zložitých technických problémov spôsobom, ktorý je ľahko pochopiteľný. Často komunikácia dát vyžaduje vizuálne, ústne a písomné komunikačné schopnosti.
matematika
Zatiaľ čo mäkké zručnosti ako analýza, kreativita a komunikácia sú dôležité, tvrdé zručnosti sú tiež dôležité pre prácu. Vedec v oblasti údajov potrebuje matematické zručnosti, najmä v multivariabilných kalkuloch a lineárnych algebrách.
programovanie
Vedci v oblasti údajov potrebujú základné počítačové zručnosti, ale programovacie zručnosti sú mimoriadne dôležité. Schopnosť kódovať je rozhodujúca pre takmer akúkoľvek pozíciu vedcov údajov. Znalosť programovacích jazykov, ako je Java, R, Python alebo SQL, je dôležitá.
Skúsenosti s údajovými vedcami
A-C
- prispôsobivosť
- algoritmy
- algoritmické
- analytická
- Analytické nástroje
- analytika
- AppEngine
- asertivita
- AWS
- Veľké dáta
- C ++
- spolupráca
- komunikácia
- Počítačové zručnosti
- Vytváranie prediktívnych modelov
- consulting
- Poskytovanie technických informácií pre netechnických ľudí
- CouchDB
- Vytváranie algoritmov
- Vytvorenie ovládacích prvkov na zaistenie presnosti údajov
- tvorivosť
- Kritické myslenie
- Rozvíjanie vzťahov s internými a externými zainteresovanými stranami
- Zákaznícky servis
D-J
- údaje
- Analýza dát
- Analýza údajov
- Manipulácia s údajmi
- Sprostredkovanie údajov
- Nástroje dátovej vedy
- Dátové nástroje
- Dolovanie údajov
- D3.js
- Rozhodovanie
- Rozhodovacie stromy
- vývoj
- dokumentovanie
- Kreslenie konsenzu
- ECL
- Hodnotenie nových analytických metód
- Vykonávanie v rýchlo sa rozvíjajúcom prostredí
- Usporiadanie stretnutí
- svetlice
- Google Visualization API
- Hadoop
- HBase
- Vysokoenergetický
- Súbory údajov na vyhľadávanie informácií
- Interpretácia údajov
- Jáva
L-P
- vodcovstva
- Lineárna algebra
- Logické myslenie
- Modely strojového učenia
- Strojové techniky
- matematika
- Matlab
- Mentoring
- metriky
- Microsoft Excel
- Mining Social Data Media
- Modelovacie údaje
- Modelovacie nástroje
- Multivariabilný počet
- perl
- Power Point
- predstavenie
- Riešenie problémov
- Vytváranie vizualizácií údajov
- Projektový manažment
- Metodológie riadenia projektov
- Časové harmonogramy projektu
- programovanie
- Poskytovanie poradenstva pre IT profesionálov
- krajta
R-W
- R
- Raphael.js
- hlásenie
- Softvér na spravovanie správ
- Nástroje na vytváranie prehľadov
- správy
- výskum
- výskum
- Modelovanie rizík
- SAS
- Skriptovacie jazyky
- Vlastná motivácia
- SQL
- štatistika
- Štatistické modely výučby
- Štatistické modelovanie
- dozornej
- výjav
- Prijatie iniciatívy
- Testovanie hypotéz
- výcvik
- slovná
- Pracuje nezávisle
- písanie
Čítajte viac: Tituly pracovných pozícií v oblasti dátovej vedy
Súvisiace články: Soft vs. Hard Skills Ako zahrnúť kľúčové slová do vášho životopisu Zoznam kľúčových slov pre životopisy a sprievodné listy Tímová práca Pokračovať v zozname zručností