机器学习、深度学习、人工智能
时间：2022-03-23 01:03:02 | 来源：行业动态
时间：2022-03-23 01:03:02 来源：行业动态
计算能力不断提高，连接性增加，以及收集到的海量数据，很多行业都在飞速的发展中。 数据科学家需要走在研究前沿，知道在什么时候运用什么技术。很多时候，数据科学家会采用那些性感而新奇的技术，而他们实际要解决的问题远没有那么复杂。
数据科学家需要对他们要解决的问题有着深入的了解，数据本身会告诉你需要什么。Fralick说：意识到生态系统的计算成本、可解释性、延迟、带宽，以及其他系统边界条件，还有客户的成熟度，这可以帮助数据科学家知道他们应该运用哪种技术。的确如此，只要他们对这种技术是了解的。
统计方面的能力也是很重要的。Fralick说，大多数雇主都没有考虑这方面的技能，因为他们轻而易举地就能使用各种自动化工具和开源软件。但是，了解统计数据是理解这些工具和软件所做假设的关键能力，她说。
数据存储公司Micron首席信息官Trevor Schulze说，仅仅理解机器学习算法的功能接口是不够的。为了选择合适的算法，数据科学家需要了解方法中的统计数据以及数据准备技术，以最大限度地提高任何模型的整体性能。
Schulze说，计算机科学能力也很重要。因为数据科学的工作主要是在键盘上进行的，所以坚实的软件工程基础能起到帮助作用。
在线咨询
