빅 데이터 입력 매뉴얼의 가장 완벽한 역사!

첫째, 빅 데이터 분석의 다섯 개 가지 기본 측면

(1) 시각적 분석

빅 데이터 분석 사용자는 대용량 데이터 분석 전문가뿐만 아니라 일반 사용자를 가지고 있지만 가장 기본적인 요구 사항을 모두 빅 데이터 분석은 직관적 인 시각적 분석 이후 시각적 분석, 대형 데이터 특성을 보여줄 수 있다는 것입니다, 그러나 아주 쉽게 할 수 있습니다 독자는 플러그 발언 한 간단하게, 받아 들였다.

2 데이터 마이닝 알고리즘

핵심 이론은 전 세계적 통계 인식이의 때문에 다른 데이터 유형 및 기능 자체를 제시보다 과학 데이터 형식을 기반으로 빅 데이터 분석, 데이터 마이닝 알고리즘, 다양한 데이터 마이닝 알고리즘, 그것은 정확하게이다 다양한 통계 방법은 심도있는 내부 데이터에 (당신은 진실을 호출 할 수 있습니다) 공유 가치를 발굴. 또 다른 측면 때문에 알고리즘이 빅 데이터의 가치에 대한 어떤 이야기가있을 수 없다는 결론에 몇 년이 걸릴 것입니다 경우 빠르고, 대용량 데이터의 처리에 이러한 데이터 마이닝 알고리즘이다.

(3) 예측 분석 기능

한 빅 데이터 분석 응용 프로그램은 궁극적으로 예측 분석, 과학적인 모델을 통해 대형 아웃 기능에서 데이터 마이닝, 우리는 미래의 데이터를 예측하는 새로운 데이터 모델에 가져올 수있다.

4 론적 엔진

빅 데이터 분석은 널리 더 나은 사용자 경험 및 광고 일치를 달성하기 위해, 사용자의 요구를 결정하기 위해 사용자의 키워드 검색, 키워드 태그, 또는 기타 입력 의미 론적 분석, 네트워크 데이터 마이닝에 사용됩니다.

5, 데이터 품질 및 데이터 관리

빅 데이터 분석은 학술 연구 또는 상업용 응용 프로그램 모두에서 데이터 품질 및 데이터 관리, 고품질 데이터 및 효율적인 데이터 관리에서 분리, 우리는 현실과 가치있는 분석 결과를 보장 할 수 있습니다. 빅 데이터 분석은 물론, 빅 데이터의보다 심층적 인 분석을 한 후, 더 깊이,보다 전문적인 빅 데이터 분석 많은, 더 많은 기능이 있습니다 위의 다섯 개 가지 측면의 기초이다. 시스템 빅 데이터를 배우고 싶어요, 당신은 가입 할 수 있습니다 빅 데이터 기술 학습 : Junyang를 놨는데 교환 (522) 189 (307)

둘째, 어떻게 올바른 데이터 분석 도구를 선택합니다

데이터 분석, 데이터는 네 개의 주요 카테고리가 대용량 데이터를 분석 할 입력 한 내용을 이해하기 :

도 1에서, 트랜잭션 데이터 (DATA TRANSACTION)

캡처 시간 범위 큰 빅 데이터 플랫폼은보다 대규모의 구조화 된 트랜잭션 데이터는, 그래서 당신은 POS 또는 웹 서버로 데이터뿐만 아니라 트랜잭션 데이터의 동작뿐만 아니라 쇼핑 전자 상거래를 포함하여 트랜잭션 데이터 유형의 넓은 범위를 분석 할 수 있음 인터넷 기록 데이터 로그를 클릭 스트림.

(2) 인간의 데이터 (DATA를 생성 HUMAN)

구조화되지 않은 데이터는 특히 소셜 미디어가 생성 류를 전자 메일, 문서, 이미지, 오디오, 비디오,뿐만 아니라 블로그를 통해, 위키 데이터에 널리 존재한다. 이러한 데이터는 텍스트 분석 기능을 사용하여 데이터의 다양한 소스를 제공 분석 하였다.

3, 모바일 데이터 (MOBILE DATA)

인터넷 스마트 폰 및 태블릿에 대한 액세스는 일반적되고. 모바일 장치에서이 앱을 추적 할 수있는 개인 정보 나 상태를보고 이벤트에 앱 내에서 (예 : 상품 검색 기록 된 이벤트 등) 트랜잭션 데이터에서 (새로운 지오 코딩을보고 같은 위치 변화 등) 다양한 이벤트와 통신합니다.

(4) 기계 및 센서 데이터 (DATA MACHINE AND SENSOR)

이 기능은 디바이스가 생성되거나 생성, 예컨대 가전 제품, 스마트 미터, 지능형 온도 제어기, 공장 기계 및 인터넷 연결 데이터를 포함한다. 이러한 장치는 데이터를 분석 할 수 있도록하는 것이, 또한 중앙 서버에 자동으로 데이터를 전송할 수있는 네트워크의 다른 노드와 통신하도록 구성 될 수있다. 기계 및 센서 데이터가 발생에서 신흥 일 (여잔)의 대표적인 예이다. 것들 모델 지속적인 모니터링 동작의 예측을 구성하기 위해 사용 된 데이터로부터 유도 될 수있다 (예를 들어, 센서 값이 식별되는 문제가 있음을 나타내는 경우), 소정의 명령을 제공한다 (예를 들면, 실제로 문제 종래의 검사 장치를 경고).

데이터 분석 도구의 요구 사항과 목적을 달성하기 위해 무엇입니까?

• 고급 분석 알고리즘 분석 응용 프로그램 및 모델을 제공합니다

• 같은 하둡 또는 기타 고성능 분석 시스템과 엔진의 대형 데이터 플랫폼,

• 구조적 및 비 구조적 데이터는 다양한 데이터 소스들에 적용될 수있다

• 데이터 분석 모델의 증가에 관해서는, 확장 달성 할

• 모델이 될 수있다, 또는 데이터 시각화에 통합되었습니다

• 그리고 다른 기술을 통합 할 수 있습니다

또한, 이 도구는 (이에 국한되지 않음) 통합 알고리즘을 포함하여 포함, 데이터 마이닝 기술을 지원하고, 몇 가지 필수 기능을 포함해야합니다 :

1, 클러스터링 및 세분화 :

작은 그룹의 공통적 인 특징을 가진 큰 개체의 분할. 예를 들어, 수집 된 고객의 분석은 목표 시장의 세그먼트를 결정합니다.

2, 분류 :

소정 데이터는 범주로 구성. 고객 세그먼트 모델에 따라 분류 변경하는 방법을 결정하는 등.

3 복구 :

더 이상의 도움은 종속 변수가 독립 변수에 따라 달라집니다 방법을 결정 종속 변수와 독립 변수 사이의 관계를 복원하는 데 사용됩니다. 이러한 지리 데이터, 순이익, 그리고 내년 여름의 사용으로 지역의 평균 기온은 속성에 예측했다.

4, 공동 사업 및 세트 광업 :

대용량 데이터 세트에서 변수 간의 상관 관계를 찾을 수 있습니다. 예를 들어, 콜 센터 대표가 발신자의 고객 세분화, 관계 및 불만 유형에 따라보다 정확한 정보를 제공하는 데 도움이 될 수 있습니다.

5 유사성 접촉 :

간접 클러스터링 알고리즘하십시오. 유사성 통합 알고리즘은 유사성 예비 클러스터의 실체를 확인하는 데 사용할 수 있습니다.

5, 신경 네트워크 :

기계 학습의 비 직접 분석하십시오.

를 통해 사람들은 데이터 분석 도구는 무엇을 이해하기

• 데이터 과학자는, 그들이 설계하는 방법의 이해, 더 복잡한 데이터 유형보다 복잡한 분석을 사용하려면 어떻게 고유의 성향이나 편견을 평가하는 기본 모델을 적용합니다.

• 비즈니스 분석가, 그들은 활성 데이터 탐색, 시각화 또는 사용 가능한 정보와 예측 분석의 일부를 구현하는 데이터를 사용하고자하는 일반 사용자와 같은 더 많은입니다.

• 비즈니스 관리자, 그들은 모델과 결론을 이해하고 싶다.

• IT 사용자의 위의 모든 카테고리의에 대한 지원을 제공 개발자.

대용량 데이터 분석 소프트웨어에 가장 적합한을 선택하는 방법

전문 지식과 분석의 기술. 다른 사람이이 명 관객을 위해 설계하는 동안 일부 도구의 대상은, 초보 사용자, 일부 전문 데이터 분석가이다.

• 다양성.

사용 사례 및 응용 프로그램에 따라, 비즈니스 사용자 모델링의 특정 유형 (예 : 회귀, 클러스터링, 세분화, 행동 모델링 및 의사 결정 트리 등)을 사용하여 분석의 다른 유형을 지원해야합니다. 이 기능은 높은 수준의, 다양한 형태의 분석 모델링의 넓은 범위를 지원할 수 있었지만, 일부 제조 업체는 알고리즘의 다른 버전을 조정하는 노력의 수십 년이 넣어 더 많은 고급 기능을 증가했다. 기업은 어떤 모델 문제에 직면하고 제품이 가장 좋은 것으로 비즈니스 사용자의 요구를 충족하는 방법에 따라 가장 관련성, 제품 평가를 이해하는,이 매우 중요하다.

• 데이터 범위의 분석.

분석 데이터의 범위는 여러 측면, 구조화 및 비정형 전통적인 로컬 데이터베이스 및 데이터웨어 하우스 클라우드 기반 데이터 소스 큰 플랫폼 데이터 (예 하둡) 데이터 관리를 포함한다. 그러나 지원의 수준에 데이터 관리를합니다 (NoSQL의 데이터 관리 시스템 내 제공하는 데 사용 하둡 또는 기타 규모) 비 전통적인 데이터를 호수에 대해 서로 다른 제품은 혼합 제공. 제품을 선택하는 방법, 기업은 데이터 볼륨 및 데이터 유형을 획득 및 처리의 특정 요구 사항을 고려해야합니다.

• 협업.

규모가 클수록 더 가능성, 부문 간 많은 분석가들 사이 점유율 분석, 모델링 및 응용 프로그램이 필요합니다. 회사는 여러 부서에 분산 분석을 많이 가지고있는 경우, 결과 및 분석을 해석하는 방법, 당신은 더 많은 모델 공유 및 공동 작업 방법을 추가해야 할 수 있습니다.

• 라이센스 및 유지 보수 예산.

거의 모든 제품의 제조 업체는 다른 버전으로 구분되어, 전체 구입 가격과 운영 비용은 다릅니다. 노드의 수에 비례 라이센스 수수료 및 특징, 기능, 데이터 또는 사용 제한에 해당하는 제품의 양을 분석합니다.

• 사용의 용이성.

통계에 정통한 비즈니스 분석가 쉽게 분석하고 그것의 응용 프로그램을 개발할 수 있지 않습니까? 제품 개발 및 해석을 용이하게하는 시각적 인 방법을 제공할지 여부를 결정한다.

• 구조화되지 않은 데이터 사용.

제품은 비정형 데이터 (문서, 이메일, 이미지, 비디오, 프리젠 테이션, 소셜 미디어 및 기타 정보 채널)의 다른 유형에 사용할 수 있으며, 분석 및 정보의 사용을 수신 할 수 있는지 확인합니다.

• 확장 성 및 확장 성을 제공합니다.

데이터와 데이터 관리 플랫폼의 성장 볼륨의 지속적인 확장과 함께, 다른 분석 제품 처리 및 저장 용량 증가의 성장에 따라 어떻게 평가합니다.

데이터 과학자, 데이터 엔지니어, 데이터 분석 - 셋째, 어떻게 3 개 뜨거운 작업 데이터를 구분하기

Yuyan 뜨거운 빅 데이터는 직업 관련 빅 데이터는 인재 육성을 가져올 것은 많은 기회를 가져왔다에, 뜨거운되고있다. 데이터 과학자, 데이터 엔지니어, 데이터 분석가들은 업계에서 가장 인기있는 빅 데이터 작업이되었습니다. 그들은 어떻게 정의? 구체적으로 어떤 일을합니까? 어떤 기술이 필요합니까? 우리가 함께 살펴 보자.

이 세 가지의 경력은 어떻게 배치 되는가?

• 데이터 과학자 어떤 종류의 존재

데이터 과학자는 계약입니다 과학적 방법, 디지털 정보에 대한 복잡한 많은 양의 기호, 텍스트, URL, 오디오 또는 다른 비디오 디지털화 재현 이해하고, 새로운 통찰력 엔지니어 또는 전문가를 찾기 위해를 데이터 마이닝 도구를 사용하여 사용 (다른 )에 대한 통계 나 분석.

• 어떻게 데이터 정의 엔지니어

데이터 엔지니어들은 일반적으로 정의된다 "통계 소프트웨어 엔지니어 별 분야에 대한 깊은 이해." 당신이 걱정에 비즈니스 문제있는 경우에, 당신은 데이터 엔지니어가 필요합니다. 명확한 데이터를 이용하여 데이터 파이프 라인을 만들 수있는 능력의 핵심 가치 거짓말. 완벽한 파일 시스템, 분산 컴퓨팅을 이해하고 데이터베이스 데이터는 우수한 엔지니어에게 필요한 기술이 될 것입니다.

데이터 엔지니어는 알고리즘 상당히 잘 이해하고 있습니다. 따라서 데이터 엔지니어는 기본 데이터 모델을 실행 할 수 있어야한다. 하이 엔드 비즈니스 요구 사항은 미적분 매우 복잡한 요구를 낳았다. 대부분의 경우, 이러한 요구는 마스터 지식 데이터 엔지니어, 도움이 데이터 과학자를 요구하기 위해 필요한이 시간을 초과한다.

• 데이터 분석을 이해하는 방법

데이터 분석은 기업의 연구, 평가 및 예측을하기 위해 데이터 전문가에 산업 데이터 수집, 데이터 정렬, 분석 전문, 다른 산업을 참조하고, 기반. 그들은 데이터 분석, 데이터 시각화 및 데이터 프리젠 테이션에서 아주 좋은, 올바른 질문을하는 방법을 알고있다.

이 세 가지 직업은 무엇 특정 업무

• 데이터 과학자의 책임

데이터 과학자들은 데이터를 탐색 할 수있는 방법과 주위 세계에 보는 경향이있다. 분산 된 데이터의 많은 수의 분석에 사용할 수있는 데이터 구조뿐만 아니라 완전하지 않을 수 있으며, 결과 데이터 세트를 정리하는 데이터 소스, 다른 데이터 소스와 통합의 재산을 찾을된다. 새로운 경쟁 환경은 끊임없이 변화의 도전, 새로운 데이터는 셔틀 분석, 데이터 교환의 지속적인 분석 임시 데이터 분석의 다양한 도움말 의사 결정자들에게 과학자가 필요로하는 데이터로 계속 흘러. 그들이 뭔가를 찾을 때, 그들은 그들의 연구 결과는 새로운 사업 방향을 제시 통신합니다. 그들은 시각 정보의 매우 창조적 인 디스플레이, 그러나 또한 명확하고 설득력의 패턴을 찾을 수 있습니다. 데이터 규칙의 의미는 따라서 제품, 프로세스 및 의사 결정에 영향을 미치는, 보스에게 추천.

• 엔지니어 데이터의 책임

역사적 분석, "재생 데이터"는 세 가지 작업의 가장 중요한에서 빅 데이터 엔지니어이다 미래, 선택의 최적화를 예측합니다. 이 세 가지 방향이 작업을 통해, 그들은 도움 회사는 더 나은 비즈니스 의사 결정을 내릴.

빅 데이터 엔지니어는 매우 중요한 작업이 데이터를 분석하여 과거의 사건의 기능을 알아이다. 예를 들어, 텐센트의 데이터 팀은 데이터웨어 하우스를 구축하고, 모든 광고를 포함하는 네트워크 플랫폼의 많은 수의 정렬에 불규칙한 데이터, 데이터에 대한 기업의 다양한 비즈니스 요구를 지원하기 위해 쿼리에 사용할 수있는 기능 요약을 넣어 배달, 게임 개발, 소셜 네트워킹 등.

과거의 사건의 특성을 파악, 가장 큰 역할은 도움 회사보다 소비자를 이해하는 것입니다. 과거 행동 트랙을 분석함으로써, 우리는 사람을 알고, 자신의 행동을 예측 할 수있을 것입니다.

핵심 요소를 도입함으로써, 대용량 데이터의 엔지니어들은 미래 소비자 트렌드를 예측할 수 있습니다. 알리 엄마 마케팅 플랫폼, 엔지니어들은 기상 데이터의 도입을 통해 사업을하는 데 도움이 Taobao의 판매에 노력하고 있습니다. 예를 들어,이 여름이 일부 제품은 에어컨, 팬, 탱크 탑, 수영복뿐만 아니라, 작년에 잘 판매하지 않았다 가능하다 등의 영향을받을 수 있습니다, 뜨거운 아니다. 그리고 우리는, 기상 데이터와 판매 데이터 사이의 관계를 설정 관련 카테고리, 사전 경고 판매 재고 회전율을 찾을 수 있습니다.

비즈니스 기업의 다양한 특성에 따르면, 빅 데이터 엔지니어들은 데이터 분석을 통해 서로 다른 목적을 달성 할 수있다. 텐센트, 엔지니어의 작업을 반영 할 수있는 빅 데이터의 가장 간단한 예를 테스트 할 수있는 옵션입니다 (AB 테스트), 돕는 제품 매니저는 A, B 두 가지 대안을 선택합니다. 과거에는 정책 입안자은 경험을 바탕으로 판단 할 수있다,하지만 지금은 다양한 통해 리얼 타임 테스트 엔지니어에 큰 데이터 - 예를 들어, 소셜 네트워킹 제품의 경우, 그래서 사용자의 절반은 A 인터페이스, 그리고 나머지 절반은 사용 인터페이스 B를 볼 것으로 관찰 최종 선택을하기 위해 마케팅 부서를 돕기 위해 시간 이내에 CTR 및 전환율 통계.

• 데이터 분석가의 직무

인터넷 자체는 디지털 및 대화 형 기능을 가지고, 데이터 수집, 데이터 정렬이 속성 특성 연구는 혁명적 인 혁신을 가져왔다. 과거에는 데이터의 비용은 "원자 세계는"애널리스트는 이상 (돈, 자원 및 시간) 연구 지원, 풍부한 데이터 분석, 데이터, 포괄 성, 연속성과 인터넷의 나이보다 더 많은의 적시성을 얻기 위해 소요됩니다.

기존의 데이터 분석과 비교, 인터넷 얼굴의 데이터 분석가 연령은 데이터 부족하지만, 초과 데이터가 아닙니다. 따라서, 기술적 수단을 통해 인터넷의 데이터 분석 연령은 효율적인 데이터 처리를 수행하는 법을 배워야합니다. 더 중요한 것은, 지속적인 혁신 및 연구 자료에서 방법 론적 혁신에 인터넷 시대에서 데이터 분석.

업계에서 데이터 분석의 값은 비슷하다. 언론과 출판 산업에 관계없이 모든 연령의 정확한 미디어 사업자, 설명 및 상태와 동향 관객에 대한 적절한 정보 여부, 미디어가 성공의 열쇠입니다.

또한, 언론과 출판 콘텐츠 산업은 더 결정적으로, 데이터 분석의 기능에게 언론의 주요 기능 및 게시 조직이 고객 지원 서비스를 개선하는 것입니다 소비자 데이터의 내용 분석을 수행 할 수 있습니다.

이 세 가지 직업이 무엇인지 능력을 알 필요에 참여를 원하십니까?

A. 데이터 과학자들은 기술을 마스터해야

1, 컴퓨터 과학

일반적으로, 대부분의 데이터 과학자는 필요한 프로그래밍, 컴퓨터 과학 관련 전문 배경을 가지고있다. 간단히 말해, 하둡, 두싯 및 기타 대규모 병렬 처리 기술 및 기계 관련 기술을 학습에 필요한 대용량 데이터의 처리.

2, 수학, 통계 데이터 마이닝 등

수학, 문학 통계뿐만 아니라, 또한 SPSS, SAS 및 기타 주요 통계 분석 소프트웨어 기술의 사용을 필요로한다. 어떤 오픈 소스 프로그래밍 언어 및 런타임 환경 "R"최근 높은 프로필의 통계 분석. R의 장점뿐만 아니라 그것은 통계 분석 라이브러리의 부를 포함하고, 고품질의 시각적 차트 생성의 결과를 가지고 있고, 간단한 명령을 통해 실행할 수있는 것이다. 또,이 착신 CRAN (종합 R 아카이브 네트워크) 패킷 확장 메카니즘을 포함하는 확장 된 패키지의 도입은 표준 조건 하에서 사용될 수 있으며, 기능은 데이터 세트에 의해 지원되지.

3 데이터 시각화 (시각화)

정보의 질은 그것의 발현에 크게 의존한다. 차트 외부 API를 사용하여 분석에 포함 된 데이터, 웹 프로토 타입의 개발로 구성된 디지털리스트의 중요성은, 그래서 데이터 과학자 인 분석 결과를 시각화은 매우 중요하다, 통일, 대시 보드 및 기타 서비스를 매핑 기술 중 하나.

B. 데이터 엔지니어는 기술을 마스터해야

1, 수학 및 통계 관련 배경

대용량 데이터 요구 사항은 엔지니어가 희망 통계 및 수학 배경이 석사 또는 박사 학위입니다. 데이터 노동자의 이론적 배경의 부족, 스킬에 위험 지역 (위험 지역)에보다 쉽게 ​​액세스 - 서로 다른 데이터 모델과 알고리즘에 따라 숫자의 무리, 항상 어떤 결과를 주문 풀기 수 있지만, 당신은 무엇을 알고하지 않으면 수단 , 정말 의미있는 결과 아니며, 그 결과 또한 쉽게 오해. 순서 만 특정 이론적 지식 모델을 이해하고, 심지어 모델 혁신 모델을 재사용 실질적인 문제를 해결하기 위해.

2, 컴퓨터 코딩 능력

큰 데이터와 실제 발전 용량 및 대형 데이터 처리 기능은 몇몇 중요한 요소 엔지니어. 데이터 마이닝 프로세스의 값의 대부분은에서 온다 때문에 금의 가치를 발견하고 손을 사용해야합니다. 예를 들어, 생성 된 소셜 네트워크에서 사람들이 지금은 많은 기록은 구조화되지 않은 데이터, 방법, 음성, 이미지, 개인적으로 큰 데이터 마이닝 엔지니어를 필요로 이러한 단서 문자 심지어 동영상까지 잡아 의미있는 정보입니다. 심지어 팀의 일부, 빅 데이터 엔지니어의 책임은 주요 사업을 분석 할뿐만 아니라 방법 대용량 데이터의 컴퓨터 처리에 대해 잘 알고 있어야합니다.

특정 분야 또는 산업 응용의 3, 지식

빅 데이터 엔지니어의 역할이 특정 지역 농산물 값으로 결합에서만 때문에 대용량 데이터와 애플리케이션의 시장에서없는 것이 매우 중요합니다. 그래서 나중에 큰 도움의 엔지니어가 큰 데이터를위한 업계의 축적 지식, 수 후보, 하나 이상의 수직 업계 경험이 그래서 더하기 작업에 적용하는 설득 서브와 비교.

C. 데이터 분석은 기술을 습득하는 데 필요한

1, 사업을 이해합니다. 산업 지식 및 비즈니스 배경의, 분석 결과는 오프라인 될 경우 데이터 분석의 전제는, 바람직하게는 자신의 통찰력, 업계 지식 및 비즈니스 프로세스에 익숙한 비즈니스를 이해하는 것이 필요합니다 연,별로 값.

2, 관리를 이해합니다. 한편이 같은 당신이 관리 이론에 익숙하지 않은 경우, 안내하는 마케팅 및 관리의 이론적 지식을 사용하는 데 필요한 아이디어를 결정하기 위해 분석과 같은 데이터 분석을위한 프레임 워크를 구축하는 데 필요한에서이 데이터 분석을위한 프레임 워크를 구축하기 어려운, 이후의 데이터 분석은 어렵다 . 반면 역할에 분석 결론에 대한 권장에게 데이터의 교훈 분석을 제안하는 것이다.

3, 분석을 이해합니다. 이것은 유효 데이터 분석 방법의 번호와 데이터 분석의 기본 원리를 마스터로 지칭하고, 유연 효과적으로 데이터 분석을 수행하기 위해, 실제 작업에 적용 할 수있다. 기본적인 분석 방법 : 비교 분석, 기 분석, 교차 분석, 구조 분석도 깔때기 분석 종합 평가 분석, 인자 분석, 상관 행렬 분석 방법 등이있다. 고급 분석 방법은 다음과 같은 상관 관계 분석, 회귀 분석, 군집 분석, 판별 분석, 주성분 분석, 요인 분석, 대응 분석, 시계열합니다.

4, 도구를 이해합니다. 그것은 일반적인 도구에 관한 마스터 데이터 분석을 의미한다. 데이터 분석은 이론 및 데이터 분석 도구는 우리가 분석 계산기에 의존 할 수없는 이론적 인 데이터 분석 도구, 얼굴 지속적으로 증가하는 데이터를 달성하기 위해, 우리는 우리가 데이터 분석을 완료하는 데 도움이 강력한 데이터 분석 도구에 의존해야합니다.

5, 디자인을 이해합니다. 디자인 뷰의 효과적인 발현 분석 차트 데이터 분석의 포인트를 사용하는 것입니다 이해, 한눈에 분석 결과. 차트의 디자인 등 많은 학습, 그래픽 등의 선택, 레이아웃 디자인, 컬러 매칭, 특정 설계 원칙이 모든 필요하다.

넷째, 신인에서 데이터 과학자를 개발하기 위해 9 단계 프로그램이 될 수 있습니다

첫째, 각 회사는 다양 데이터 과학자의 정의, 현재 통일 된 정의는 없다. 그러나 일반적으로, 소프트웨어 엔지니어, 데이터 과학자와 통계 기술, 그는의 조합 또는 그녀가 산업 지식의 분야에서 많은 작업을 넣어하고자.

데이터 과학자의 약 90 %는 물론, 그들은 분야의 정도가 매우 넓다 얻을, 심지어는 의사에게, 적어도 대학 교육 경험을 가지고 박사 학위를 취득. 일부 채용도 필요한 전문 인간의 창의력, 다른 사람들을 가르 칠 수있는 핵심 기술의 일부를 가지고 사람을 찾을 수 있습니다.

당신은 데이터 과학자가되기 위해 수행해야 할 단계 따라서 데이터는 (함께 나타납니다 세계 모든 생겨나 잘 알려진 대학 같은) 과학 학위 프로그램을 제외?

• 당신의 수학 및 통계 기술을 검토합니다.

좋은 데이터 과학자는이 작업을 수행하기 위해, 당신은 단단한 기본 선형 대수가 있어야합니다, 당신에게 알고리즘과 통계 기술을 이해하기 위해 데이터의 내용을 이해할 수 있어야합니다. 특정 상황에서는 고급 수학을 요구할 수있다, 그러나 이것은 좋은 시작 행사이다.

• 기계 학습의 개념을 이해합니다.

기계 학습은 새로운 단어지만, 빅 데이터와 불가분하게 연결되어 있습니다. 기계 학습은 값으로 데이터를 변환하는 인공 지능 알고리즘을 사용하여 명시 적으로 프로그래밍을하지 않고 있습니다.

• 코드를 학습.

데이터 과학자들은 어떻게 데이터를 분석하는 컴퓨터에게 코드를 조정하는 방법을 알고 있어야합니다. 이 시작 파이썬과 같은 오픈 소스 언어에서.

• 데이터베이스, 데이터 풀 및 분산 저장을 이해합니다.

데이터는 데이터베이스, 데이터 풀 또는 전체 분산 네트워크에 저장된다. 그리고 저장소 데이터를 구축하는 방법을 당신이 이러한 데이터의 사용 및 분석에 액세스하는 방법에 따라 달라집니다. 이 전반적인 아키텍처하거나 당신이 당신의 데이터 스토리지를 구축 할 때 미리 계획하는 경우, 후속 당신은 매우 광범위한 것 미치는 영향에.

• 데이터 수정 학습 및 데이터 기술을 클렌징.

다른 형식으로 데이터를 원본 데이터입니다 수정하면 더 접근하고 분석하는 것이 더 쉽습니다. 데이터 클렌징 중복과 "나쁜"데이터를 제거하는 데 도움이됩니다. 둘 다 도구 상자에서 필수적인 도구 데이터 과학자입니다.

• 좋은 데이터 시각화 및보고의 기본 사항을 알아.

당신은 그래픽 디자이너가 될 필요가 없습니다,하지만 당신은 잘 같은 이해할 수있는 관리자 또는 CEO로 사람을 배치, 쉽게 데이터 보고서를 생성하는 방법에 정통한 필요가 없습니다.

• 당신의 도구 상자에 더 많은 도구를 추가합니다.

위의 기술을 마스터 한 후에는 하둡, R 언어와 스파크를 포함한 과학적 데이터, 당신의 도구 상자를 확장하는 시간이다. 이러한 도구의 경험과 지식은 데이터 과학 구직자의 많은 당신을에 드릴 것입니다.