发帖
雷达卡
科学家们！
这篇文章旨在回应福特（Ford）的分析经理迈克尔·卡瓦莱塔（Michael Cavaretta）在LinkedIn上进行的有趣讨论。 HTTPS：//www.linkedin.com/posts/michael-cavaretta-ph-d-795a965_indus ... 。 他问什么人选才是最好的数据科学家。
根据我在数据科学领域的实际经验，我发现物理学家是最出色的数据科学家。为什么？因为物理学家在数学和现实的交汇处工作。他们受过训练以假设有关事物运作方式的想法，然后设计实验以测试这些假设，收集数据，解释数据并传达结果。这主要是我们要数据科学家要做的。（我不相信模型构建是数据科学家的唯一角色，但这是另一篇文章。）物理学家还可以独立工作，可以自己学习新技术。
虽然我从经验中特别提到物理学家，但所有物理科学家，化学家，天体物理学家，甚至（有时）生物学家都应具有相同的技能和专长。当您拥有大量数据并且不知道如何处理时，物理科学家的表现最佳。它们具有不确定性，可以提出假设，以便在真空中进行分析。
这并不意味着您不能雇用具有不同教育背景的人。在某些情况下，雇用一个好主意是：
社会科学家–研究人类行为时。社会科学家拥有与物理科学家不同的工具集经验，但是过程是相同的，统计仍然是统计。我发现具有这些背景的个人在调查分析，行为分析和营销应用方面都很出色。
工程师–工程师虽然学习大量的物理学和数学，并且在这两个领域都非常称职，但他们接受了培训，可以将发现应用于现实世界中的纯科学学科。他们使用确定性和定义良好的系统工作，否则可能会发生非常糟糕的事情（想想设计一座桥梁……您希望该工程师如何考虑它？您想让他们尝试一些事情并看看能做什么吗？） 。因此，工程师往往会为许多数据科学工作中涉及的“未知”而苦恼。但是，作为数据科学家的工程师仍然可以脱颖而出，特别是在工业应用和运筹学工作中，条件得到控制且系统定义明确。
计算机科学家–计算机科学家在计算机与现实世界的界面上工作，非常适合开发围绕数据科学家的应用程序和数据结构。它们也往往擅长优化数据科学算法并进行最佳部署。但是，他们倾向于与数据内部的实际内容以及数据的含义作斗争。他们是优秀的数据工程师，使用ML的应用程序的架构师和开发人员以及ML模型的部署者和优化器，但不一定是优秀的数据分析师。
任何具有质疑态度和批判性思维能力的人–我并不是要成为反对者，而是要告诉人们他们不能成为数据科学家。我相信几乎任何人都可以成为一名出色的数据科学家。基本特征是具有质疑态度，批判性思维能力和不断学习的好奇心。
您认为什么才是最好的数据科学家？在下面的评论中让我知道。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
