데이터 과학 입문시 알아 두어야 할 사항 - 전통적으로

데이터 과학 부분 인형 치트 시트

전통적으로 빅 데이터 는 엄청난 양, 속도 및 다양성을 가진 데이터의 용어입니다. 전통적인 데이터베이스 기술은 대용량 데이터를 처리 할 수 ​​없기 때문에보다 혁신적인 데이터 엔지니어링 솔루션이 필요합니다. 프로젝트가 대형 데이터 프로젝트로 적합한 지 여부를 평가하려면 다음 기준을 고려하십시오.

• 양: 1 테라 바이트 / 년에서 10 페타 바이트 / 년 사이

• 30 킬로바이트 / 초와 30 기가 바이트 / 초 사이 다양성:

• 비 체계적, 반 구조적 및 구조화 된 자료의 종합 출처 데이터 과학 및 데이터 엔지니어링이 동일하지 않습니다.

고용 관리자는 데이터 과학자와 데이터 엔지니어의 역할을 혼동하는 경향이 있습니다. 둘 다 조금씩하는 사람을 찾는 것이 가능하지만, 각 분야는 엄청나게 복잡합니다. 두 영역 모두에서 강력한 기술과 경험을 갖춘 사람을 찾을 가능성은 거의 없습니다. 이러한 이유로 특정 유형의 전문가가 귀하의 구체적인 목표를 달성하는 데 가장 적합한 지 식별 할 수 있어야합니다. 아래 설명은 그렇게하는 데 도움이됩니다.

데이터 과학자들은 복잡한 비즈니스 및 과학적 문제에 대한 솔루션을 도출하기 위해 코딩, 정량적 방법 (수학, 통계 및 기계 학습) 및 전문 분야의 전문 지식을 사용합니다.

• 데이터 엔지니어: 데이터 엔지니어는 컴퓨터 과학 및 소프트웨어 엔지니어링 기술을 사용하여 대용량 데이터 세트를 처리하고 조작하는 데 필요한 시스템을 설계하고 문제를 해결합니다.

• 데이터 과학 및 비즈니스 인텔리전스도 동일하지 않습니다.

  비즈니스 인텔리전스를 수행하는 비즈니스 중심 데이터 과학자 및 비즈니스 분석가는 사촌과 같습니다. 두 가지 유형의 전문가 모두 동일한 비즈니스 목표를 달성하기 위해 데이터를 사용하지만 접근 방식, 기술 및 기능이 다릅니다. 아래의 설명은 두 역할의 차이점을 설명합니다.

비즈니스 인텔리전스 (BI):

BI 솔루션은 일반적으로 내부에서 생성 된 데이터 세트를 사용하여 구축됩니다. 일반적인 도구 및 기술에는 온라인 분석 처리, 추출 및 변환 및로드, 데이터웨어 하우징이 포함됩니다. BI에는 예측과 같은 전향 적 방법이 포함되기도하지만 이러한 방법은 과거 또는 현재 데이터의 간단한 수학적 추론을 기반으로합니다.

• 비즈니스 중심 데이터 과학: 비즈니스 중심 데이터 과학 솔루션은 조직의 내부 및 외부 모두의 데이터 세트를 사용하여 구축됩니다. 일반적인 도구, 기술 및 기술 세트에는 클라우드 기반 분석 플랫폼, 통계 및 수학 프로그래밍, 기계 학습, Python 및 R을 사용한 데이터 분석 및 고급 데이터 시각화가 포함됩니다. 비즈니스 중심의 데이터 과학자들은 방대한 양의 비즈니스 데이터를 분석하고 예측을 생성하기 위해 고급 수학 또는 통계 방법을 사용합니다.