Формулирует задачу
Уточняет вопрос, доступные данные и ограничения предполагаемого решения.
Data Scientist
Data Scientist исследует данные и применяет статистические методы и модели, чтобы отвечать на вопросы или проверять предположения.
Навыки специалиста
Связанные с профессией навыки помогают разобраться в отдельных рабочих задачах. Состав зависит от специализации и контекста работы.
Практические навыки
Выявление статистических зависимостейМашинное обучениеОбработка больших объёмов данныхОбучение нейросетей и языковых моделейПостроение аналитических моделейПостроение нейронных сетейПостроение прогнозовПостроение ML-алгоритмовПроведение статистического анализаПрогнозирование с помощью машинного обученияРабота с даннымиРабота с инструментами Machine LearningРабота с искусственным интеллектомРабота с моделями машинного обученияРазработка алгоритмов машинного обученияРазработка моделей машинного обученияРазработка нейросетей
Инструменты и технологии
Инструменты связаны с профессией напрямую или указаны в данных связанных курсов. Программы могут охватывать разные специализации, поэтому не каждый инструмент нужен специалисту.
Инструменты в работе
1СЯндекс.МетрикаЯндекс.ОблакоAndroidAngularAnsibleApache AirflowApache KafkaApache SparkAppMetricaBeautifulSoupBPMNClickHouseCSSDBeaverDjangoDockerDocker ComposeDVCFastAPIFigmaGitGitHubGitLabGoogle ПрезентацииGoogle ТаблицыGoogle AnalyticsGoogle ColabGoogle DocsGrafanaHadoopHTMLiOSJavaJavaScriptJUnitJupyter NotebookKaggleKerasKotlinKubernetesLaravelLinuxMatplotlibMicrosoft ExcelMicrosoft Power BIMicrosoft PowerPointMicrosoft Visual StudioMiroMLFlowMongoDBMySQLNLTKNode.jsNoSQLNumPyOpenCVpandasPHPpipPlotlyPostgreSQLPrometheusPyCharmPySparkpytestPythonPyTorchRRabbitMQReactScikit-learnSciPyScrapySeabornSQLSQLAlchemySQLiteSwiftSymPyTableauTelegramTensorFlowTildaTrelloTypeScriptUMLUnityWordPressXcodeZabbix
Что делает специалист
Исследует данные
Проверяет качество и структуру данных, подготавливает их и выбирает подходящий метод анализа.
Оценивает результат
Проверяет модель или анализ на отложенных данных и объясняет выводы и ограничения.
Источники: O*NET: Data Scientists ↗ и scikit-learn: Supervised Learning ↗. O*NET описывает роль в США; scikit-learn приведён как пример инструмента, а не обязательное требование.
Этапы освоения профессии
Данные и статистика
На учебном наборе изучите распределения, пропуски и способы описать неопределённость.
Первая модель
Постройте простую модель для понятной задачи и выделите данные для проверки.
Интерпретация
Сравните результат с простым базовым вариантом и опишите, где выводы могут быть ненадёжны.
Это редакционный маршрут, а не обязательный стандарт или обещание трудоустройства. Документация и самостоятельная практика также подходят для освоения навыков.
Курсы для профессии «Data Scientist»
Здесь представлены опубликованные на KURSEZ курсы, связанные с этой профессией. Сравните программу, практику и условия обучения.
Яндекс ПрактикумАудиоанализ, распознавание и генерация речи
Курс для специалистов с опытом ML: обработка аудио, распознавание и синтез речи, речевые модели и оптимизация их применения.
66 400 ₽
Стоимость курса
от 2 711 ₽ / мес. на 36 мес.
Яндекс ПрактикумОсновы глубокого обучения нейросетей
Курс для специалистов с опытом в машинном обучении: построение нейросетей, работа с последовательностями, изображениями и мультимодальными данными.
50 000 ₽
Стоимость курса
от 2 041 ₽ / мес. на 36 мес.
Яндекс ПрактикумКомпьютерное зрение — CV
Курс для специалистов с опытом в машинном и глубоком обучении: детекция, сегментация, генерация изображений и мультимодальные модели.
48 000 ₽
Стоимость курса
от 1 960 ₽ / мес. на 36 мес.
Яндекс ПрактикумОбработка естественного языка — NLP
Курс для специалистов с техническим опытом о нейросетях для обработки текста: от BERT и больших языковых моделей до RAG, поиска и агентных систем.
48 000 ₽
Стоимость курса
от 1 960 ₽ / мес. на 36 мес.
Что важно знать о профессии «Data Scientist» перед выбором
Data Scientist исследует данные и применяет статистические методы и модели, чтобы отвечать на вопросы и проверять предположения. Результатом работы может быть исследование, модель или объяснение того, почему имеющихся данных недостаточно.
Специалист уточняет задачу, изучает происхождение и качество данных, выбирает метод и проверяет результат. Важно отделять данные, использованные для построения модели, от проверки её качества и ясно сообщать об ограничениях выводов.
Развитие может быть связано с исследовательской работой, машинным обучением, анализом конкретной предметной области или внедрением моделей совместно с инженерами. Набор задач и инструментов определяется командой и доступными данными.
В программе обучения проверьте подготовку данных, статистику, оценку моделей и объяснение результатов. Уточните требования к математике и программированию, а также наличие самостоятельных исследований с обратной связью.
Что посмотреть дальше
Выявление статистических зависимостей
Узнайте больше об этом навыке и связанных с ним материалах KURSEZ.
ОткрытьМашинное обучение
Узнайте больше об этом навыке и связанных с ним материалах KURSEZ.
ОткрытьВсе курсы
Сравните опубликованные курсы по программе, школе и условиям обучения.
Открыть