采访Pratap Malladi,高级顾问– Marketing &数据科学,360digitmg

你是如何第一次进入数据科学的?

当我开始研究数据科学时,我是在移动互联网上工作的SR业务经理&AI产品为浦那和其他侧报告的着名公司,分析是我的专业职业旅程的一部分和包裹,我的感受与数据一样,企业可以了解客户想要的内容。组织可以在特定要求上挖掘数据,并通过激光焦点响应这些偏好。此外,企业还可以分析几家客户的总数据,以全能优化业务发展战略。

我必须了解来自我在海德拉巴队的一个着名培训和咨询公司之一完成课程的课程的数据科学,并在分析的领域作出了职业生涯。我有机会通过360digitmg从360digitmg的Mr.Bharani Kumar D参加数据科学的示范会议,在那里我对此感到非常深刻并开始深潜水更多,进入了了解适当的方向,获得认证,开始了作为高级顾问工作,也开始了解更多地与实时专家联系,从他们的经验中学习,阅读博客,文章,出版物,参加网络研讨会,聚会,MOOC,以及最终研究,研究,研究,研究,研究,研究主题。 - 解决域名和商业问题解决。

凭借一致的努力,我得到了同样的主旨,开始与大学,公司,社交媒体,博客,文章中的有抱负的志同道而生分享我的知识和专业知识,通过不断改变自己。

这并不容易,但我对数据疯狂&一路数字。

学;实践;学;实践;学;练习是我对选择这个领域的人。

AI时间期刊资源
你学习数据科学吗?

Check out what 图书 帮助20多个成功的数据科学家在他们的职业生涯中成长。

数据科学如何在当前项目中创建值?

我的背景是来自数字媒体的更多&互联网广告业,我的意思是大多数POC’s到项目是周围的“数据科学如何彻底改变数字广告”,解决成千上万的竞选活动,每分钟运行数万活动’是一个问题,因为在大多数情况下我们可以’t看到所有变量。因此,如有有效的CPM,出价请求,转换率优化,广告系列管理,CTR,CPM和相关指标如果深入潜水,可能会产生很少的AI智能之家。

您每天使用的主要技能是数据科学家的关键技能,以及您是如何发展的?

数据科学家要求的技能

询问正确的问题,数据收集,数据争吵,评估,清洁,探索,绘图洞察力,并传达结果。除此之外,您可以看到的多数职位描述中的3个最常用的单词是数据,经验和业务。

日常生活中使用的工具是R / Python,SQL,Excel,Tableau / PowerBi和基本统计​​数据。

您目前作为专业数据科学家面临的最大挑战是什么?您如何解决它们?

通过原始数据收集过程可以难以实现数据准备。设计一个系统以有用且易于消化的形式收集数据的系统是艺术。为数据科学提供完全透明度,数据流到系统的数据究竟是另一个。它涉及考虑采样,数据注释,匹配等的进程。

通过与团队进行头脑风暴群体讨论,从博客,文章,会议,行业专家等中学习相同的解决方案。

商业/行业的域名知识有多重要’作为数据科学家,你是如何获得的?

现在数据科学无处不在;了解领域周围的影响和挑战是至关重要的。域名知识,它 ’对于提出正确的问题,建立正确的分析并了解如何实际应用结果是至关重要的。

但是,它’通过经验而不是通过与教育的经验获得技术或数学专业知识,更容易获得领域知识。我在同一行业中工作的同样地获得了同样的工作,在同一家公司的不同地区工作,参加行业会议,阅读论文,出版物,博客,与数据极客联系起来,从他们身上学习并在实践中实施。

但是,它’通过经验而不是通过与教育的经验获得技术或数学专业知识,更容易获得领域知识。

您是否创建了数据科学内容?

是的,我确实创建内容并分享它 linkedin with my followers, Sharing attractive content via bulk Mailing to aspirants, hashtags and at my blog //pratapsdigital.wordpress.com/, GitHub repo, with few online journals, etc. I share content more on Career and Opportunities related to Data Science & Digital Marketing, Applications of Data Science, Data Science Project Management, Tips, and Tricks for better coding etc.

3个单词最汇总如何学习ML和数据科学:

感谢所有尊重的导师,以适当地指导我的数据科学旅程;毕竟,在业务中学习,研究,练习和实施(始终迭代本质);

课程:您认为哪些课程/课程,这有助于推动数据科学的职业生涯?

如果您在网上谷歌曲/搜索时智能,您将在同一个上获取大量有吸引力的材料,但是一个人可以通过以下内容以获得更好的理解。

图书–(例如,数据科学来自斯克拉斯–Joel Grus,Python数据科学手册–Jake Vander Plas,商业数据科学–汤姆福克特,戴维斯的数据科学–Lillian Louise Pierson,做数据科学– Cath O’Neil和Rachel Schutt,来自Mr.Bharani Kumar的数据科学项目管理,360Digitmg很少是姓名)

您用来跟上该领域的进步的前3个资源是什么?

在找到学习数据科学的最佳来源时,您应该考虑几件事:

1)您首选的学习方法

2)您希望学习的材料/内容的深度

如果您想只是建立对数据科学的一些基础认识,书籍和免费在线资源很可能是您最好的选择。有很多方法可以开始学习数据科学,如:

在线教程–(例如,数据营,教程点,360digitmg,udacity,udacemy,kaggle,Insofe,Edureka,Techwaysys)

在线博客–(例如,宽大的AdAtascience,Data Science Central,没有免费的亨舍,在Bigdata内,简单统计,媒体,Aijournal,360digitmg.com/blog)

您对今天想要进入数据科学的人会给哪些建议?

创造力和关怀。你必须真的喜欢愿意愿意想到很长一段时间。数据科学尚未成为一个字段,所以还没有凭据。获得机器学习的维基百科级别了解非常容易。但是,对于实际执行它,您真的需要知道正确的工具是正确的工作,并且您需要了解每个工具的所有限制。这种经历没有捷径。

想想您感兴趣的行业,一些行业,如Telecom,BFSI,医疗保健,在应用数据科学时足够成熟。

跟随您的梦想公司,并留意他们的博客,按覆盖范围等。

遵循该部门的博主/扬声器。

在您的网络中查找专业人士并与他们交谈。

您最喜欢在数据科学中工作的事情:

我打算说解决问题。我喜欢解决问题。我有幸掌控来自多数人的生活,并观察他们在掌握材料方面的热情,帮助他们展示了具有真正含义的相关业务用例是最好的部分。

但真的,那里’在我对解决问题的热爱下面的东西。然后’我渴望理解为什么以及如何工作。

有什么激励你在数据科学中工作的?

将数据带到生活中,从理解用户旅程通过公司网站来可视化社交网络上的人们的连接。您可以使用编程和数据获得的洞察力是惊人的。

利用最新和最大的技术来帮助企业过渡到大数据世界,并使数据驱动的决策总是鼓励我在数据科学中的工作。

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→