Drew Conway เผยแพร่Data Science Venn Diagramซึ่งฉันเห็นด้วยอย่างเต็มที่:
ในอีกด้านหนึ่งคุณควรอ่านโพสต์ของเขาจริงๆ ในทางตรงกันข้ามฉันสามารถนำเสนอประสบการณ์ของตัวเอง: ความเชี่ยวชาญในเรื่องของฉัน (ซึ่งฉันชอบดีกว่าคำว่า "ความเชี่ยวชาญอย่างมีนัยสำคัญ" เพราะคุณควรมี "ความเชี่ยวชาญที่สำคัญ" ในคณิตศาสตร์ / สถิติและการแฮ็ค) ด้วย ธุรกิจค้าปลีกคณิตศาสตร์ / สถิติของฉันพยากรณ์และสถิติอนุมานและทักษะการแฮ็คของฉันอยู่ที่ R
จากจุดได้เปรียบนี้ฉันสามารถพูดคุยและเข้าใจผู้ค้าปลีกและผู้ที่ไม่มีความรู้ในสาขานี้อย่างน้อยจะต้องเผชิญกับช่วงการเรียนรู้ที่สูงชันในโครงการกับผู้ค้าปลีก ในฐานะที่เป็นกิ๊กด้านฉันทำสถิติในด้านจิตวิทยาและมันเหมือนกันทุกประการ และถึงแม้จะมีความรู้เกี่ยวกับส่วนของการแฮ็ค / คณิตศาสตร์ / สถิติบางส่วนของแผนภาพฉันก็มีเวลาที่ยากลำบากในการเร่งความเร็วในการพูดการให้คะแนนเครดิตหรือสาขาวิชาใหม่อื่น ๆ
เมื่อคุณมีจำนวนหนึ่งของคณิตศาสตร์ / สถิติและทักษะการแฮ็คก็เป็นมากดีกว่าที่จะได้มาซึ่งดินในหนึ่งหรือมากกว่าอาสาสมัครกว่าในการเพิ่มเลยการเขียนโปรแกรมภาษาอื่นเพื่อทักษะการแฮ็คของคุณหรือยังอีกขั้นตอนวิธีการเรียนรู้ของเครื่องสำหรับผลงานคณิตศาสตร์ / สถิติของคุณ ท้ายที่สุดเมื่อคุณมีพื้นฐานทางคณิตศาสตร์ / สถิติ / การแฮ็คที่มั่นคงคุณอาจจำเป็นต้องเรียนรู้เครื่องมือใหม่ ๆ จากเว็บหรือจากตำราเรียนในระยะเวลาอันสั้น แต่ความเชี่ยวชาญในสาระสำคัญในทางกลับกันคุณอาจจะไม่สามารถเรียนรู้ได้ตั้งแต่เริ่มต้นถ้าคุณเริ่มต้นจากศูนย์ และลูกค้าจะทำงานร่วมกับนักวิทยาศาสตร์ข้อมูล A ที่เข้าใจสาขาเฉพาะของพวกเขามากกว่ากับนักวิทยาศาสตร์ข้อมูล B คนแรกที่ต้องเรียนรู้พื้นฐาน - แม้ว่า B จะดีกว่าในวิชาคณิตศาสตร์ / สถิติ / การแฮ็ค
แน่นอนทั้งหมดนี้จะหมายความว่าคุณจะไม่กลายเป็นผู้เชี่ยวชาญในทั้งสามสาขา แต่ก็ไม่เป็นไรเพราะคุณเป็นนักวิทยาศาสตร์ด้านข้อมูลไม่ใช่โปรแกรมเมอร์หรือนักสถิติหรือผู้เชี่ยวชาญเฉพาะด้าน จะมีผู้คนในแวดวงสามวงที่คุณสามารถเรียนรู้ได้เสมอ ซึ่งเป็นส่วนหนึ่งของสิ่งที่ฉันชอบเกี่ยวกับวิทยาศาสตร์ข้อมูล
แก้ไข: อีกสักครู่และไม่กี่ความคิดในภายหลังฉันต้องการอัปเดตโพสต์นี้ด้วยแผนภาพเวอร์ชั่นใหม่ ฉันยังคิดว่าทักษะการแฮ็คความรู้คณิตศาสตร์และสถิติและความเชี่ยวชาญที่สำคัญ (ย่อมาจาก "Programming", "สถิติ" และ "Business" เพื่อความชัดเจน) มีความสำคัญ ... แต่ฉันคิดว่าบทบาทของการสื่อสารก็มีความสำคัญเช่นกัน ข้อมูลเชิงลึกทั้งหมดที่คุณได้รับโดยการใช้ประโยชน์จากการแฮ็คสถิติและความเชี่ยวชาญทางธุรกิจจะไม่สร้างความแตกต่างเว้นแต่คุณจะสามารถสื่อสารกับคนที่อาจไม่มีความรู้ผสมผสาน คุณอาจต้องอธิบายข้อมูลเชิงลึกทางสถิติของคุณให้กับผู้จัดการธุรกิจที่จำเป็นต้องมีความมั่นใจในการใช้จ่ายเงินหรือเปลี่ยนแปลงกระบวนการ หรือโปรแกรมเมอร์ที่ไม่คิดเชิงสถิติ
ดังนั้นนี่คือแผนภาพข้อมูลวิทยาศาสตร์ Venn ใหม่ซึ่งรวมถึงการสื่อสารเป็นส่วนประกอบที่ขาดไม่ได้ ฉันติดป้ายกำกับพื้นที่ด้วยวิธีที่ควรรับประกันการเผาสูงสุดในขณะที่จดจำได้ง่าย
แสดงความคิดเห็นออกไป
รหัส R:
draw.ellipse <- function(center,angle,semimajor,semiminor,radius,h,s,v,...) {
shape <- rbind(c(cos(angle),-sin(angle)),c(sin(angle),cos(angle))) %*% diag(c(semimajor,semiminor))
tt <- seq(0,2*pi,length.out=1000)
foo <- matrix(center,nrow=2,ncol=length(tt),byrow=FALSE) + shape%*%(radius*rbind(cos(tt),sin(tt)))
polygon(foo[1,],foo[2,],col=hsv(h,s,v,alpha=0.5),border="black",...)
}
name <- function(x,y,label,cex=1.2,...) text(x,y,label,cex=cex,...)
png("Venn.png",width=600,height=600)
opar <- par(mai=c(0,0,0,0),lwd=3,font=2)
plot(c(0,100),c(0,90),type="n",bty="n",xaxt="n",yaxt="n",xlab="",ylab="")
draw.ellipse(center=c(30,30),angle=0.75*pi,semimajor=2,semiminor=1,radius=20,h=60/360,s=.068,v=.976)
draw.ellipse(center=c(70,30),angle=0.25*pi,semimajor=2,semiminor=1,radius=20,h=83/360,s=.482,v=.894)
draw.ellipse(center=c(48,40),angle=0.7*pi,semimajor=2,semiminor=1,radius=20,h=174/360,s=.397,v=.8)
draw.ellipse(center=c(52,40),angle=0.3*pi,semimajor=2,semiminor=1,radius=20,h=200/360,s=.774,v=.745)
name(50,90,"The Data Scientist Venn Diagram",pos=1,cex=2)
name(8,62,"Communi-\ncation",cex=1.5,pos=3)
name(30,78,"Statistics",cex=1.5)
name(70,78,"Programming",cex=1.5)
name(92,62,"Business",cex=1.5,pos=3)
name(10,45,"Hot\nAir")
name(90,45,"The\nAccountant")
name(33,65,"The\nData\nNerd")
name(67,65,"The\nHacker")
name(27,50,"The\nStats\nProf")
name(73,50,"The\nIT\nGuy")
name(50,55,"R\nCore\nTeam")
name(38,38,"The\nGood\nConsultant")
name(62,38,"Drew\nConway's\nData\nScientist")
name(50,24,"The\nperfect\nData\nScientist!")
name(31,18,"Comp\nSci\nProf")
name(69,18,"The\nNumber\nCruncher")
name(42,11,"Head\nof IT")
name(58,11,"Ana-\nlyst")
name(50,5,"The\nSalesperson")
par(opar)
dev.off()