HIROSHI WATANABE/GETTY IMAGES
Ho The Wealth of Nations, Adam Smith o bontša kamoo karohano ea mosebetsi e fetohang mohloli o ka sehloohong oa tlhahiso e eketsehileng. Mohlala ke mokhoa oa ho kopanya oa fektheri ea phini: “Mosebetsi e mong o hula terata, e mong oa e otlolla, oa boraro oa e khaola, oa bone o leotsa ntlha e ’ngoe, oa bohlano o sila ntlha e ’ngoe hore e lekane hlooho.” Ka lebaka la boits'oaro bo shebaneng le mesebetsi e itseng, mosebeletsi e mong le e mong o fetoha setsebi se tšoanelehang haholo mosebetsing oa hae o moqotetsane, o lebisang ho eketseng ts'ebetso ea ts'ebetso. Sephetho ka mosebeletsi ka mong se eketseha ka makhetlo a mangata, 'me feme e ba e atlehang haholoanyane ho hlahiseng liphini.
Karohano ena ea mosebetsi ka ts'ebetso e metse ka metso likelellong tsa rona le kajeno hoo re ileng ra hlophisa lihlopha tsa rona ka potlako. Data Science le eona e joalo. Bokhoni ba khoebo ba algorithmic bo rarahaneng bo hloka mesebetsi e mengata, kahoo lik'hamphani hangata li theha lihlopha tsa litsebi: bafuputsi, baenjiniere ba data, baenjiniere ba ho ithuta ka mochini, bo-ramahlale ba sesosa le phello, joalo-joalo. Mosebetsi oa litsebi o hokahanngoa ke mookameli oa sehlahisoa ka phetisetso ea mesebetsi ka mokhoa o ts'oanang le fektheri ea pin: "motho a le mong o amohela data, e mong oa e etsa mohlala, oa boraro oa e etsa, mehato ea bone" joalo-joalo;
Oho, ha rea lokela ho ntlafatsa lihlopha tsa rona tsa Data Science ho ntlafatsa tlhahiso. Leha ho le joalo, u etsa sena ha u utloisisa seo u se hlahisang: lipini kapa ntho e 'ngoe,' me u leke ho eketsa bokhoni. Sepheo sa mela ea kopano ke ho phetha mosebetsi. Re tseba hantle seo re se batlang - li-pins (joaloka mohlala oa Smith), empa sehlahisoa kapa tšebeletso leha e le efe e ka boleloa moo litlhoko li hlalosang ka botlalo likarolo tsohle tsa sehlahisoa le boitšoaro ba sona. Mosebetsi oa basebetsi ke ho phethahatsa litlhoko tsena ka katleho kamoo ho ka khonehang.
Empa sepheo sa Data Science ha se ho qeta mesebetsi. Ho e-na le hoo, sepheo ke ho hlahloba le ho nts'etsapele menyetla e mecha ea khoebo. Lihlahisoa le lits'ebeletso tsa algorithm tse joalo ka lits'ebetso tsa likhothaletso, litšebelisano tsa bareki, likarolo tsa likhetho tsa setaele, boholo, moralo oa liaparo, ntlafatso ea thepa, ho lemoha mokhoa oa selemo le tse ling tse ngata li ke ke tsa ntlafatsoa esale pele. Li tlameha ho ithutoa. Ha ho na meralo ea ho ikatisa, tsena ke menyetla e mecha e nang le lipelaelo tsa tlhaho. Li-coefficients, mehlala, mefuta ea mehlala, li-hyperparameter, lintlha tsohle tse hlokahalang li tlameha ho ithutoa ka liteko, teko le phoso, le ho pheta-pheta. Ka lithapo, koetliso le moralo li etsoa pele ho tlhahiso. Ka Saense ea data, u ithuta joalo ka ha u etsa, eseng pele.
Femeng ea li-pin, ha koetliso e tla pele, ha re lebelle ebile ha re batle hore basebetsi ba ntlafatse tšobotsi efe kapa efe ea sehlahisoa ntle le ho ntlafatsa katleho ea tlhahiso. Mesebetsi e khethehileng e utloahala hobane e lebisa ts'ebetsong ea ts'ebetso le botsitso ba tlhahiso (ntle le liphetoho sehlahisoa sa ho qetela).
Empa ha sehlahisoa se ntse se tsoela pele 'me sepheo e le koetliso, tsebo e khethehileng e kena-kenana le lipakane tsa rona maemong a latelang:
1. E eketsa litšenyehelo tsa ho hokahanya.
Ke hore, litšenyehelo tseo li bokellanang nakong ea puisano, ho buisana, ho lokafatsa le ho beha pele mosebetsi o lokelang ho etsoa. Litšenyehelo tsena li phahame haholo ho feta palo ea batho ba amehang. (Joalokaha J. Richard Hackman a re rutile, palo ea likamano r e ntse e hōla ka tsela e ts'oanang le mosebetsi oa palo ea mantsoe n ho ea ka equation ena: r = (n^2-n) / 2. 'Me kamano e' ngoe le e 'ngoe e senola palo e itseng ea likamano tsa litšenyehelo.) Ha bo-rasaense ba data ba hlophisitsoe ka ts'ebetso, mohatong o mong le o mong, ka phetoho e 'ngoe le e' ngoe, phepelo e 'ngoe le e' ngoe, joalo-joalo, litsebi tse ngata lia hlokahala, tse eketsang litšenyehelo tsa ho hokahanya. Mohlala, baetsi ba lipalo-palo ba batlang ho leka likarolo tse ncha ba tla tlameha ho hokahana le baenjiniere ba data ba eketsang sete ea data nako le nako ha ba batla ho leka ntho e ncha. Ka mokhoa o ts'oanang, mofuta o mong le o mong o mocha o koetlisitsoeng o bolela hore moetsi oa mohlala o tla hloka motho eo a ka hokahanyang le eena ho o kenya tlhahiso. Litšenyehelo tsa ho hokahanya li sebetsa e le theko ea ho pheta-pheta, ho etsa hore ho be thata le ho bitsa chelete e ngata le ho etsa hore thuto e tloheloe. Sena se ka sitisa ho ithuta.
2. E etsa hore nako ea ho leta e be thata.
Ntho e nyahamisang le ho feta litšenyehelo tsa khokahano ke nako e lahlehang lipakeng tsa lichifi tsa mosebetsi. Leha litšenyehelo tsa khokahano hangata li lekantsoe ka lihora - nako eo e e nkang ho tsamaisa liboka, lipuisano, tlhahlobo ea moralo - nako ea ho leta hangata e lekantsoe ka matsatsi, libeke kapa esita le likhoeli! Mananeo a litsebi tse sebetsang a thata ho leka-lekana hobane setsebi se seng le se seng se tlameha ho ajoa ho pholletsa le merero e mengata. Seboka sa hora sa ho buisana ka liphetoho se ka nka libeke ho lokisa tšebetso. 'Me ka mor'a ho lumellana ka liphetoho, hoa hlokahala ho rera mosebetsi oa sebele ka boeona molemong oa merero e meng e mengata e nkang nako ea ho sebetsa ea litsebi. Mosebetsi o amanang le ho lokisa likhoutu kapa lipatlisiso tse nkang lihora kapa matsatsi a seng makae feela hore o phethe, o ka nka nako e telele pele lisebelisoa li fumaneha. Ho fihlela ka nako eo, ho pheta-pheta le ho ithuta ho emisitsoe.
3. E fokotsa moelelo oa taba.
Karohano ea mosebetsi e ka fokotsa ho ithuta ka mokhoa oa maiketsetso ka ho putsa batho bakeng sa ho lula litseleng tsa bona tse khethehileng. Ka mohlala, rasaense oa lipatlisiso ea tlamehang ho lula ka har'a tekanyo ea ts'ebetso ea hae o tla tsepamisa matla a hae ho leka mefuta e sa tšoaneng ea li-algorithms: regression, neural networks, random forest, joalo-joalo. Ehlile, khetho e ntle ea algorithm e ka lebisa ntlafatsong e ntseng e eketseha, empa ho na le ho hongata ho ka fumanoang mesebetsing e meng, joalo ka ho kopanya mehloli e mecha ea data. Ka mokhoa o ts'oanang, e tla thusa ho theha mohlala o sebelisang matla ohle a hlalosang a fumanehang ho data. Leha ho le joalo, matla a eona a ka ba ho fetola ts'ebetso ea sepheo kapa ho fokotsa litšitiso tse itseng. Sena se thata ho bona kapa ho se etsa ha mosebetsi oa hae o lekanyelitsoe. Hobane rasaense oa mahlale a sebetsa ka thata ho ntlafatsa li-algorithms, ha a na monyetla oa ho etsa eng kapa eng, leha e ka tlisa melemo e mengata.
Ho bolela matšoao a hlahang ha lihlopha tsa mahlale a data li sebetsa joalo ka lifeme tsa phini (mohlala, lintlafatsong tse bonolo tsa maemo): "ho emetse liphetoho tsa liphaephe tsa data" le "ho leta lisebelisoa tsa ML Eng" ke li-blockers tse tloaelehileng. Leha ho le joalo, ke lumela hore tšusumetso e kotsi haholo ke seo u sa se hlokomeleng, hobane u ke ke ua ikoahlaela seo u seng u ntse u sa se tsebe. Ts'ebetso e se nang sekoli le ho se tsotelle ho fumanoeng ka ho finyella katleho ea ts'ebetso ho ka pata 'nete ea hore mekhatlo ha e tsebe melemo ea ho ithuta eo e lahleheloang ke eona.
Tharollo ea bothata bona, ehlile, ke ho tlosa mokhoa oa phini ea fektheri. Ho khothaletsa ho ithuta le ho pheta-pheta, likarolo tsa bo-ramahlale ba data li tlameha ho ba tse akaretsang empa ka boikarabello bo pharaletseng bo sa ipapisitseng le ts'ebetso ea tekheniki, ke hore, ho hlophisa bo-ramahlale ba data hore ba ntlafatsoe bakeng sa ho ithuta. Sena se bolela ho hira "litsebi tse feletseng tsa li-stack" - litsebi tse akaretsang tse ka khonang ho etsa mesebetsi e sa tšoaneng, ho tloha mohopolong ho ea ho mohlala, ho kenya ts'ebetsong ho isa tekanyong. Ke habohlokoa ho hlokomela hore ha ke fane ka maikutlo a hore ho hira talenta e feletseng ho lokela ho fokotsa palo ea basebetsi. Ho e-na le hoo, ke tla nka feela hore ha li hlophisitsoe ka tsela e fapaneng, litšusumetso tsa bona li tsamaisana hamolemo le melemo ea ho ithuta le ea ts'ebetso. Ka mohlala, ha re re u na le sehlopha sa batho ba bararo ba nang le litsebo tse tharo tsa khoebo. Fekthering ea li-pin, setsebi se seng le se seng se tla nehela karolo ea boraro ea nako ea sona mosebetsing o mong le o mong, kaha ha ho motho e mong ea ka etsang mosebetsi oa hae. Ka bongata bo felletseng, setsebi se seng le se seng se inehetse ka botlalo ts'ebetsong eohle ea khoebo, ho phahamisa le ho koetlisa.
Ka batho ba fokolang ba tšehetsang potoloho ea tlhahiso, khokahanyo e fokotsehile. The generalist e tsamaea ka metsi pakeng tsa likarolo, ho atolosa phala ea data ho eketsa lintlha tse ngata, ho leka likarolo tse ncha ka mehlala, ho sebelisa liphetolelo tse ncha ho hlahisa litekanyo tsa sesosa, le ho pheta-pheta mehato kapele ha maikutlo a macha a hlaha. Ehlile, seteishene sa kariki se etsa mesebetsi e fapaneng ka tatellano eseng ka ho bapisa. Etsoe, ke motho a le mong feela. Leha ho le joalo, ho phetha mosebetsi hangata ho nka karoloana feela ea nako e hlokahalang ho fumana mohloli o mong o khethehileng. Ka hona, nako ea ho ikoetlisa e ea fokotseha.
Kakaretso ea rona e kanna ea se be le tsebo joalo ka setsebi mosebetsing o itseng, empa ha re hahamalle bakeng sa phetheho ea ts'ebetso kapa ntlafatso e nyane. Ho e-na le hoo, re ikitlaelletsa ho ithuta le ho fumana liphephetso tse ngata le ho feta tse nang le tšusumetso e fokolang. Ka maemo a akaretsang bakeng sa tharollo e felletseng, o bona menyetla eo setsebi se ka e hlolohelang. O na le mehopolo e mengata le menyetla e mengata. Le eena oa hloleha. Leha ho le joalo, litšenyehelo tsa ho hlōleha li tlaase ’me melemo ea ho ithuta e phahame. Asymmetry ena e khothalletsa ho pheta-pheta ka potlako le ho putsa ho ithuta.
Ho bohlokoa ho hlokomela hore palo ea boits'oaro le bokhoni bo fapaneng bo fuoang bo-ramahlale bo felletseng bo itšetlehile haholo ka ho tiea ha sethala sa data seo ho ka sebetsoang ho sona. A hantle etselitsoeng ya data sethaleng abstracts ya data bo-rasaense ho tswa ho rarahaneng ea containerization, ajoa tshebetso, othomathike failover, 'me tse ling tse tsoetseng pele khomphuta dikgopolo tsa. Ntle le ho hlakoloa, sethala sa data se matla se ka fana ka khokahanyo e se nang moeli ho meaho ea liteko, ho beha leihlo le tlhokomeliso, ho nolofalletsa ho lekanya le ho bona liphetho tsa algorithmic le ho lokisa liphoso. Likarolo tsena li entsoe 'me li hahiloe ke baenjiniere ba li-platform tsa data, ho bolelang hore ha ba fetisetsoe ho rasaense oa data ho ea ho sehlopha sa nts'etsopele ea sethala sa data. Ke setsebi sa Data Science se ikarabellang bakeng sa khoutu eohle e sebelisoang ho tsamaisa sethala.
Le 'na, ka nako e 'ngoe ke ne ke thahasella karohano ea mesebetsi e sebetsang ka katleho ea ts'ebetso, empa ka liteko le phoso (ha ho na mokhoa o betere oa ho ithuta), ke ile ka fumana hore mesebetsi e tloaelehileng e thusa ho ithuta le boqapi le ho fana ka metrics e nepahetseng: ho sibolla le ho aha menyetla e mengata ea khoebo ho feta mokhoa o ikhethileng. (Tsela e sebetsang haholoanyane ea ho ithuta ka mokhoa ona oa ho hlophisa ho feta teko le phoso eo ke fetileng ho eona ke ho bala buka ea Amy Edmondson ea Team Collaboration: Kamoo Mekhatlo e Ithutang, e Hlahisa le ho Hlolisana ka Moruo oa Tsebo).
Ho na le mehopolo e meng ea bohlokoa e ka etsang hore mokhoa ona oa ho hlophisa o ka tšeptjoa haholoanyane lik'hamphaning tse ling. Mokhoa oa ho pheta-pheta o fokotsa litšenyehelo tsa teko le phoso. Haeba litšenyehelo tsa phoso li phahame, u ka 'na ua batla ho li fokotsa (empa sena ha se khothalletsoe bakeng sa likopo tsa bongaka kapa tlhahiso). Ho feta moo, haeba u sebetsana le li-petabyte kapa li-exabyte tsa data, ho ka hlokahala tsebo e khethehileng ea boenjiniere ba data. Ka mokhoa o ts'oanang, haeba ho boloka bokhoni ba khoebo ea inthaneteng le ho fumaneha ha bona ho le bohlokoa ho feta ho li ntlafatsa, bokhabane bo sebetsang bo ka fokotsa ho ithuta. Qetellong, mohlala o feletseng oa stack o itšetlehile ka maikutlo a batho ba tsebang ka oona. Ha se li-unicorn; u ka li fumana kapa ua li lokisetsa ka bouena. Leha ho le joalo, li batloang haholo 'me ho li hohela le ho li boloka ho tla hloka matšeliso a tlholisano, litekanyetso tse matla tsa khoebo le mosebetsi o thata. Etsa bonnete ba hore setso sa k'hamphani ea hau se ka tšehetsa sena.
Leha ho na le tsohle tse boletsoeng, ke lumela hore mohlala o felletseng oa stack o fana ka maemo a matle a ho qala. Qala ka bona, 'me u ele hloko ho ea karolong e sebetsang ea mosebetsi hafeela ho hlokahala.
Ho na le bofokoli bo bong ba mosebetsi o khethehileng. Sena se ka etsa hore basebetsi ba lahleheloe ke boikarabelo le ho se tsotelle. Smith ka boeena o nyatsa karohano ea mosebetsi, a fana ka maikutlo a hore e lebisa ho fokotseng ha talenta, ke hore. basebetsi ba hloka tsebo le ho ikhula kaha mesebetsi ea bona e lekanyelitsoe mesebetsing e seng mekae e iphetang. Le hoja tsebo e khethehileng e ka fana ka katleho ea ts'ebetso, ha e na monyetla oa ho susumetsa basebetsi.
Ka lehlakoreng le leng, likarolo tse fapaneng li fana ka lintho tsohle tse tsamaisang khotsofalo ea mosebetsi: boipuso, boqhetseke le morero. Boikemelo ke hore ha ba itšetlehe ka letho ho fihlela katleho. Bohlale bo itšetlehile ka melemo e matla ea tlholisano. 'Me moelelo oa morero o ka monyetla oa ho ba le tšusumetso khoebong eo ba e thehang. Haeba re ka etsa hore batho ba thabele mosebetsi oa bona le ho ba le tšusumetso e kholo k'hamphaning, joale ntho e 'ngoe le e' ngoe e tla oela sebakeng.
Source: www.habr.com