タグ付けされた質問 「career」

Python / Javaの経験を求め、Rを無視するデータサイエンティストの職務記述書を何度も参照します。以下は、linkinを通じて応募した会社のチーフデータサイエンティストから受け取った個人メールです。 X、関心を示してくれてありがとう。優れた分析スキルがあります。しかし、私たちはインターネット/モバイル組織であり、すべてがオンラインであるため、すべてのデータサイエンティストはJava / Pythonの優れたプログラミングスキルを持っている必要があります。 チーフデータサイエンティストの決定を尊重しますが、RができないPythonが実行できるタスクについて明確に把握することはできません。誰でも手入れを気にかけることができますか？私は実際にPython / Javaをもっと学びたいと思っています。 編集：Quoraで興味深い議論を見つけました。 Pythonがデータサイエンティストにとって最適な言語であるのはなぜですか？ Edit2：機械学習のための言語とライブラリに関するUdacityのブログ

53 beginner  tools  career  reference-request 

私は自分を旅人のデータサイエンティストと考えています。ほとんどのように（私は思う）、私は最初のチャートを作成し、Excelを使用して高校と大学で最初の集計を行いました。大学、大学院、および7年間の実務経験を経て、SQL、R、Python、Hadoop、LaTeXなど、より高度なツールと思われるものをすぐに見つけました。 データサイエンティストの立場についてインタビューを行っており、1人の候補者が15年以上の経験を持つ「シニアデータサイエンティスト」（最近は非常に曖昧な用語）として自分自身を宣伝しています。彼が好むツールセットは何かと尋ねられたとき、彼はそれがExcelだと答えた。 私は、彼が履歴書が主張するほど経験が豊富ではなかったという証拠としてこれを取り上げましたが、確信はありませんでした。結局のところ、それが私の好みのツールではないという理由だけで、他の人のものではないという意味ではありません。経験豊富なデータサイエンティストはExcelを使用していますか？主にExcelを使用している人の経験不足を想定できますか？

37 tools  career  excel 

私は、100個の数値特徴を備えた50kの例で勾配ブースティングモデルをトレーニングしようとしています。XGBClassifier一方、私のマシンで43秒以内に、ハンドル500本の木、GradientBoostingClassifierハンドルのみ10樹木（！）1分2秒:(私は気にしませんでしたでは、それは時間がかかるだろうと500本の木を育てるしようとしている。私は、同じ使用していますlearning_rateし、max_depth設定を、 下記参照。 XGBoostがこれほど速くなったのはなぜですか？sklearnの人が知らない勾配ブースティングのためのいくつかの新しい実装を使用していますか？それとも、「角を切り」、より浅い木を育てるのですか？ PS私はこの議論を知っています：https : //www.kaggle.com/c/higgs-boson/forums/t/10335/xgboost-post-competition-surveyが、そこに答えを得ることができませんでした... XGBClassifier(base_score=0.5, colsample_bylevel=1, colsample_bytree=1, gamma=0, learning_rate=0.05, max_delta_step=0, max_depth=10, min_child_weight=1, missing=None, n_estimators=500, nthread=-1, objective='binary:logistic', reg_alpha=0, reg_lambda=1, scale_pos_weight=1, seed=0, silent=True, subsample=1) GradientBoostingClassifier(init=None, learning_rate=0.05, loss='deviance', max_depth=10, max_features=None, max_leaf_nodes=None, min_samples_leaf=1, min_samples_split=2, min_weight_fraction_leaf=0.0, n_estimators=10, presort='auto', random_state=None, subsample=1.0, verbose=0, warm_start=False)

29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 

閉まっている。この質問はトピック外です。現在、回答を受け付けていません。 この質問を改善したいですか？ 質問を更新することがありますので、上のトピックデータサイエンススタックExchange用。 5年前に閉鎖されました。 私は、エディンバラ大学で機械学習と自然言語処理を専門とする修士課程の学生です。データマイニングに焦点を当てた実践的なコースと、機械学習、ベイジアン統計、グラフィカルモデルを扱うコースがありました。私の経歴はコンピューターサイエンスの理学士です。 ソフトウェアエンジニアリングをいくつか行い、デザインパターンなどの基本的な概念を学びましたが、大規模なソフトウェア開発プロジェクトに関与したことはありません。しかし、私はMScにデータマイニングプロジェクトがありました。私の質問は、データサイエンティストとしてのキャリアを希望する場合、まず大学院のデータサイエンティストのポジションに応募するか、大学院のソフトウェアエンジニアとしてのポジションを最初に取得すべきか、ビッグデータなどのデータサイエンスに関連するものかもしれませんインフラストラクチャまたは機械学習ソフトウェア開発？ 私の懸念は、データサイエンスのために優れたソフトウェアエンジニアリングスキルが必要になる可能性があることであり、これらが大学院のデータサイエンティストとして直接働くことで得られるかどうかはわかりません。 さらに、現時点ではデータマイニングが好きですが、将来自分のキャリアをソフトウェアエンジニアリングに変えたい場合はどうすればよいですか？データサイエンスを専門に扱うのは難しいかもしれません。 私はまだ雇用されていないので、私の知識はまだ限られています。私は修士課程を修了しようとしていますので、明確化やアドバイスを歓迎します。10月上旬に大学院への応募を開始したいと思います。

20 education  definitions  career 

閉まっている。この質問はトピック外です。現在、回答を受け付けていません。 この質問を改善したいですか？ 質問を更新して、 Data Science Stack Exchangeで話題になるようにします。 5年前に閉鎖されました。 最近誰かと会話をし、データ分析に興味があり、必要なスキルとツールを習得するつもりだと話しました。彼らは私に、ツールを学びスキルを構築するのは素晴らしいことですが、特定の分野の専門知識がない限り、そうすることにはほとんど意味がないと示唆しました。 彼らは基本的に、いくつかの木製の箱を建てることができ、より良いもの（キャビン、食器棚など）を建てることができるツールの山を持つビルダーのようになりますが、特定の分野の知識がなければ決して特定の製品のために人々が訪れるビルダーになります。 誰もこれを見つけましたか、これをどうするかについての入力がありますか？物事のデータサイエンスの側面を学び、専門化するためだけに新しい分野を学ばなければならないのが本当だと思われます。

15 education  beginner  career 

まず第一に、この用語はとてもあいまいに聞こえます。 とにかく..私はソフトウェアプログラマーです。私がコーディングできる言語の1つはPythonです。データについて言えば、SQLを使用でき、データスクレイピングを実行できます。データサイエンスが得意とする非常に多くの記事を読んだ後、これまでに私が理解したこと： 1-統計 2-代数 3-データ分析 4-視覚化。 5-機械学習。 私がこれまでに知っていること： 1- Pythonプログラミング2- Pythonでのデータスクラップ 理論と実用の両方を磨くために、専門家が私をガイドしたり、ロードマップを提案したりできますか？約8か月の時間枠を自分に与えました。

13 beginner  career 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 質問を更新して、 Data Science Stack Exchangeのトピックとなるようにします。 5年前休業。 私はデータサイエンティストになりたいです。私は応用統計学（アクチュアリーサイエンス）を研究していたので、素晴らしい統計的背景（回帰、確率過程、時系列、ほんの数例を挙げます）を持っています。しかし、今、私はインテリジェントシステムのコンピューターサイエンスに重点を置いて修士号を取得します。 これが私の研究計画です： 機械学習 高度な機械学習 データマイニング ファジーロジック 推奨システム 分散データシステム クラウドコンピューティング 知識発見 ビジネス・インテリジェンス 情報検索 テキストマイニング 最後に、すべての統計およびコンピュータサイエンスの知識があれば、自分をデータサイエンティストと呼ぶことができますか？、または私は間違っていますか？ 答えてくれてありがとう。

10 machine-learning  statistics  career 

畳み込みの説明を読んである程度理解しました。誰かがこの操作がたたみ込みニューラルネットのたたみ込みにどのように関連しているかを理解するのを手伝ってくれませんか？gウェイトをかけるフィルターのような機能ですか？

10 machine-learning  neural-network  deep-learning  cnn  convolution  machine-learning  ensemble-modeling  machine-learning  classification  data-mining  clustering  machine-learning  feature-selection  convnet  pandas  graphs  ipython  machine-learning  apache-spark  multiclass-classification  naive-bayes-classifier  multilabel-classification  machine-learning  data-mining  dataset  data-cleaning  data  machine-learning  data-mining  statistics  correlation  machine-learning  data-mining  dataset  data-cleaning  data  beginner  career  python  r  visualization  machine-learning  data-mining  nlp  stanford-nlp  dataset  linear-regression  time-series  correlation  anomaly-detection  ensemble-modeling  data-mining  machine-learning  python  data-mining  recommender-system  machine-learning  cross-validation  model-selection  scoring  prediction  sequential-pattern-mining  categorical-data  python  tensorflow  image-recognition  statistics  machine-learning  data-mining  predictive-modeling  data-cleaning  preprocessing  classification  deep-learning  tensorflow  machine-learning  algorithms  data  keras  categorical-data  reference-request  loss-function  classification  logistic-regression  apache-spark  prediction  naive-bayes-classifier  beginner  nlp  word2vec  vector-space-models  scikit-learn  decision-trees  data  programming 

私は35歳の純粋に技術的なITプロフェッショナルです。私はプログラミング、新しいテクノロジーの学習、それらの理解と実装が得意です。学校では数学が苦手だったので、数学の成績が上がらなかった ビッグデータ分析のキャリアを追求することに非常に興味があります。ビッグデータテクノロジー（Hadoopなど）よりもアナリティクスに興味がありますが、嫌いではありません。ただし、インターネットを見回すと、分析が上手な人（データサイエンティスト）は主に数学の卒業生で、PHdsを実行していて、はるかに先を行っているインテリジェントな生き物のように聞こえます。自分で事前統計を学習するのは非常に難しく、多大な労力と時間を費やす必要があるため、私の決定が正しいかどうかを考えるのが怖くなることがあります。 私の決定が正しいかどうか知りたいのですが、この仕事を一流の大学での勉強に生涯を費やし、学位とPHDを取得した知識のある人にのみ任せるべきでしょうか。

9 career 

私は意思決定科学または予測モデリングの分野で自分のキャリアを選択したいと考えています。これは一種の意見に基づいていることは承知していますが、専門家から、それを使用して正しいパスでキャリアを構築できるという提案をしたいと思います。R、SAS、その他のツールについて教えてください。データサイエンス、機械学習、または予測モデリングで作業するために知っておくべきことは何ですか。私にとって、従うべきステップを特定するのに問題があります。従うべきいくつかのステップを教えてください。

8 education  beginner  career