Data scientist. Kim jest poszukiwany specjalista od AI?

Przeczytaj także: Zawody przyszłości: analityk danych potrzebny od zaraz

Słowem wstępu warto przypomnieć, czym właściwie jest data science. Najkrócej rzecz ujmując jest to nauka o danych, która skupia swoją uwagę zarówno na rozpoznawaniu powtarzalnych wzorców w zbiorach danych, ale także na ich przekształcaniu w taki sposób, aby stawały się łatwiej dostrzegalne. A zatem, data science to nic innego niż sposób na wyłuskanie z danych często ukrytych głęboko informacji.

To właśnie data science umożliwia nam tworzenie algorytmów, za sprawą których wdrażany jest cały zestaw praktycznych, codziennie przez nas wykorzystywanych funkcji. Mowa tu chociażby o przekształcaniu mowy w pismo, funkcji dostępnej w wielu bazujących na Androidzie smartfonach, w których wciśnięcie ikony mikrofonu pozwala nam podyktować tekst zamiast go wpisywać.

Innym przykładem na zastosowanie tego rozwiązania są podpowiedzi produktów w sklepie internetowym. Analiza tysięcy, a w przypadku Amazona – milionów dokonanych przez innych użytkowników transakcji, pozwala na sugerowanie produktów powiązanych z naszym wyborem, których prawdopodobnie możemy potrzebować.

Data scientist, czyli kto

Data scientist (badacz danych) to osoba, której głównym zadaniem jest zrozumienie danych, opracowanie i dostrojenie algorytmu, który pozwoli rozwiązać konkretny problem zgłaszany przez klienta. Poza operowaniem dużymi zbiorami danych, data scientist potrafi także efektywnie komunikować się z menedżerami i innymi interesariuszami, którzy definiują konkretny problem oraz oczekiwane rezultaty działania algorytmu.

Data scientist musi posiadać dużą wprawę w operowaniu danymi – umieć pobrać je z bazy danych, przetworzyć, odpowiednio oczyścić z błędnych, niepasujących wpisów. To, co odróżnia zadania badacza danych od obowiązków programisty czy analityka biznesowego, to przeprowadzenie wnioskowania na bazie przetworzonych już danych i dobór odpowiedniego algorytmu. Przydaje się tu znajomość statystyki matematycznej, rachunku prawdopodobieństwa i algebry liniowej, ale to nie wszystko. Konieczna jest orientacja w konkretnych metodach i algorytmach stosowanych zwłaszcza w uczeniu maszynowym (machine learning), czyli np. znajomość modeli opartych o sieci neuronowe czy modne ostatnio lasy losowe.

Data scientist to nie tylko specjalista od analizy danych z mocnymi kompetencjami programistycznymi i testowania kodu. Na rynku pracy liczą się także kompetencje miękkie, takie jak empatia, zrozumienie potrzeb klientów biznesowych i wysokie umiejętności komunikacyjne, które pomogą wyjaśnić zastosowane rozwiązania osobom bez przygotowania technicznego. Zastosowane modele są często na tyle skomplikowane, że nie jest łatwo przekonać osoby, które podejmują ostateczną decyzję o wdrożeniu danego algorytmu, że będzie to decyzja dobra. Kolejną ważną cechą specjalisty od data science jest cierpliwość. Proces uczenia algorytmów może trwać bardzo długo, nawet na najszybszych komputerach i musi być wielokrotnie powtarzany aż do uzyskania zadowalającego efektu – mówi dr inż. Piotr Szajowski, Data Scientist z wrocławskiego biura Capgemini Polska.

Badacze danych poszukiwani

O rosnącym zapotrzebowaniu na tego typu specjalistów świadczą twarde dane.

Data Science to bardzo dynamicznie rozwijająca się gałąź branży IT, co doskonale pokazały ostatnie miesiące. Jeszcze na początku 2019 roku na naszym portalu widniało zaledwie kilkanaście ogłoszeń z kategorii "Data", natomiast obecnie jest to blisko 50 ofert z całej Polski. Wraz ze wzrostem ilości ogłoszeń wzrosła również ilość kandydatów aplikujących na poszczególne stanowiska. Porównując początek roku z aktualną sytuacją zanotowaliśmy niemal 5-krotny wzrost średniej ilości aplikacji na każde stanowisko – podkreśla Michał Szum, Customer Care Team Leader w JustJoinIt.

Kogo najczęściej poszukują pracodawcy?

Najchętniej poszukiwani są Data Scientists oraz Analitycy Biznesowi, którzy niekoniecznie muszą znać jakąkolwiek z technologii programowania, a jeżeli już pojawia się ona w wymaganiach, to najczęściej pada na SQL oraz Python. Co kluczowe dla tego typu stanowisk, to przede wszystkim umiejętność analitycznego myślenia, znajomość zagadnień statystycznych czy rozumienie, jakich informacji mogą udzielić duże zbiory danych, czyli big data – mówi Michał Szum, Customer Care Team Leader w JustJoinIt.

Jakie projekty wspiera data scientist

Zagadnieniem, które pojawia się ostatnio dość często w różnych projektach z dziedziny sztucznej inteligencji jest wykrywanie anomalii. Nasi klienci zamawiają i utrzymują u nas duże, skomplikowane systemy IT, a te – z natury rzeczy – wymagają szybkiej reakcji na wszelkie zaobserwowane odstępstwa od normalnego działania.

Każde odstępstwo od normalnego działania systemów może oznaczać przestoje, złą jakość produktów, utratę cennych danych, utratę reputacji i inne, zwykle niemiłe konsekwencje. Automatyczne wykrywanie anomalii w działaniu systemów jest więc gorącym tematem i w naszym zespole nieustannie ktoś nad tego typu zagadnieniami pracuje. Przydają się tu zarówno metody znane z tradycyjnych obszarów statystyki matematycznej, jak i względnie nowe, opracowane w ostatnich latach modele oparte na sieciach neuronowych – mówi Marcin Stachowiak, Artificial Intelligence Development Lead w Capgemini Polska.

W wielu procesach biznesowych analiza obrazów za pomocą systemów wizyjnych jest kluczową kwestią, która pomaga ocenić czy na przykład produkt, który schodzi z linii produkcyjnej jest kompletny. Capgemnini w Polsce ma za sobą przygotowanie prototypu urządzenia, które być może w przyszłości znajdzie zastosowanie w handlu detalicznym. To inteligentny koszyk, który jest w stanie na podstawie obrazu z kamery określić, jakie produkty się w nim znajdują. Algorytmy z tej dziedziny, które zostały opracowane w ostatnich latach, pozwalają obecnie na rozpoznawanie obrazów na poziomie dokładności przewyższającej już możliwości człowieka.

Za każdym takim projektem stoi zespół profesjonalistów, w tym badaczy danych, których wiedza oraz doświadczenie pozwalają rozwijać coraz ciekawsze i praktyczne zastosowania AI, które wpływają i będą wpływać w przyszłości na sposób naszego funkcjonowania w wielu aspektach życia. Ich praca będzie znajdować swoje odzwierciedlenie także w coraz większej świadomości tych zastosowań w świecie biznesu, a co za tym idzie – w ich upowszechnieniu. Niektórzy twierdzą, że sztuczna inteligencja zmieni nasze życie tak, jak cywilizację zmieniała maszyna parowa, elektryczność, komputery, Internet, czy ostatnio – urządzenia mobilne. Od tego, jak rozwijać się będą osoby pracujące jako data scientist zależy w znacznej mierze, czy te przewidywania się sprawdzą.