データサイエンスのスキルセットを拡大するために次のステップを踏みましょう

データサイエンスのスキルセットを拡大するための次のステップ

<p>データサイエンスのキャリアで進歩するために必要なスキルは多様で、ますます学際的になっています。統計やプログラミングなどとは異なり、これらのスキルは学位プログラムやブートキャンプなどの構造化された教育環境だけでは十分に獲得することはできません。幸い、TDSの著者は非常に多様な専門的なバックグラウンドと個人的な経験を持っており、様々な組織での実践的な経験に基づく貴重な情報を提供しています。今週のハイライトでは、データサイエンスの仕事において技術的でないが重要な側面に焦点を当てた記事をご紹介します。これらの記事は、これらの専門家たちの実体験に基づく貴重な洞察を提供しています。</p><ul><li><a href=”https://www.voagi.com/oh-manage-change-thats-what-you-meant.html”><strong>ああ、”変化の管理”を意味したのですね？</strong></a>データサイエンスの領域は常に変化し続けており、ビジネスの優先事項が変動する組織内での変化管理はさらに困難です。マーク・デルバエレ氏は、データチームの文脈での変化管理の困難さについて解説し、リーダーや個々のメンバーが時に矛盾する目標をどう調整するかについて考察しています。</li><li><a href=”https://www.voagi.com/datadriven-storytelling-alternative-visualizations.html”><strong>データストーリーテリングにおける4つのD：科学を芸術に変える</strong></a><strong>”データサイエンティストの仕事は、ストーリーテリングがなければ単なるデジタルな占いに過ぎません”と、Zijing Zhu, PhD氏が述べており、彼は基本的な可視化だけではなく、データの洞察を効率的かつ効果的に提供するための詳細なフレームワークを共有しています。</li><li><a href=”https://www.voagi.com/know-your-audience-preparing-for-technical-presentations.html”><strong>聴衆を知る：技術プレゼンテーションの準備ガイド</strong></a><strong>ジョン・レナハン</strong>は、データストーリーテリングのテーマについて別の視点からアプローチし、データに焦点を当てたプレゼンテーションの具体的なアドバイスを提供しています。同僚や関係者との関与し、彼らの懸念に対処するためのインサイトをどのように構造化するかについて説明しています（終了したら、ジョンのデータを統一的な物語に翻訳する方法についての記事も読んでみてください）。</li></ul><figure><img alt=”Terri Bleekerによる写真（提供元：Unsplash）” src=”https://ai.miximages.com/miro.medium.com/v2/resize:fit:640/0*cpHtOUv8s8Fic905″/><figcaption aria-hidden=”true”>写真 by <a href=”/?s=Terri Bleeker”>Terri Bleeker</a> on <a href=”/?s=Unsplash”>Unsplash</a></figcaption></figure><ul><li><a href=”https://www.voagi.com/6-musthave-data-science-skills-for-tech-applications-a-spotify-data-scientists-guide-halloween.html”><strong>主要な技術企業に就職する前に獲得すべき6つの必須データサイエンススキル</strong></a>最新のキャリアに焦点を当てたガイドで、<a href=”/?s=Khouloud El Alami”>Khouloud El Alami</a>は、主要なテクノロジー企業のポジションに競争力のある候補者になりたい場合にデータサイエンティストがしっかりとした基盤を持つ必要がある重要な領域に詳しく触れています。Spotifyでの経験に基づいて、Khouloudは技術的なスキルと非技術的なスキルの両方をカバーし、すべてのスキルが最終的に計測可能なインパクトにつながるように説明しています。</li><li><a href=”https://www.voagi.com/3-career-decisions-for-junior-data-scientists.html”><strong>初級データサイエンティストのための3つのキャリア上の決断</strong></a>この分野は比較的新しいですが、データプロフェッショナルのためのキャリアパスは既に確立されています。しかし、それに従わないキャリアを望む場合はどうでしょうか？<a href=”/?s=Matt Chapman”>Matt Chapman</a>の新しい記事では、早い段階のキャリアの人々に自分の優先事項を考え、自分にとって本当に重要なことを考え、それに基づいて追求すべき役割のタイプを形成するように招待しています。</li></ul><p>さらに、あなたがどちらの方向でもスキルや知識を広げたい場合も、おすすめの読み物がありますので、お見逃しなく。</p>

• 新鮮な視点でレコメンデーションシステムを知りたい方は、Irene ChangのThompson sampling入門をご覧ください。これは、このよく知られたアルゴリズムツールに関する連載の第一部です。
• 機械学習における疑似乱数とその役割については、Caroline Arnoldのわかりやすく、図解豊富な入門書をご覧ください。
• Michael Galkinと共著者が最新の研究を紹介し、知識グラフ推論のための基本モデルULTRAを紹介します。
• 最近の詳細な解説では、Ms Aerinが人間のフィードバックからの強化学習(RLHF)とその役割を探求し、大規模言語モデルの進歩に寄与しています。
• Carolina Bentoの新しい解説記事をご紹介します。直感的な実装を含む隠れマルコフモデルの実生活の例とPythonコードを使った実演ガイドです。
• デビュー記事では、Jon Flynnが、AIにおける持続的学習の現状とモデル更新の(大きな)課題への取り組みを詳細かつ包括的に説明しています。

弊社の著者の活動をサポートいただき、ありがとうございます！TDSで読まれる記事がお気に召されましたら、VoAGIメンバーになることを検討してください。これにより、弊社のアーカイブ全体(およびVoAGI上の他のすべての投稿)にアクセスできます。

次のVariableまで、

TDS編集部

• エンタープライズデータの力を活用するための生成AI：Amazon Kendra、LangChain、および大規模言語モデルによる洞察
• 「データの血統と現代データ管理におけるその重要性」
• ケンブリッジ大学の研究者が50,000枚の合成された写真リアルな足のイメージデータセットと新しいAIライブラリを紹介

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!