蓝盟IT小贴士，来喽！
先类比一下。 作家和教授之间有什么区别？可以说两者都知道一种语言的“规则和语法”。 一个是讲叙述方法的人，另一个是“规则”严格的实践者。
数据科学家进行原始数据的处理分析，使用连接点和其他可视化工具来谈叙述方法。 他们通常有广泛的技能，深入了解的知识不超过一两个人。 他们偏向于像艺术工作者一样创造性的方面。
机器学习工程师认为接收数据，能以某种适当的形式有效地输出。 他们的技能必须是与实施细节相关的高效率的。
两者之间可能有很多重复之处，但数据科学家也可以是机器学习技术人员，否则的话。 随着他们获得更多的经验，机器学习工程师可能会实现数据科学家的说法。
在洞察力和学习等方面，数据科学需要具有一定商业的头脑的人才，机械学习需要与系统预测相关的人才。 示例：
数据科学：“城镇的这一部分，每隔2英里大约有一个加气站。”
机器学习：“看完加气站，我们走了两英里，现在就开始找别的加气站。”
接下来，让我们看一下Netflix的示例。
我知道Netflix会根据在先的选择向知识分子二烯烃推荐电影。 该推荐系统可以与机器学习算法相结合来使用，以便使用推荐系统来提供适当的电影选择。
在讨论Netflix中的数据科学时，我们研究的模型包括在特定时间看到的评论家的数量、其年龄和性别构成以及其他许多情况。 这些个的决定被用来改善业务前景. 当公司需要使用数据来回答问题或解决问题时，数据科学家的工作是从原始数据和非结构化数据中提供有用的见解。
您的数据科学家需要的技能：
统订学
数据挖掘和清理
数据可视化
非结构化数据管理技术
r、Python等软件编程语言
关于SQL数据库
使用Hadoop、Hive、Pig等大型数据工具
机器学习工程师需要的技能：
基础知识
统一建模
电子数据评估和建模
理解和应用算法
自然语言处理
数据体系结构设置修订
文本显示技术
文/上海蓝盟 IT外包专家
中文
电话咨询
微信咨询
公众号
