数据科学家之死
在2018年，《快速公司》（Fast Company）宣布数据科学家连续第三年蝉联最佳职位，这一点我完全同意（除了约克国家铁路博物馆（York National Railway Museum）的Fun导演），但是众所周知，数据科学家的作用是，很快将拥有与保龄球比赛，战车比赛和人类闹钟一样的命运。
在2000年至2010年期间，数据科学领域的主要学科领域是硕士，而线性代数和统计学领域的博士学位则结合了非编码领域（当时）的专业知识。数据科学确实强调 了处理数据的科学 ，侧重于如何在数学上验证重要性和趋势。这是帮助社会从大量大数据涌入中获得见解的重要的第一步，但是现在它有其缺点。
在象牙塔中，将自由度和向量之间的平衡推到太高的做法是很不错的，但是，对于企业而言，及时而实用的结果并不理想。最近，我听到一个有关一家财富500强公司的博士数据科学家团队的故事，他们无法从头开始改进多层神经网络模型的准确性。他们花费了数小时精心调整隐秘超参数，并在模型中添加了层，但没有成功。然后，这些数据最终落入刚从其大学学历中毕业的员工手中。快速查看数据后，他的第一步是创建一个简单的回归模型并删除所有零值，并迅速使准确性飞涨，并创建了一批具有自我意识的博士。
随着用户友好工具和GUI的功能不断增强，并且似乎每个网站都提供数据科学课程，能够执行数据科学最终将像在Excel中胜任工作。仅仅知道数据科学的来龙去脉还不够。这些工具将足够强大以处理数据“科学”方面，并且将在整个学校教授基本概念，从而将数据科学发展成为每个工作角色不可或缺的技能，而不是职称。不会再有数据科学家角色，只有使用数据科学的角色。
目前，在数据科学家职位退休之前，这些用户友好型工具和知识民主化的力量正在增加初学者数据科学家通过适当培训获得强大结果的潜力。初学者数据科学家正在引领财富500强公司中的高级AI，他们开发深度学习计算机视觉和自然语言处理模型，以进行资产的预测性维护，面部识别，并从社交媒体和新闻中产生有价值的见解。数据科学经理应该提高对团队可以达到的目标的期望，并愿意投资培训团队，以使他们对先进技术充满信心。
最终，尽管数据科学家的角色可能是在其黄金时期，但它目前仍具有惊人的机会来在整个企业中实现变革，并且应该带领Fourpeat Fast Company获得2019年最佳工作奖。
题库