Специалист по анализу данных (data scientist)

«Профессии будущего» — это не только что-то до сих пор невиданное и неизведанное. Среди них есть и «классические» профессии, существующие уже много лет, но получившие в последнее время принципиально новое содержание, и профессии, для которых ещё недавно даже не существовало названия. 
Обрабатывает и анализирует большие массивы структурированных или неструктурированных данных с помощью методов статистического анализа и построения математических моделей; находит скрытые закономерности и делает прогнозы для повышения эффективности бизнес-решений, социальных взаимодействий, научных исследований.

В связи с цифровизацией социальной жизни профессия data scientist востребована практически во всех отраслях экономики.

Выпускники могут заниматься аналитикой в частных компаниях и государственных органах, осуществлять методологическую и технологическую поддержку деятельности команд, которые работают с большими данными.

Data scientist зачастую является членом междисциплинарной команды, включающей в себе архитектора данных, инженеров данных, аналитиков предметной области и других специалистов. Специалист по анализу данных может найти применение своим умениям и навыкам в научно-исследовательской деятельности.

Какие задачи будет решать специалист:

сбор больших массивов структурированных и неструктурированных данных и их преобразование в удобный формат;

анализ данных с помощью методов математической статистики, моделирования и других аналитических методов в целях повышения эффективности управленческих решений;

превращение инсайтов (выявленных нео­чевидных закономерностей) в конкретные решения для бизнеса;

сотрудничество с ИТ-подразделениями и управленцами;

визуализация данных.

Какие знания и навыки у него будут:

умение структурировать и интегрировать разнородные источники данных;

умение применять методы системного анализа при постановке задач;

продвинутый уровень цифровых навыков;

навыки программирования и работы с базами данных;

знание методов дискретной математики, математической статистики, машинного обучения и компьютерной лингвистики;

способность разрабатывать математические модели выявления зависимостей, распознавания образов, прогнозирования и принятия решений;

презентационные навыки.