Меню
Data Scientist
Применяет всю мощь математического и матфиз аппарата для обработки больших биологических данных.
- Сформулировать прикладную задачу совместно с узкими специалистами доменной области
- найти взаимосвязь генов
- найти корреляцию величин
- улучшить бизнес метрику
- проанализировать A/B тест
- сформулировать гипотезу
- Найти источник данных
- Загрузить данные из источника
- описание данных
- Предобработать данные
- ошибки
- адекватность
- выбросы
- дубликаты
- Провести первоначальный анализ данных
- построить графики
- найти зависимости
- сделать выводы
- статистический анализ
- Подобрать алгоритм или модель машинного обучения для решения задачи, сформулировать прикладную задачу в терминах алгоритма или машинного обучения
- Выбрать метрику для будущего алгоритма или модели машинного обучения, обосновать выбор
- Обучить модель, применить алгоритм на тренировочной выборке, довести метрики до максимума
- Применить алгоритм или модель машинного обучения на тестовой выборке
- Провести проверку, сделать итоговые выводы
- сделать итоговые расчёты
- вывести итоговые метрики и показатели
- построить графики
- написать принята или отвергнута гипотеза и с какой надёжностью
- Выгрузить данные и пайплайн (например ipynb-файл или весь репозиторий) в открытый доступ на GitHub или Kaggle, дать ссылки в чатах-сообщества
- Выгрузить обученную модель в открытый доступ (например на HuggingFace)
- Развернуть модель/алгоритм как сервис, написать API для простого использования другими людьми на своих данных, например в Docker контейнере
- Транслировать весь процесс разработки решения для обучения на полноценном примере, воспроизводимости другими людьми и популяризации со стороны навыков и задач Data Science для задачи радикального продления жизни