The creativity of a Data Scientist
Think of a creative baker: the image that pops into your mind is probably of someone with an endless stream of ideas who then translates them into beautiful (and hopefully tasty) confectionery. A creative architect? Of course: someone who takes a seemingly boring project and brings it to life, delighting the people who occupy and move around in a new space.
What about a data scientist? Does creativity in the field come in the form of developing new machine learning models? Applying academic research to real-world problems? Running innovative A/B tests? Finding unlikely solutions to thorny problems? In a field so resistant to stable definition, it can be hard to say for sure; but when we see it, we know it's there, and happily so. And here are just a few examples.
- Learn howow graphical analysis can help detect healthcare fraud. "What happens when the problem is less about the number and more about the network?" Lina Faik combines machine learning and graphical analysis to explore a specific use case - fraud detection in the healthcare sector - and shows how it can improve model performance without sacrificing interpretability.
- Avoid a common pitfall to make sense of your data. Eric J. Daza, comes down to calling your shot after you've made it, in other words, adapting your theory to the results you have. It's a tempting move in the face of uncertain or confusing results, but it's a trap you want to stay aware of, or statistical overlearning awaits you.
- Améliorez vos compétences en narration et en présentation. Vicky Yu a couvert beaucoup de sujets sur la data, y compris les réflexions sur l’évolution du rôle des analystes de données. Cependant, quelle que soit la description de poste, les parties prenantes ne peuvent pas apprécier vos contributions si vous ne les expliquez pas d’une manière qu’ils peuvent comprendre.
- Explorez de nouvelles frontières à l’intersection des données et de la biologie. Les derniers travaux de Daniel Bojar portent sur les glycanes, des glucides complexes qui jouent un rôle clé dans des processus tels que l’infection virale ou l’évasion immunitaire tumorale. Ici, il se tourne vers les réseaux de neurones convolutifs (GCN) pour définir un nouvel état de l’art pour l’analyse de ces composés.
- Discover how a data team developed a new approach to meet a business need. Working in industry requires fast, creative solutions to complex problems. Jonathan Ramkissoon, explains the whole process that led him to leverage semantic understanding and user behavior to classify the types of documents users upload to the platform.
- Brisez certaines règles (ou créez-en de nouvelles). La créativité réside souvent dans l’équilibre entre maîtriser les règles et les contourner de manière réfléchie et intentionnelle. Semi-Koen a compilé pas moins de 35 éléments de règles conventionnelles en matière de développement de logiciels qui s’appliquent également à la science des données. Beaucoup sont ironiques, mais tous sont une invitation à repenser la façon dont nous menons notre travail.
Pour découvrir toutes les compétences que doit avoir un Data Scientist n’hésitez pas à lire notre article sur l’ensemble des compétences en Data Science !
Vous cherchez une nouvelle opportunité dans le domaine du Big Data ? Cliquez ici pour accéder en avant-première à notre nouvelle plateforme d’emploi boostée à l’IA.
Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Medium, Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !