提供永久免费的API接口，查看更多API接口，如果您有其他免费API资源，请联系我们，造福人类。

定制开发，免费评估，免费咨询，价格便宜，售后保障，前往开发服务中心或联系开发客服中心

构建深入且持续的数据科学能力并非易事：需要合适的人员、流程和技术。正如雇主和求职者都可以证明的那样，为合适的角色找到合适的人是一项持续不断的挑战。

高级分析与营销全球主管约翰·汤普森（John Thompson）说：“人的部分可能是整个等式中最不为人所理解的方面。”；CSL Behring的AI，在周四的一次虚拟小组讨论中说。

作为一家领先的国际生物技术公司的分析主管，汤普森负责监管数据科学团队，这些团队处理各种各样的计划。他和MLOps公司Domino Data Lab主持的虚拟小组的专家们一致认为，扩展数据科学需要的不仅仅是数据科学家。

为了启动CSL Behring的数据科学计划，汤普森说，他从“项目成功所需的骨干团队”开始。该团队通常包括工程师，数据科学家、UI或UX数据可视化专家和主题专家。

一个成功的数据科学团队还需要一位能够确保项目始终专注于业务目标的领导者。

马特·阿斯利特说：“如果我们说数据科学是一项团队运动，你不仅需要所有的球员，还需要一名教练。”，数据研究总监，AI&；451 Research的分析频道。

很明显，一个完整的数据科学团队不仅仅由数据科学家组成，但整合It部门内的数据科学团队并不一定明智，Nick Elprin补充道，多米诺数据实验室首席执行官兼联合创始人。

他说：“我们在与我们合作的公司中看到的最成功的一件事是，他们将这些团队与业务目标紧密结合起来。”你如何指导他们的工作并确定优先顺序，你越接近公司的核心目标，你就越有可能[成功]。Elprin说：“当你投入更多的工作时，你就离核心目标越来越远了。”

P>管理者也需要考虑他们的团队在招聘时的组织方式。他们应该问，他说，“你将把什么类型的技能作为这个角色的核心，你将与其他人合作，你将增强哪些技能？

“公司成功地[建立数据科学团队]与了解统计数据和基本编程的人合作，并与了解devOps或其他工程能力的人合作，Elprin补充说，同时，重要的是要考虑到专业数据科学家真正需要的是什么工具，而不是“民主化”数据科学和机器学习的工具。

< P>“这取决于你把数据科学和机器学习的人指向的问题的本质，”Elprin说。对于商品化问题，一些auto ML解决方案是有效的。如果你谈论的是一个独特于你的业务或你的差异化核心的问题，你需要更多的。。。开发您自己的专有模型并使用代码的强大功能来表达这些想法所带来的灵活性。”

最后，汤普森指出，推进有影响力的数据科学项目需要高管的认可。

“真正的挑战是宏观层面的变更管理过程，这实际上与数据科学过程无关，”他说。为了实现全面数据科学计划的全部价值，他表示，向高管传达“最终将推动变革”的信息非常重要。你需要准备好推动变革。。。如果你不想这么做也许我们应该做个项目，“不是一个计划。”

Lumen将私有云服务扩展到边缘

思科第四季度的产品订单增长略高于预计的强劲增长

Facebook分享人工智能进步，改善内容适度性

SoundCommerce与谷歌云合作，通过注册帮助品牌“像亚马逊一样行动”

，您同意使用条款并确认隐私政策中概述的数据实践。

您还将免费订阅ZDNet的今日技术更新和ZDNet公告时事通讯。您可以随时取消订阅这些时事通讯。

您同意接收CBS公司系列的更新、提醒和促销活动，包括ZDNet的今日技术更新和ZDNet公告时事通讯。您可以随时取消订阅

2023-03-22 10:04:41