Комментарии 12
обновите знания по математике. Для решения рядовых задач big data не требуется докторская степень, но базовые знания по высшей математике все-таки нужны. Понимая механизмы, заложенные в основу матстатистики, вам будет проще осознавать процессы;Был бы рад увидеть статью просто со списком ключевых слов, которые требуется понимать для изучения ML (на начальном, среднем и годлайк уровне)
Очень часто спрашивают на тостере
+1
Вообще, идея была написать статью о том что большие данные не равно ML (Как впрочем ML не равно Data Science) поэтому набор ключевых слов для изучения будет свой для каждой роли в команде. Если интересно в таком разрезе — можно попробовать составить.
Конкретно про ML и DS лучше всего смотреть тут Open Data Science (не реклама, но дань уважения)
Конкретно про ML и DS лучше всего смотреть тут Open Data Science (не реклама, но дань уважения)
0
Analyst а не Analytic.
0
Data Quality – провел. Это шедевр. Data Quality – ничего провести не может. Пишите все по русски.
0
кто именно сейчас нужен в big dataподобные необычные словоформы и некорректные англицизмы вместе с маркетинговым «булшитом» не позволили прочитать статью целиком.
На мой взгляд, было бы полезнее рассказать о реальных бизнес-кейсах из вашей практики с примерами кода и более подробным описанием инфраструктуры вашего решения ML. 3 года назад, когда я работал в логистике X5, единственным известным мне примером был поиск оптимального месторасположения новых распределительных центров на основе анализа и прогноза плеча доставок / товарных потоков. Может конкретика будет в следующих статьях?
+1
Отличный пост!
Можете рассказать про Product Owner — кто он (профайл человека, ключевые компетенции)? Из какой он функции (в бизнесе или в ИТ)? какой у него уровень в иерархии и, если не секрет, какой роли репортит.
Можете рассказать про Product Owner — кто он (профайл человека, ключевые компетенции)? Из какой он функции (в бизнесе или в ИТ)? какой у него уровень в иерархии и, если не секрет, какой роли репортит.
0
Основная задача Product Owner (PO) — повышение эффективности бизнеса компании за счет внедрения аналитически продуктов «Больших данных». У нас именно PO отвечает за полный цикл работ по разработке, внедрению и поддержке продукта:
Поэтому фокус в профиле и компетенциях на знания и опыте в предметной области, бизнес-ориентированность, умение сформировать и донести ценность продукта для бизнеса.
Понятно, что для закрытия этих задач он должен уметь работать с командой – постановка целей, мотивация, вдохновение на реализацию нового.
Иерархия у нас «плоская» — подчинение PO идет напрямую директору по продуктам.
- определяет стратегию развитие продукта
- P&L
- организует сбор обратной связи от пользователей
- управление жизненным циклом сервисов и продуктов, включая мониторинг эффективности по ключевым показателям
Поэтому фокус в профиле и компетенциях на знания и опыте в предметной области, бизнес-ориентированность, умение сформировать и донести ценность продукта для бизнеса.
Понятно, что для закрытия этих задач он должен уметь работать с командой – постановка целей, мотивация, вдохновение на реализацию нового.
Иерархия у нас «плоская» — подчинение PO идет напрямую директору по продуктам.
0
понятно, спс!
PO, директор по продуктам — полностью в структуре CIO? или частично в бизнес репортит?
PO, директор по продуктам — полностью в структуре CIO? или частично в бизнес репортит?
0
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как мы развиваем #bigdataX5 и кто нужен в Big Data