Ciência de dados DATS Beta
(unchanged)
Aplicação de matemática, estatística, mineração de dados e técnicas de modelagem preditiva para obter insights, prever comportamentos e gerar valor a partir de dados.
Tradução para português brasileiro do SFIA 9: Versão Beta
SFIA 9 em inglês já está disponível.
- Esta é uma versão beta do SFIA 9 em português brasileiro.
- Nós a criamos usando a Phrase Localization Platform, combinando:
- Conteúdo traduzido do SFIA 8
- Contribuições de 7 principais fornecedores de tradução automática
- Atualizaremos esta tradução após revisão e verificações de qualidade.
- Por favor, entre em contato conosco se perceber algum erro ou tiver dúvidas.
Observação: Embora a tradução automática ajude a criar versões iniciais, a revisão profissional garante precisão e linguagem adequada ao contexto.
Notas orientativas
(unchanged)
Geralmente, aplicada na análise de dados de alto volume, alta velocidade e alta variedade (números, símbolos, texto, som e imagem).
As atividades podem incluir, entre outros:
- integração de métodos de matemática, estatística, modelagem de probabilidade; uso de linguagens de programação especializadas, ferramentas e técnicas
- sourcing e preparação de dados para análise
- identificação, validação e exploração de conjuntos de dados internos e externos gerados a partir de uma gama diversificada de processos
- desenvolvimento de insights prospectivos, preditivos, em tempo real e baseados em modelos para criar valor e impulsionar a tomada de decisão eficaz
- identificação, seleção, aquisição e absorção de fontes de dados,
- integração e limpeza de dados para torná-los adequados ao propósito
- desenvolvimento de hipóteses de ciência de dados e exploração de dados usando modelos e sandboxes de análise
- refinamento de requisitos, validação, treinamento e evolução de modelos ao longo do tempo; elaboração de previsões ou geração de recomendações para identificar insights mais profundos.
- uso de técnicas analíticas avançadas incluem aquelas como mineração de dados/texto, machine learning, correspondência de padrões, previsão, visualização, análise semântica, análise de sentimento, análise de rede e cluster, estatística multivariada, análise gráfica, simulação, processamento de eventos complexos, redes neurais.
Entendendo os níveis de responsabilidade dessa habilidade
Onde os níveis mais baixos não estão definidos...
- Tarefas e responsabilidades específicas não são definidas porque a habilidade requer um nível mais alto de autonomia, influência e complexidade na tomada de decisões do que normalmente é esperado nesses níveis. Você pode usar as declarações de essência para entender as responsabilidades genéricas associadas a esses níveis.
Onde os níveis mais altos não estão definidos...
- As responsabilidades e responsabilidades não são definidas porque esses níveis superiores envolvem liderança estratégica e influência organizacional mais ampla que vai além do escopo dessa habilidade específica. Veja as declarações de essência.
Desenvolver habilidades e demonstrar responsabilidades relacionadas a essa habilidade
Os níveis definidos mostram a progressão incremental em habilidades e responsabilidades.
Onde os níveis mais baixos não estão definidos...
Você pode desenvolver seus conhecimentos e apoiar outras pessoas que têm responsabilidade nesta área:
- Aprender os principais conceitos e princípios relacionados a essa habilidade e seu impacto em sua função
- Executar habilidades relacionadas (consulte as habilidades relacionadas ao SFIA)
- Supporting others who are performing higher level tasks and activities
Onde os níveis mais altos não estão definidos...
- Você pode progredir desenvolvendo habilidades relacionadas que são mais adequadas para níveis mais altos de liderança organizacional.
Clique para saber por que as habilidades SFIA não são definidas em todos os 7 níveis.
Mostrar/ocultar descrições e níveis extras.
2 | 3 | 4 | 5 | 6 |
Levels of responsibility for this skill
Nível 1
Ciência de dados: Nível 2
(modified)
Sob supervisão de rotina, aplica técnicas de ciência de dados especificadas aos dados. Analisando e reportando descobertas e resolvendo problemas simples, usando algoritmos incluídos em frameworks e ferramentas de software padrão.
Ciência de dados: Nível 3
(modified)
Aplica técnicas de ciência de dados padrão a novos problemas e conjuntos de dados usando técnicas de programação especializadas. Identifica e seleciona as fontes de dados apropriadas e prepara os dados a serem utilizados pelos modelos de ciência de dados. Avalia os resultados e o desempenho dos modelos de ciência de dados. Avalia os resultados e o desempenho dos modelos de ciência de dados e os dados que eles utilizam. Publica e apresenta relatórios sobre as saídas de modelos para atender às necessidades do cliente e para atender às necessidades do cliente.
Ciência de dados: Nível 4
(modified)
Investiga ou problema e ou conjunto de dados descritos para fazer uma avaliação da utilidade das soluções de análise e ciência de dados. Desenvolve hipóteses e avaliação de modelos de ciência de dados. Aplica uma grande variedade de técnicas de ciência de dados e linguagens de programa especializadas. Contribui para o desenvolvimento, avaliação e regras e diretrizes específicas do setor e antecipa riscos e outras implicações do modelo.
Ciência de dados: Nível 5
(unchanged)
Planeja e conduz todas as etapas do desenvolvimento de soluções de ciência e análise de dados. Oferece consultoria especializada para avaliar os problemas a serem resolvidos e a necessidade de soluções de ciência de dados. Identifica quais fontes de dados usar ou adquirir. Especifica e aplica técnicas apropriadas de ciência de dados e linguagens de programação especializadas. Revisa os benefícios e o valor das técnicas e ferramentas de ciência de dados e recomenda melhorias. Contribui para o desenvolvimento de políticas, normas e diretrizes para desenvolver, avaliar, monitorar e implantar soluções de ciência de dados.
Ciência de dados: Nível 6
(modified)
Conduz a introdução e ou uso de ciência e ferramentas de ciência de dados. Conduz e ou uso de ciência e análise de dados para impulsionar a inovação e ou desenvolvimento de recursos organizacionais para ciência e análise de dados. Planeja e lidera iniciativas, normas e diretrizes organizacionais, grandes e complexas de ciência de dados para gerar insights de tomada de decisão.