Dataviter (data scientist)

En dataviter bygger videre på analytiske og tekniske ferdigheter for å utforske data, utvikle datamodeller og skape datadrevne løsninger ved hjelp av avanserte teknikker som maskinlæring og kunstig intelligens. Datavitere fungerer som en brobygger mellom rådata og KI/ML-løsninger (bygget og implementert av KI/ML ingeniører). 

Vanlige arbeidsoppgaver inkluderer: 

• utvikling av algoritmer og maskinlæringsmodeller for prediksjoner og automatisering
• analyse av komplekse datasett for å avdekke innsikt som kan drive innovasjon
• eksperimentering med datadrevne hypoteser og prototyper
• kommuniserer innsikt og anbefalinger gjennom visualiseringer og rapporter
• samarbeid med ingeniører for å integrere modeller i produksjonssystemer

En dataanalytiker fokuserer på å tolke og presentere data for å støtte beslutningstaking. De bruker eksisterende datasett til å oppdage mønstre, lage rapporter og skape forståelige visualiseringer. 

Vanlige arbeidsoppgaver inkluderer: 

• analyse av datasett for å avdekke trender og mønstre
• utvikling av dashbord og visualiseringer for å presentere funn
• bidrag i beslutningsprosesser ved å levere innsikt basert på data
• samarbeid med forretningsavdelinger for å definere krav til analyser

En dataingeniør fokuserer på å bygge og vedlikeholde infrastruktur for datainnsamling, lagring og tilgjengelighet. Dette innebærer å sikre at data flyter fra ulike kilder til analytiske plattformer på en sikker og effektiv måte. 

Vanlige arbeidsoppgaver inkluderer: 

• utforming av databaser og datastrømmer for effektiv lagring og behandling
• bearbeide rådata og overføre til passende format
• sikre skalerbarhet og ytelse i dataarkitekturen
• implementering av datasikkerhet og tilgangskontroller
• rense data og passe på datakvalitet
• innføre gode praksis for data governance (som datakatalog, datakontrakter for skjemaer, verifisere at personvern og andre lovlig krav er ivaretatt når data flyttes)

En maskinlærings- og kunstig intelligens-ingeniør (ML/AI engineer) jobber med å utvikle, implementere og optimalisere modeller og løsninger basert på maskinlæring (ML) og kunstig intelligens (KI). Disse ingeniørene tar ofte maskinlæringsmodeller som er utviklet av datavitere, og gjør dem klare for produksjon, slik at de kan brukes i virkelige applikasjoner. De lager også robuste systemer for å kjøre, overvåke og oppdatere disse modellene.

Vanlige arbeidsoppgaver: 

• sette opp, utvikle, vedlikeholde og overvåke ML-dataprosesser
• versjonkontrollere modeller, kode, data og metadata
• sørge for at ML-governance er ivarettatt (Model cards, dokumentasjon av modeller og APIer, osv)
• implementere maskinlæringsmodeller i produksjonsmiljøer, ofte ved bruk av skytjenester eller containerteknologier som Docker og Kubernetes
• optimalisere algoritmer for hastighet og ytelse, slik at de kan håndtere store mengder data i sanntid
• overvåke modeller for å sikre at de gir korrekte og oppdaterte resultater, og justere dem hvis dataene endrer seg over tid
• samarbeide med dataingeniører for å sikre overføring og tilgang til nødvendige data
• samarbeide med datavitere, produkt managere, dataingeniører og dataanalytikere for at ML-modellen leverer forventet verdi