طبق آخرین آماری که منتشر شده فیلد data science برای چندمین سال متوالی جز "جذاب ترین" و "پر درامد ترین" فیلد های کاری آی تی شناخته شد !
برای خیلیا تشخیص چندتا کلمه کلیدی خیلی سخته که من میخوام تو این مقاله با توضیح این کلمات شروع کنم ( کنار هرکدوم ی چیه اضافه کنید خودتون )
هوش مصنوعی یا AI : هوش مصنوعی در واقع ی مفهوم کلیه و به خودی خود به عنوان یه job position شناخته نمیشه . ی جورایی شبیه درسای اصلی ما مثل ریاضیات ، فیزیک ، شیمی . اینا پایه رشته های دانشگاهی میشدن مثل پزشکی و مهندسی ها و علوم آزمایشگاه و ... . پس قراره تو ادامه از زیرمجموعه های هوش مصنوعی باهم صحبت کنیم.
یادگیری ماشین یا Machine Learning : یا همون ML خودمون :) . ماشین لرنینگ اولین عنوان کاریی میشه که از توی هوش مصنوعی در میاد با ماشین لرنینگ معجزه ها شروع میشه : پیش بینی میزان فروش ی فروشگاه ، پیش بینی سرطان با بررسی عکس های پزشکی ، پیش بینی اب و هوا ، پیش بینی قیمت بازارهای مالی ، nlp , voice recognition , image classification و خیلی کارای جذاب دیگه که با کمک ML میشه انجامش داد . میدونم میخواید بدونید برا یادگیریش باید از کجا شروع کنید اما بذارید تا اخرش بریم جلو باهم
یادگیری عمیق یا Deep Learning : اینجا یکم داستان بزرگتره ، دیتا ها بیشترن ، برای پردازششون باید کارت گرافیک داشته باشیم ( البته گوگل بازم کمک حالمون شده ) و یه مقداری باید از دانشمون تو ماشین لرنینگ مطمین باشیم قبل از اینکه بیایم سراغ این یکی ! خوبی دیپ لرنینگ اینه که مفاهیم تقریبا همون مفاهیم ML ای هستن با ی مقدار تغییر . برای مثال شما با neural network اشنا میشید و میفهمید یادگیری دو نوع داره : supervised learning and unsupervised learning . حالا اینا چین ؟؟؟ ساده شدو بگم؟
اولی یا همون supervised learning وقتی هستش که شما میدونید المان خروجی تون چیه ، به زبون ساده تر میدونید از ماشین چی میخواید و به ماشین میگید از این راه برو و منو برسون ب نتیجه
تو دومی که میشه unsupervised learning دیگه ماشین خودش فرمونو میگیره و با استفاده از نورال نتورک بهترین مسیر و بهترین راهکار رو تشخیص میده و میره جلو ( ترسناکه نه ؟ )
علم داده یا Data Science : دیتا ساینس ی فیلد بزرگتریه و معمولا شرکتا دنبال دیتا ساینتیست میگردن که یه گونی کار بدن دستش (البته تو ایران ، اونم ی سری جاها ، اصا من بدم ببخشید ) . همونجوری ک تو عکسم میبینید کار دانشمند دیتا تو فازهای مختلف هوش مصنوعی دخالت داره و همون جوری ک تو قسمت بعد میگیم ی مقدار زیادی از کاراش با مهندس دیتا تداخل داره . شما به عنوان دیتا ساینتیست مسوولیت جمع اوری دیتای مناسب رو دارید و رسوندنش به ML engineer اما اگه کسی تو شرکت به این عنوان حضور نداشته باشه مسولیت تبدیل دیتا به information هم به عهده شما خواهد بود . پس شما به عنوان یه دانشمند دیتا باید از مدل های ریاضی و الگوریتم های ماشین لرنینگ هم اطلاعات داشته باشید
مهندس دیتا یا Data Engineering : بیچاره این بنده خدا ! اصل کارو این میکنه اما دیده نمیشه . مهندس دیتا وظیفه اش اصولا جمع آوری و data base query زدن هستش . به این معنی که مثلا از تیم محصول یا فنی میان میگم اقا ما برای فلان پیش بینی نیاز به فلان دیتا داریم . مهندس دیتا میره و بر اساس دیتای پخش شده تو دیتابیس ، دیتاهای مفید رو در میاره ، تمیز میکنه ، فرمت دهی میکنه و ی سری کارای دیگه و تحویل میده به مهندس ML .
تا اینجا خلاصه وظایف و تعریف هرکدوم رو دیدیم باهم اما بریم سراغ اینکه اگه بخوایم یادش بگیریم باید چیکار کنیم ؟
برای اینکه بتونیم یه دیتا ساینتیست (Data Scientist ) بشیم چیا لازم داریم ؟
اولش همت ! تو هرفیلدی ک کار میکنید ( من خودم بک اند ام) باید به فکر این باشید که کار کردن با صبر ، حوصله و اعصاب زیادی میخواد
ریاضی ؟ نگران نباشید برای یادگیری اولیه اصلا لازم نیس مدرک دکترای ریاضی محض داشته باشید ، خیلی از مفاهیم رو تو دبیرستان خوندید و باید ی دوره ای کنید فقط
زبان ؟ انصافا از این نمیشه گذشت ، در ادامه که منابع خوب یادگیری رو معرفی میکنم میبینید ک فارسی توشون نیس . دلیلش هم اینه خیلی جاها باید پذیرفت که ما هنو خیلی جاهای کار داریم .
استعفا از پوزیشن فعلی ؟ وقتی دارید یادگیری هوش مصنوعی رو شروع میکنید میتونید با روزی ۳ ۴ ساعت شروع کنید ، تایم های خالیتون رو صرف دیدن ویدیو ها کنید اما شاید بعد ۱ سال نیاز بشه که کامل سوییچ کنید رو فیلد کاری جدیدتون
دیتا از کجا بیارم؟ مختصر مفید : kaggle
از کجا یاد بگیرم ؟
برای هر کسی یه روش یادگیری وجود داره . از طرفی منابع اموزشی واقعا زیادن اما من میخوام اونایش که رو خودم جواب داد رو بهتون معرفی کنم . باشد که شمام باهاشون کیف کنید :
۱- اگه اهل کتاب هستید و انگلیستون هم بدک نیس این کتاب رو هم میتونید انلاین بخونید هم از سایت ebook2book نسخه چاپیش رو بگیرید :. Hands-n Machine learning with scikit-learn, Keras, Tensorflow
۲- اگه اهل فیلم دیدنید این دو تا دوره خیلی بهتون کمک میکنه ( یکیش رایگانش فعلا نیست )
https://www.udemy.com/course/complete-machine-learning-and-data-science-zero-to-mastery/. Not Free
https://www.coursera.org/learn/machine-learning Free ( instructor : Andrew ng )
با این دوتا فقط ؟طبیعتا نه اما این دو تا دوره و اون کتاب بهتون میفهمونه که این مسیر مسیر شما هست یا نه! شاید از این فیلد کاری فقط تو فیلما خوشتون اومده باشه (که اصلانم چیز بدی نیست )
امیدوارم تونسته باشم تو مسیر Data Scientist شدنتون یه کمک ریزی کرده باشم . سوالی بود در خدمتیم
