خوب، شما علاقه مند به علم داده هستید، ده ها پست در بلاگ های تخصصی خوانده اید و چند دوره آنلاین را هم گذرانده اید. اکنون در رویای ساخت مسیر حرفه ای برای خود هستید. چراکه طبق گزارش هاروارد بیزنیس، این جذاب ترین شغل قرن ۲۱ خواهد بود.
اما علیرغم اشتیاق شما، ممکن است علم داده برای شما مناسب نباشد. در این لحظه از زمان، شما خیالات و کلیشه های غلط بسیاری در ذهن دارید.
اکنون که می خواهید این نوشته را بخوانید، وظیفه ساده ای دارید: چیزهایی که شما را عقب نگه داشته اند را دور بریزید تا از اینکه چقدر می توانید سریع به سمت جلو حرکت کنید متعجب شوید.
۱- فکر می کنید داشتن مدرک کافی است
شما در یک زمینه محاسبانی مدرک کارشناسی ارشد یا حتی دکترا دارید و می خواهید در زمینه علم داده شروع به کار کنید. اما آیا تاکنون از Shell استفاده کرده اید؟ تاکنون ترس ناشی از اجرای دستورات و مواجه شدن با خطاها را تجربه کرده اید؟ تاکنون با دیتابیس های خیلی بزرگ در مقیاس ترابایت کار کرده اید؟
اگر پاسخ شما به یکی از سوالات فوق منفی است، شما هنوز آماده نیستید. شما به تجربه در دنیای واقعی پروژه ها نیاز دارید. تنها در اینصورت با مشکلاتی که متخصص علم داده روزانه با آنها دست و پنجه نرم می کند، روبرو خواهید شد و مهارتهایی برای حل این مشکلات در خود ایجاد خواهید کرد.
بابت مدرکتان تبریک می گویم، اما الان وقت آن است که به سختی کار کنید.
۲- اشتیاق کافی ندارید
آیا تا به حال کل آخر هفته خود را صرف یک پروژه خسته کننده کرده اید؟ در حالیکه دوستانتان در مهمانی هستند، شبهایتان را صرف چرخیدن در گیت هاب کرده اید؟ به خاطر پرداختن به کدهایتان، به سرگرمی های مورد علاقه تان پشت کرده اید؟
اگر پاسخ شما به هیچ کدام از سوالات فوق، بله نیست، خوب به اندازه کافی پرشور نیستید. علم داده یعنی مواجه شدن با سوالات واقعاً سخت و چسبیدن به آنها تا زمان پیدا شدن راه حل. اگر به اندازه کافی شور و اشتیاق نداشته باشید هنگام مواجه شدن با اولین مشکل کار را رها خواهید کرد.
در مورد چیزی که شما را مجذوب تبدیل شدن به متخصص داده، کرده است، خوب فکر کنید. آیا به دنبال عنوان شغلی پر زرق و برق هستید؟ یا امید به دستیابی به بینش از طریق کار عمیق با داده ها دارید؟ اگر حالت دوم است، پس در مسیر درستی قرار دارید.
۳- به اندازه کافی دیوانه نیستید
فقط ایده های دیوانه، ایده های خوبی هستند. به عنوان متخصص داده به تعداد زیادی از این ایده ها نیاز دارید. خودتان را آماده نتایج غیرمنتظره کنید، به دفعات با این نتایج روبرو خواهید شد.
شما همچنین باید راه حل هایی را برای مشکلات واقعاً سخت توسعه دهید. برای این کار به سطحی فوق العاده از ایده ها نیاز دارید، چرا که مشکلات واقعاً سخت با ایده های معمولی حل نمی شوند.
اگر مردم، مرتباً به شما میگویند که خیلی دیوانه اید، در مسیر درست در حال حرکت هستید. اگر اینطور نیست باید روی دیوانگی خود کارکنید. البته این به جسارت خاصی نیاز دارد. وقتی از غار دیوانگی خود خارج می شوید، خیلی از مردم با تعجب از شما دور خواهند شد. اما ارزشش را دارد چون شما با خودتان روراست هستید و در حال روشن کردن بارقه های جذاب تبدیل شدن به متخصص علوم داده اید.
۴- شما از کتابهای درسی و کلاس های آنلاین یاد می گیرید
اشتباه نکنید. کتابهای درسی و کلاسهای آنلاین راه های عالی برای شروع کار هستند. اما فقط برای شروع کار! هر چه زودتر باید روی پروژه های واقعی کارکنید. البته بدون توانایی نوشتن یک خط کد در پایتون، نقطه شروعی برای شما قابل تصور نیست. اما به محض رسیدن به توانایی در حد متوسط باید در پروژه فعال شوید.
یادگیری با انجام دادن کلید این مساله است.
شروع به ایجاد مخزن خود در گیت هاب کنید. در تعدادی از هکاتون ها و رقابت های سایت کگل شرکت کنید و تجربیات خود را در وبلاگتان منتشر کنید. هر کسی می تواند به کتابهای درسی مسلط شود اما برای تبدیل شدن به متخصص علم داده باید کار بیشتری کرد.
۵- فکر می کنید از یک جایی به بعد می توانید بادگیری را متوقف کنید
شما در چندین دوره آموزشی آنلاین ثبت نام کرده اید و مشغول مطالعه کتب درسی هستید و فکر می کنید بعد از کامل کردن آنها برای انجام کارها به اندازه ای کافی آموزش دیده اید. اشتباه می کنید. این تازه اول کار است. اگر فکر می کنید اکنون در حال یادگیری چیزهای زیادی هستید، به این فکر کنید که در مدت سه سال چقدر می توانید چیزهای جدید یاد بگیرید. اگر می خواهید به عنوان یک متخصص علم داده قلمداد شوید، به ده برابر یادگیری بیشتر از دانش حال حاضرتان نیاز دارید. این یک زمینه دائماً در حال تغییر است که مرتباً به تکنولوژی های جدید نیازمند است. اگر به محض رسیدن به شغل مورد دلخواهتان، یادگیری را متوقف کنید، به سرعت از یک متخصص علم داده تازه کار به یک نوآموز علم داده تبدیل می شوید.
اگر می خواهید در علم داده موفق باشید ( که چون در حال مطالعه این نوشته هستید، حتماً می خواهید) باید با این واقعیت روبرو شوید که منحنی یادگیری در این علم با گذشت زمان سریعتر می شود. پس اگر از یادگیری زیاد و مداوم لذت نمی برید، از رویای تبدیل شدن به متخصص علم داده دست بکشید.
۶- در زمینه دیگری تخصص ندارید
خوب، شما چیزهایی در مورد علم کامپیوتر می دانید و مهارت های ریاضی تان هم بد نیست. آیا می توانید به شغل مناسبی در زمینه علم داده برسید؟
نه، نمی توانید. داشتن مهارت در زمینه فناوری اطلاعات و ریاضیات ضروری است اما برای اینکه خودتان را مستقل از دیگر علاقه مندان علم داده بدانید، کافی نیست. متخصصین علم داده در انواع شرکت ها و صنابع کار می کنند. برای ارائه بینش های کلیدی به مشتریان خود، به دانش در حوزه دامنه کاری مشتریان نیاز دارید.
به عنوان نمونه، خانم کیت مری لوئیس در این داستان توضیح داده است که چگونه در عرض شش ماه توانسته به عنوان یک متخصص علم داده در حوزه مراقبت سلامت مشغول به کار شود. اما چیزی که ایشان را متفاوت از دیگران کرده است این است که ایشان به خاطر عصب شناس بودن، به دامنه مراقبت سلامت تسلط کافی داشته است.
در کدام دامنه خوب هستید؟ در چه زمینه ای به اندازه کافی تجربه دارید؟ سعی کنید در یک زمینه و دامنه متخصص علم داده باشید تا اینکه به صورت متخصص علم داده عمومی شناخته شوید. در این صورت می توانید به موقعیت شغلی خوبی در آن دامنه دست یابید.
۷- فاقد مهارت های تجاری (کسب و کاری) هستید
خوب، شما تحلیل گر هستید. اعداد و آنالیزهای کمی را دوست دارید و از مهارت های نرم و تعاملات انسانی تنفر دارید. دوست من، اینها شما را به متخصص علوم داده تبدیل نخواهد کرد. مهارت های نرم حتی در شغل های مرتبط با اعداد و آنالیزهای عددی نیز لازم هستند. مهارت های نرم، در نهایت همان چیزی است که شما را در مصاحبه های شغلی موفق خواهد کرد.
از بین همه مهارت های نرم که لازم است بیاموزید، مهارت تجاری شماست که باید تقویت شود. به یاد داشته باشید که مشتریان شما رهبران کسب و کار ها هستند. به همین دلیل، آنها به افرادی که تجارت را درک می کنند نیاز دارند. فقط با این مهارت می توانید بینش هایی ایجاد کنید که به مشتری شما ارزش افزوده می دهد.
۸- ارتباطات موثر و معناداری ندارید
شما می خواهید در زمینه علم داده شروع به کار کنید و هیچ متخصص دیگری در این زمینه را نمی شناسید؟ وقت آن رسیده که در این زمینه نیز فعال شوید.
به نشست های تخصصی بروید. در گروه های مرتبط در لینکدین عضو شوید. با افراد در هکاتون ها آشنا شوید. افراد سرشناس در این حوزه را در توییتر دنبال کنید. با افراد هم زمینه خود در گیت هاب تعامل برقرار کنید. کارهای هیجان انگیز انجام دهید.
مانند هر جستجوی شغلی دیگر، ۹۰ درصد موفقیت شما به توانایی هایتان مرتبط نیست بلکه به این مربوط است که چه کسی مهارتهای شمار تصدیق می کند یا شما را معرفی کرده است. اگر کانکشن های شما در لینکدین محدود به مادرتان و همکاران شما در شغل فعلی شماست، بهتر است همین امروز فکری به حال پروفایل خود بکنید. اگر تعداد دنبال کنندگان شما در توییتر خیلی کم است، وقت آن است که توییت کنید. اگر وبلاگ شما خواننده ای ندارد بهتر است از خدمات سئو بهره ببگیرید یا اینکه از سایر پلتفرمهای بلاگینگ استفاده کنید. ارتباطات قابل اضافه شدن هستند پس بنابراین فعال شده و تلاش کنید.
۹- کار کثیف را دوست ندارید
شما همه حواشی را درباره یادگیری ماشین و هوش مصنوعی را شنیده اید و فکر میکنید علم داده می تواند در را برای کار کردن شما با تکنولوژی های پیشرفته باز کند اما من به شما قول می دهم که شما فقط ۵ درصد از زمان کاری را می توانید با تکنولوژی های نوین کار کنید. وقتی به شغل مورد دلخواهتان در زمینه علم داده رسیدید، بیشترین وقت خود را صرف تمیز کردن داده ها می کنید. تبریک می گویم، شما به عنوان سرایدار استخدام شده اید.
اگر این را دوست ندارید، فکر دیگری برای شغل خود بکنید و اصلاً نباید این مطلب را می خواندید. اگر بعد از خواندن همه موارد فوق، هنوز می خواهید متخصص علم داده باشید ، زمان آن است که عاشق کار کثیف شوید.
علم داده یک گزینه شغلی نیست، یک حرفه است.
متخصصین علم داده افراد خاصی در بین جامعه شاغلین هستند، به همین دلیل است که افراد زیادی در این حوزه مشغول دست و پا زدن هستند. اما برای به دست آوردن موقعیتی در این حوزه، دست و پا زدن کافی نیست و باید به سختی کار کرد.
اگر بعد از خواندن همه این مطلب، همچنان می خواهید که متخصص علم داده شوید، به شما تبریک می گویم. شما احتمالاً در مسیر درستی قرار دارید.
اگر در این موقعیت، از تبدیل شدن به متخصص علم داده اطمینان ندارید، بزرگترین دلایل شک و تردید خود را مشخص کنید و روی آنها کار کنید. شما می توانید...
منبع :