اگر در گوگل جستجو کنید که چگونه می توانید یک دانشمند داده شوید، احتمالاً با لیستی از مهارت ها، از مدل سازی آماری گرفته تا برنامه نویسی در پایتون از طریق برقراری ارتباط موثر و ارائه، مواجه خواهید شد. یک شرح شغل ممکن است نقشی را توصیف کند که نزدیک به یک تحلیگر امار است، در حالی که کارفرمای دیگری به دنبال فردی است که دارای مدرک کارشناسی ارشد در علوم کامپیوتر باشد. وقتی به دنبال راه هایی برای به دست آوردن این مهارت ها هستید، گزینه هایی از بازگشت به دانشگاه برای مدرک کارشناسی ارشد گرفته تا انجام یک بوت کمپ تا شروع به تجزیه و تحلیل داده ها در شغل فعلی خود را خواهید یافت. در کنار هم، همه این ترکیب مسیرها می تواند غیرقابل عبور باشد، به خصوص برای افرادی که هنوز مطمئن نیستند که حتی می خواهند دانشمند داده باشند.
خبر خوب این است که هیچ دانشمند داده ای وجود ندارد که همه این مهارت ها را داشته باشد. دانشمندان داده پایه دانش مشترکی دارند، اما هر کدام تخصص های خاص خود را دارند، تا جایی که بسیاری نمی توانند شغل خود را با هم عوض کنند. قسمت اول این مقاله برای کمک به شما در درک اینکه همه این نوع دانشمندان داده چیست و چگونه بهترین تصمیم را برای شروع حرفه خود بگیرید، طراحی شده است. در پایان این مقاله، باید مهارت و درک لازم را برای شروع جستجوی کار خود داشته باشید.
قسمت اول اصول دانشمند داده را پوشش می دهد، از جمله مهارت هایی که برای کار نیاز دارید و انواع مختلف دانشمندان داده. قسمت دوم به جزئیات در مورد نقش یک دانشمند داده در پنج نوع شرکت می پردازد تا به شما کمک کند بهتر درک کنید که شغل چگونه خواهد بود. قسمت سوم مسیرهای کسب مهارت های مورد نیاز برای دانشمند داده بودن و مزایا و معایب هر یک را پوشش می دهد. در نهایت، قسمت چهارم چگونگی ایجاد مجموعه ای از پروژه های دانشمند داده را برای به دست آوردن تجربه عملی در انجام دانشمند داده و ایجاد یک نمونه کار برای نشان دادن به کارفرمایان بالقوه را پوشش می دهد.
این فصل را پوشش می دهد
سه حوزه اصلی دانشمند داده
انواع مختلف مشاغل دانشمند داده
"دانشمند داده بهترین شغل در آمریکا در قرن بیست و یکم." دانشمند داده، عنوانی که حتی قبل از سال 2008 وجود نداشت، اکنون موقعیتی است که کارفرمایان نمی توانند به اندازه کافی آن را استخدام کنند و جویندگان کار برای رسیدن به آن تلاش می کنند. دلیل خوبی برای تبلیغات وجود دارد: دانشمند داده حوزه بسیار در حال رشدی است، با میانگین حقوق پایه بیش از 100000 دلار در ایالات متحده در سال 2019 . در یک شرکت خوب، دانشمندان داده از استقلال زیادی برخوردارند و دائماً چیزهای جدید یاد می گیرند. آنها از مهارت‌های خود برای حل مشکلات مهم استفاده می‌کنند، مانند کار با پزشکان برای تجزیه و تحلیل آزمایش‌های دارو، کمک به یک تیم ورزشی در انتخاب بازیکنان جدید خود، یا طراحی مجدد مدل قیمت‌گذاری برای یک تجارت ویجت. در نهایت، همانطور که در قسمت سوم بحث می کنیم، هیچ راهی برای تبدیل شدن به یک دانشمند داده وجود ندارد. افراد از هر زمینه‌ای هستند، بنابراین شما بر اساس آنچه که برای تحصیل در مقطع کارشناسی انتخاب کرده‌اید محدود نیستید.
اما همه مشاغل دانشمند داده کامل نیستند. هم شرکت ها و هم افراد جویای کار می توانند انتظارات غیر واقعی داشته باشند. شرکت‌هایی که تازه وارد دانشمند داده شده‌اند ممکن است فکر کنند که یک نفر می‌تواند تمام مشکلات خود را برای مثال با داده‌ها حل کند. هنگامی که یک دانشمند داده در نهایت استخدام می شود، آنها می توانند با لیستی از کارهای بی پایان از درخواست ها روبرو شوند. زمانی که هیچ کاری برای آماده‌سازی یا پاکسازی داده‌ها انجام نشده است، ممکن است بلافاصله یک سیستم یادگیری ماشین را پیاده‌سازی کنند. ممکن است کسی نباشد که آنها را راهنمایی یا راهنمایی کند یا حتی با مشکلاتی که با آن روبرو هستند همدلی کند. ما این موضوعات را با عمق بیشتری درقسمت های 5 و 7 مورد بحث قرار می‌دهیم، جایی که به شما کمک می‌کنیم از پیوستن به شرکت‌هایی که احتمالاً برای یک دانشمند داده جدید مناسب نیستند، اجتناب کنید، و در قسمت 9، جایی که به شما توصیه می‌کنیم. اگر در موقعیتی منفی قرار گرفتید چه کار کنید.
از طرف دیگر، جویندگان کار ممکن است فکر کنند که هرگز لحظه ای کسل کننده در شغل جدید آنها وجود نخواهد داشت. آنها ممکن است انتظار داشته باشند که ذینفعان توصیه های آنها را به طور معمول دنبال کنند، مهندسان داده بتوانند هر گونه مشکل کیفیت داده را فورا برطرف کنند و سریع ترین منابع محاسباتی موجود را برای پیاده سازی مدل های خود دریافت کنند. در واقعیت، دانشمندان داده زمان زیادی را صرف تمیز کردن یا data cleaning و آماده‌سازی داده‌ها و همچنین مدیریت انتظارات و اولویت‌های تیم‌های دیگر می‌کنند. پروژه ها همیشه به نتیجه نمی رسند. مدیریت ارشد ممکن است در مورد آنچه که مدل های دانشمند داده شما می توانند ارائه دهند، به مشتریان قول های غیر واقعی بدهد. کار اصلی یک فرد ممکن است کار با یک سیستم داده قدیمی باشد که خودکار کردن آن غیرممکن است و به ساعت ها کار خسته کننده در هفته نیاز دارد تا داده ها را تمیز کند. دانشمندان داده ممکن است متوجه اشتباهات آماری یا فنی زیادی در تجزیه و تحلیل‌های قدیمی شوند که پیامدهای واقعی دارند، اما هیچ‌کس علاقه‌ای به این موضوع ندارد، و آن‌قدر درگیر کار هستند که زمانی برای رفع آنها ندارند. یا ممکن است از یک دانشمند داده خواسته شود که گزارش هایی را تهیه کند که از آنچه مدیریت ارشد قبلاً تصمیم گرفته است پشتیبانی کند، بنابراین اگر پاسخ مستقلی بدهند ممکن است نگران اخراج شدن باشند.
این مقاله اینجاست تا شما را در فرآیند تبدیل شدن به یک دانشمند داده و توسعه حرفه خود راهنمایی کند. ما می خواهیم اطمینان حاصل کنیم که شما، خواننده، تمام بخش های مهم دانشمند داده بودن را به دست آورده و از بسیاری از دام ها اجتناب کنید. شاید شما در یک زمینه مجاور کار می کنید، مانند تجزیه و تحلیل بازاریابی، و نمی دانید که چگونه تغییر دهید. یا شاید شما قبلاً یک دانشمند داده هستید، اما به دنبال شغل جدیدی هستید و فکر نمی کنید که به خوبی به اولین جستجوی شغل خود نزدیک شده اید. یا می خواهید با سخنرانی در کنفرانس ها، مشارکت در منبع باز یا تبدیل شدن به یک مشاور مستقل، شغل خود را ارتقا دهید. در هر سطحی که باشید، ما مطمئن هستیم که این سلسله مقالات برای شما مفید خواهد بود.
در چهار قسمت اول، فرصت‌های اصلی برای کسب مهارت‌های دانشمند داده و ساختن یک نمونه کار برای دور زدن پارادوکس نیاز به تجربه برای کسب تجربه را پوشش می‌دهیم. قسمت 2 نحوه نوشتن کاور لتتر (cover letter) و رزومه ای را نشان می دهد که با شما مصاحبه می کند و چگونه شبکه خود را برای دریافت ارجاع ایجاد کنید. ما استراتژی‌های مذاکره را پوشش می‌دهیم که تحقیقات نشان داده است بهترین پیشنهاد ممکن را به شما می‌دهد.
وقتی در یک شغل دانشمند داده هستید، تحلیل می نویسید، با ذینفعان کار می کنید، و شاید حتی یک مدل را در مرحله تولید قرار می دهید. قسمت 3 به شما کمک می کند تا بفهمید همه این فرآیندها چگونه هستند و چگونه خود را برای موفقیت آماده کنید. در قسمت 4، استراتژی‌هایی برای پشتیبان گیری در زمانی که پروژه به طور اجتناب ناپذیری شکست می‌خورد، خواهید یافت. و هنگامی که آماده شدید، ما اینجا هستیم تا شما را در تصمیم گیری در مورد اینکه شغل خود را در کجا انتخاب کنید راهنمایی کنیم: پیشرفت به سمت مدیریت، ادامه دادن به مشارکت فردی، یا حتی به عنوان یک مشاور مستقل.
با این حال، قبل از شروع آن سفر، باید در مورد اینکه دانشمندان داده چه هستند و چه کاری انجام می دهند، واضح باشید.دانشمند داده حوزه گسترده‌ای است که انواع مختلفی از کارها را پوشش می‌دهد و هر چه تفاوت‌های بین آن حوزه‌ها را بهتر درک کنید، بهتر می‌توانید در آنها رشد کنید.
