آمار شهید بهشتی خوندم. حوزه فعالیتم دیتاساینسه. عضو کوچیکی از خانوادهی شتابدهنده سنجیده و شرکت علم داده ارزیاب ام. پروفایل من در ارزیاب: https://arz-yab.com/our-teams/personalpage.php?uid=2
چالش های ارزیاب در جذب نیرو و مسیر علم داده ارزیاب
تقریبا اوایل ترم 6 کارشناسیم بودم که دنبال کار مرتبط با رشتم میگشتم و البته از ترم 3 خارج از دانشگاه، مطالعات آزاد داشتم و سعی میکردم اون چیزی که برای جذب به یه تیم خوب نیاز هست رو یاد بگیرم. از همون ترم 3 شروع کردم مهارت برنامه نویسی رو در خودم تقویت کردم و R رو یاد گرفتم و بعدش شروع کردم روی پایتون وقت گذاشتن. تابستون بین ترم 4 و 5 بود که با چند تا از بچه های دیگه جمع شدیم و به کمک یکی از اساتید کتاب دیتاماینینگ رو خوندیم و تمریناش رو حل کردیم و همون تابستون بود که قبل از این که درس رگرسیون رو داشته باشم اون رو از یکی از استادام در تحلیل پروژه ای که برای انجمن علمی تعریف کرده بودیم یادگرفتم و به کار بردم. این شد که ترم 6 فکر کردم مقدار اولیه دانش و مهارت رو دارم و باید دنبال جایی بگردم که بتونم این توانایی ها رو بهتر کنم و چیز های جدید یاد بگیرم. راستش اون موقع فقط برام مهم بود که یاد بگیرم.
خوشبختانه و از شانس خیلی خوبم همون موقع ها که دنبال کار میگشتم با تیم ارزیاب آشنا شدم و دو تا مصاحبه رفتم و به عنوان کارآموز قبول شدم. روزای اول کارآموزی هم هیجان انگیز بود برام هم چیزای زیادی یاد میگرفتم. با مسائل کاربردی آشنا میشدم و هر روز توانایی هام بهتر میشد. باوجود این که کارآموز بودم ولی در پروژه های مختلف درگیر میشدم و اغلب اوقات مدیرم از من برای حل مساله های مختلف راه حل میخواست. شاید حتی بعضی اوقات راه حل های سختی ارائه میدادم که خودمم میدونستم شاید توی واقعیت نتونم با این سطح از دانش پیاده سازیش کنم. اما این خیلی برام جالب و قشنگ بود که توی اکثر مسائل، شرکت داده میشدم و ازم خواسته میشد راه حل ارائه بدم. 3 ماه گذشت و کم کم با کمک لیدر هام توی تیم به توانایی هایی رسیدم که میتونستم توی پروژه های اصلی شرکت کنم و بخشی ازون ها باشم.
الان که تقریبا 2 سال از جوین شدن من به شرکت ارزیاب میگذره هنوز اون خاطرات برام شیرین اند و البته تکرار نشدنی... البته عطش من برای انجام دادن کار و یاد گرفتن هنوزم مثل سابق هست و خیلی خودمو خوش شانس میدونم که ارزیاب یکی از بهترین اتفاق های زندگیم بود.
چالش های ارزیاب در جذب نیرو
تقریبا چند وقت پیش بود که میخواستیم به تیم های مختلف ارزیاب نیرو اضافه کنیم تا با اضافه شدن اون ها کار سریعتر جلو بره و بتونیم به کلاینت های بیشتری خدمت رسانی کنیم. برای همین لیستی از افرادی که میتونیم باهاشون کار کنیم رو درست کردیم و همینطور در فضای مجازی منتشر کردیم که به دنبال جذب نیرو هستیم. خب این خیلی طبیعی هست که وقتی فردی به یک سازمان بخواد اضافه بشه علاوه بر توانایی هایی که باید برای اون پست داشته باشه؛ مهمه که با فرهنگ تیمی اون سازمان ارتباط خوبی برقرار کنه. ازین موارد بگذریم، مد نظر داشتیم افرادی رو جذب تیم کنیم که فارغ التحصیل شده باشن یا در صدد فارغ التحصیلی باشن. خیلی خلاصه بخوام بگم هر فردی که مصاحبه میشد تقریبا یکی از موارد زیر براش وجود داشت که ارزیاب نمیتونست بنا به استاندارد هاش اون فرد رو جذب کنه:
- نداشتن مهارت حل مساله
- بلد نبودن ابزار های رشته های مرتبط با علم داده
- نداشتن انگیزه پیشرفت که یکی از مولفه های فرهنگ تیمی ارزیاب هست.
خب قطعا مساله نداشتن انگیزه پیشرفت چیزی نیست که ارزیاب بتونه توی افراد حلش بکنه اما برای دو مورد دیگه پیشنهاد تیم منابع انسانی ارزیاب این بود که چطوره که فرصتی آماده کنیم تا هم توش آموزش باشه و هم رقابت و از طرف دیگه افراد با استاندارد های ارزیاب تربیت بشن و فرصتی باشه برای افراد علاقه مند که شاید بتونیم در ادامه باهاشون همکاری کنیم.
مسیر علم داده ارزیاب
برای حل چالشی که گفتم تیم آموزشی ارزیاب سعی کرد یه برنامه آموزشی تدوین کنه که هم ارزیاب فرصت آشنایی با افراد جدید علاقه مند و با انگیزه رو داشته باشه و هم ارزش ها و استاندارد های ارزیاب در جذب نیرو رعایت بشه. مسیر علم داده ارزیاب یک فرصت برای علاقه مندان به فعالیت در زمینه علم داده هست که رشته های مرتبط با این دانش رو خوندند. این مسیر شامل آموزش های مقدماتی و پیشرفته ابزار های علم داده هست که در خلال یادگیری این ابزار ها توانایی حل مساله هم میشه کسب کرد و از همه مهم تر با داده های متفاوت و مسائل مختلف دنیای تجارت آشنا شد.
ارزیاب سعی کرده هزینه برگزاری این دوره ها رو به حداقل برسونه و حتی بودجه آموزشی برای مدرسین با استاندارد های خودش برای برگزاری بهتر این کارگاه ها اختصاص بده. الان ارزیاب در ابتدای این مسیره و قصد این مطلب معرفی کردن این مسیر هست. در ادامه به ترتیب اولویت کارگاه ها و دوره هایی که در این مسیر طی میشه رو معرفی میکنم:
کارگاه اکسل مقدماتی(از پاکسازی تا گزارش گیری داده ها)
کارگاه پایتون مقدماتی(پروژه محور و با رویکرد علم داده)
کارگاه مقدماتی Power BI(تولید گزارش از داده)
کارگاه مقدماتی SQL(پایگاه داده برای علم داده)
کمپ علم داده ارزیاب که نفرات برتر دوره های مقدماتی میتونند به صورت رایگان در این کمپ شرکت کنند.
الان که این مطلب رو مینویسم دو تا از کارگاه ها در حال ثبت نام هستند و لینکشون در این مطلب قرار گرفته. هر کدوم دیگه که بخواد برگزار بشه این مطلب رو آپدیت میکنم.
اگر درباره مسیر علم داده ارزیاب سوالی دارید میتونید کامنت کنید و یا به هریک از شبکه های اجتماعی ارزیاب پیام بدید:
اینستاگرام ارزیاب
لینکدین ارزیاب
اگر فکر میکنید این مطلب برای دوستانتون مفید هست با اون ها به اشتراک بگذارید.
مطلبی دیگر از این انتشارات
الگوریتم های خوشه بندی هارتیگان-ونگ و مککوئین (K-means)
مطلبی دیگر از این انتشارات
یادگیری ماشین و مدل سازی آماری(شباهت ها و تفاوت ها)
مطلبی دیگر از این انتشارات
خوشه بندی چیست و چگونه عمل میکند؟