Data Scientist & Big Data Strategist
تبدیل شدن به یک متخصص کلان داده
با توجه به دغدغه خیلی از دانشپژوهان جهت ورود به حوزه Big Data و دستیابی به تخصص بیشتر جهت ورود به بازار کار یا انجام پژوهشهای دانشجویی نکات ذیل طبق تجربیاتی که بنده داشتم برای ورود و کسب تخصص در حوزه Big Data توصیه میشود:
1- شرکت در دورههای آنلاین مرتبط با حوزه Big Data :
دورههای آموزشی و آنلاین سایتهایی مانند Coursera, cognitiveclass.ai, Edx و... توصیه میشود.
از بین این سه سایت دورههای cognitiveclass.ai بهصورت کوتاهتر و تخصصیتر در هر حوزه برگزار میشود. دورههای Edx دارای کارگاههای قویتر و دورههای Coursera جهت دستیابی به فهم جامع از موضوعات پیشنهاد میشود.
2- مطالعه کتابهای مرجع:
جهت دستیابی به تخصص بیشتر در یک پلتفرم مانند آپاچی هدوپ، اسپارک و... پس از گذراندن دورههای فوق، کتابهای تخصصی انتشاراتهای O'reilly و Packt را مطالعه کنید.
3- نصب و راهاندازی هدوپ:
جهت نصب و پیادهسازی پلتفرمهای مطرح Big Data همچون آپاچی هدوپ در صورتی که تجربه قبلی نداشته آید به دلیل پیچیدگیهای موجود ابتدا از پکیجهای ارائهشده کمپانیهای Cloudera, Hortonworks و... استفاده کنید. در این پکیجها تمامی ابزارهای موردنیاز وجود دارد و پس از راهاندازی در یک ماشین مجازی امکان استفاده از پلتفرمهای موردنیاز میسر خواهد شد.
۴- آشنایی با پایگاه دادههای Nosql :
برای آشنایی با پایگاه دادههای Nosql نیز دورههای آنلاین سایتهای مانند Udemy و.. توصیه میشود. پس از انتخاب نوع پایگاه داده با استفاده از Tutorial های ارائهشده توسط شرکت ارائهدهنده پایگاه داده میتوانید آموزش را بهصورت کاربردی فرابگیرید.
5- انتخاب زبان برنامهنویسی:
زبانهای برنامهنویسی پایتون، جاوا، اسکالا جز پرکاربردترین زبانهای برنامهنویسی در حوزه کلان داده هستند. در صورتی که در حوزه توسعهدهنده کلان داده(Big Data Developer) میخواهید فعالیت انجام بدهید زبان جاوا در پلتفرم هدوپ و زبان اسکالا در موتور پردازشی اسپارک بیشترین کارایی را خواهند داشت. در بخش تحلیلگر کلان داده (Big Data Analytics) هم زبان پایتون با توجه به وجود کتابخانههای غنی در حوزه یادگیری ماشین بهترین انتخاب خواهد بود.
برای یادگیری زبانهای برنامهنویسی فوق همانند حوزه Big Data شرکت در دورههای آنلاین و کمی تلاش توصیه میشود.
ارادتمند
محمدرضا محتاط
https://t.me/dataanalysis
مطلبی دیگر از این انتشارات
معرفی منابع یادگیری تقویتی(Reinforcement Learning)
مطلبی دیگر از این انتشارات
چطور یادگیری ماشین یاد بگیریم؟ - راهنمای کاربردی
مطلبی دیگر از این انتشارات
رسم داده ها بر روی نقشه ها با پایتون