مسیر تبدیل شدن به دانشمند علم داده

با توجه به افزایش توجهات به حوزه علم‌داده و سؤالات مطرح‌شده توسط علاقه‌مندان این حوزه، مسیر زیر جهت دستیابی به تخصص کافی جهت ورود به بازار کار حوزه Data Science توصیه می‌شود:

1- آشنایی با مفاهیم اصلی یادگیری ماشین و آمار:

بهترین مرجع جهت یادگیری کاربردی دو حوزه آمار و الگوریتم‌های یادگیری ماشین دوره‌های آنلاین وب‌سایت‌هایی از قبیل Lynda, Udemy, Edx , Coursera و کتاب‌های مرجع داده‌کاوی می‌باشد. گفتنی است بهترین یادگیری، یادگیری در حین انجام پروژه عملی می‌باشد.

2- دستیابی به تخصص در یکی از زبان‌های برنامه‌نویسی پایتون و R:

انتخاب هر یک از دو زبان‌ها کامل هوشمندانه می‌باشد و هر دو زبان جز برترین زبان‌های حوزه علم‌داده می‌باشند. زبان‌های مانند اسکالا و جاوا بیش از حوزه علم‌داده در بخش Big Data Developer مطرح می‌باشد و در علم‌داده کارایی مانند پایتون و R را نخواهند داشت.

3- کسب تخصص در نرم‌افزارهای مرجع داده‌کاوی:

در میان نرم‌افزارهای رایج داده‌کاوی یادگیری یک الی دو نرم‌افزار از میان Knime, Spss Modeler و رپیدماینر توصیه می‌شود.

4- پلتفرم‌های هوش‌تجاری:

در ایران به دلیل تجربیات موفق شرکت‌ها معمولاً حوزه هوش‌تجاری موردتوجه قرارگرفته است. در همین راستا معمولاً در فرصت‌های شغلی مرتبط با حوزه علم‌داده کسب دانش در حوزه BI و برخی پلتفرم‌های آن لازم می‌باشد. در این حوزه توصیه به یادگیری یک نرم‌افزار مطرح هوش‌تجاری همچون Qlik یا Tableau یا Power BI و آشنایی با پلتفرم‌های BI پایگاه داده‌هایی مانند Sql یا Oracle می‌باشد.

5- پلتفرم‌های Big Data:

حوزه Big Data فرصت‌های شغلی مختص خود را دارد و کسب تخصص کامل در تمامی پلتفرم‌ها در مدت‌زمان کوتاه امری نشدنی خواهد بود. در حوزه علم‌داده نیاز به کسب دانش در پلتفرم‌های Big Data Analytics شامل کتابخانه‌های یادگیری ماشین و تحلیل شبکه اجتماعی هدوپ، اسپارک و... را خواهید داشت. جهت زبان برنامه‌نویسی در این بخش توصیه پایتون می‌باشد.

ارادتمند

محمدرضا محتاط

https://t.me/dataanalysis