چگونه در سال آینده محقق داده (data scientist) بزرگی بشویم؟

سال آینده شما به عقب نگاه میکنید و از پیشرفت خود به عنوان یک محقق داده شگفت زده خواهید شد. من شک ندارم و شما هم شک نداشته باشید. هرچند برای انجام این کار تمرین و سخت کوشی نیاز است. در ادامه، پنج تصمیم برای شروع درست یک سال جدید مورد بحث و بررسی قرار خواهد گرفت.

هر روز بیاموزید

سال آینده سال رشد و پیشرفت شماست. متعهد شوید که هر روز حداقل سی دقیقه وقت برای یادگیری صرف می کنید. یادگیری می‌تواند به هر شکلی باشد که شما می‌خواهید. می‌تواند خواندن یک کتاب، شروع یک دوره جدید آنلاین، رفتن به یک جلسه یا شروع یک وبلاگ باشد.

برای این هدف، زیاد به آنچه که قرار است یاد بگیرید فکر نکنید و فقط یادگیری را شروع کنید. طبق تجربه من تقریباً تمام دیتاساینتیست‌ها از یادگیری انگیزه می‌گیرند؛ اما اغلب، وقت زیادی را صرف فکر کردن در مورد آنچه باید یاد بگیرند می‌کنند. ما می‌خواهیم بهترین موضوع ممکن را انتخاب نماییم؛ بنابراین به جای یادگیری، وقت خود را صرف فکر کردن در مورد موضوع یادگیری می‌نماییم.

این بدان معنا نیست که شما نباید وقتی برای فکر کردن در مورد آنچه می‌خواهید بیاموزید صرف کنید؛ بلکه فقط کافی است که ایده را بدانید و طبق آن پیش روید. شاید شما همیشه خواسته باشید که در مورد تقویت یادگیری بیش‌تر بیاموزید. این کار را انجام دهید! چند روز اول یادگیری فقط می‌تواند صرف یافتن بهترین منابع تقویت یادگیری شود. سپس می‌توانید کار اصلی را شروع کنید.

همچنین فراموش نکنید که شما برای یادگیری زمان‌تان را صرف می‌کنید. بنابراین اگر همچنان نسبت به یادگیری شک دارید، آن را تغییر دهید. موضوع دیگری را انتخاب کنید، روش یادگیری دیگری پیدا کنید یا با یک دوست مشورت کنید. نکته اصلی این است که راهی بیابید برای اینکه هر روز بتوانید یاد بگیرید. اگر بتوانید این کار را انجام دهید سال آینده سال رشد و پیشرفت شگرف شما خواهد بود.

یک مالک باشید (كار را مال خود كنيد)

مهم نیست نقش شما چیست، مردم در سال آینده شما را به عنوان کسی که نقش مهمی در شرکت داشته است می‌شناسند. شما یک ذهنیت مالک بودن با استفاده از سوالات زیر ایجاد خواهد کردید (پروژه را مال خود کنید):

چگونه این پروژه شرکت را به اهداف خود نزدیکتر می‌کند؟
آیا من چشم‌انداز پروژه را درک می‌کنم و آیا می‌توانم راه‌حلی خلاقانه بیابم؟
چگونه می‌توانم اطمینان یابم که این پروژه موفق می‌شود؟ حتی اگر برخی موارد، جزئی از وظیفه شغلی من نباشد.

بسیاری از سؤال‌های دیگر نیز وجود دارند که می‌توانید بپرسید. اما این 3 مورد می‌تواند شروع خوبی برای تغییر ذهنیت شما برای به سرانجام رسیدن کارها باشند. شما شگفت زده خواهید شد که چقدر این مورد باعث تغییر کار شما خواهد شد. در واقع شما به سمت یک مشارکت‌کننده بهتر، یادگیری مهارت‌های جدید و نوآوری سوق داده می‌شوید؛ زیرا تا زمانی که کاری را که می‌خواهید انجام دهید، مال خود نکنید، آن کار انجام نخواهد شد.

به نظر من این مهارت برای محققان داده از اهمیت ویژه‌ای برخوردار است زیرا داده‌ها بخش عمده‌ای از شرکت‌ها را تشکیل می‌دهند. این بدان معنی است که شما به عنوان یک محقق داده مجبور هستید در بسیاری از بخش‌های شرکت کار کنید تا اطمینان حاصل کنید که کارتان باارزش است. اگر بتوانید بر این مهارت تسلط داشته باشید، ارزشمند می‌شوید.

ساده شروع کنید

مطمئناً مدل‌های پیچیده‌ای وجود دارند که می‌توانند نتایج فوق العاده‌ای را ارائه دهند؛ اما هنگام شروع یک پروژه از خود خواهید پرسید:

چگونه می توانم اولین مدل خود را در یک روز بسازم؟

ساخت اولین مدلتان در مدت یک روز شما را وادار می کند تا فقط بر روی ساده ماندن و حل کردن بحرانی‌ترین مشکلات متمرکز شوید. به احتمال زیاد مدل شما بسیار بد خواهد بود؛ اما اکنون یک پایه و زیربنا خواهید داشت که می‌توانید مراحل بعدی را بر آن بنا کنید. افزودن پیچیدگی به مراتب آسان‌تر از حذف آن است. شما به عنوان یک محقق داده با پیروی از این قانون ساده می‌توانید پیچیدگی‌ها را نادیده بگیرید و تنها بر مشکلات اصلی که نیاز دارید حل شوند تمرکز کنید.

شکست بیش‌تر

همانطور که گفته می‌شود: «شما بیشتر از شکست یاد می گیرید تا از موفقیت.» من صد در صد به این جمله معتقدم. شکست فقط به معنای یادگیری یا رشد نیست. عدم موفقیت و سپس وقت گذاشتن برای یافتن علت آن و تعیین اهداف برای بهبود می‌تواند به رشد و پیشرفت شما به طور قابل توجهی کمک کند.

امسال هدف شما این خواهد بود که بهتر از بقیه شکست بخورید. اهداف شما در جهت محدویت‌هایتان خواهد بود که نهایتاً به شکست شما منجر می‌شود و هنگامی که شکست بخورید، آنگاه رشد خواهید کرد.

به عنوان مثال، می‌توانید یك نوع مدل یادگیری ماشین (machine learning) كه قبلاً هرگز از آن استفاده نکرده‌اید را به عنوان هدفتان ارائه دهید. این می‌تواند چیزی مانند یادگیری تقویتی یا یادگیری عمیق احتمالی (probabilistic deep learning) باشد. این نوع هدف، شما را به بیرون از ناحیه امن‌تان سوق می‌دهد و شما را مجبور به رشد می‌کند.

هرچند باید مراقب باشید که به درستی شکست بخورید. انجام یک ریسک بزرگ در مورد یک پروژه مهم و حساس ایده خوبی نیست. هر چند همین هدف در یک پروژه فرعی می‌تواند ایده خوبی باشد. این هدف در واقع این جمله «ساده شروع کنید» را تکمیل می‌کند؛ از این جهت که شما را به سمت محدودیتهایتان سوق می‌دهد؛ در غیر این صورت، شاید هیچ گاه از وجود الگوریتم‌ها یا تکنولوژی‌های جدید و باارزش آگاه نمی‌شدید.

کمک كردن به دیگران

و در آخر در سال آینده هدفی را برای کمک كردن به دیگران تعیین کنید. زمانی را برای مشاوره دادن، تدریس، راهنمایی یا کمک به رشد دیگران پیدا کنید. دفعه بعد که یک محقق داده جوان در لینکدین (LinkedIn) به دنبال راهنمایی است، پاسخ دهید و به او کمک کنید. آدام گرانت (Adam Grant) در مورد ارزش کمک کردن به دیگران (giver) بسيار زيبا صحبت كرده است كه من به شدت با او موافقم. نه تنها به دیگران کمک می‌کند بلکه به شما نيز کمک می‌کند.

من مطمئن هستم که فارغ از تجربه یا سطح مهارت‌تان، می‌توانید راه‌هایی برای کمک به دیگران بیابید. فقط بايد نگاه کنيد. امیدوارم که اين پنج تصمیم به شما کمک کنند سال جديد را به درستی شروع کنید؛ به طوري كه سال آینده براي شما به عنوان سال رشد و یيشرفت، يادگيري و موفقيت باشد.

منبع: towardsdatascience