منتشر شده در analyticsinsight به تاریخ ۱۰ مه ۲۰۲۲
لینک منبع YOU CAN BUILD A SUCCESSFUL DATA SCIENCE CAREER WITH AN ARTS DEGREE

علم داده زمینه‌های متعددی از جمله آمار، روش‌های علمی، هوش مصنوعی و تجزیه و تحلیل داده‌ها را برای استخراج ارزش از داده‌ها ترکیب می‌کند. علم داده‌ها شامل آماده‌سازی داده‌ها برای تجزیه و تحلیل، از جمله پاک‌سازی، جمع‌آوری، و دستکاری داده‌ها برای انجام تجزیه و تحلیل داده‌های پیشرفته است. دانشمندان داده، کارشناسان تحلیلی هستند که از مهارت‌های خود در تکنولوژی و علوم اجتماعی برای یافتن روندها و مدیریت داده‌ها استفاده می‌کنند.

کسب‌وکارها از دانشمندان داده برای منبع‌یابی، مدیریت و تجزیه‌و‌تحلیل مقادیر زیادی از داده‌های بدون ساختار استفاده می‌کنند. در حالی که انتقال از دانشگاه به علم داده برای دارندگان مدرک STEM نسبتا رایج است، اما برای فارغ التحصیلان با پس‌زمینه‌های غیر-STEM بسیار نادرتر بوده‌است. این مقاله قصد دارد توضیح دهد که چگونه فارغ‌التحصیلان رشته هنر در یک حرفه علم داده قرار می‌گیرند و برای کسانی که در نظر دارند شغلی در علم داده داشته باشند، با پیشینه‌های غیرSTEM، از کجا شروع کنند.

برخی توصیه‌های عملی:

دانشمند داده نرم‌افزاری می‌سازد که می‌تواند توسط کسب‌وکار برای پیش‌بینی، توصیه‌های شخصی، و غیره مورد استفاده قرار گیرد. در علم داده، شواهد به طور کلی براساس داده‌های عددی هستند، و داستان‌سرایی توسط تصویرسازی داده هدایت می‌شود، اما جستجوی اساسی و الگوهای تفکر مشابه هستند.

مدرک علوم انسانی یکی از مفیدترین زمینه‌ها برای یک دانشمند داده صنعتی است. یک مدرک علوم انسانی یک متخصص را در پرداختن به موضوع، بیان سوالات تحقیق، و غیره متخصص می‌کند. دانش احتمالات و آمار را بسازید و دانش اولیه نوشتن کدهایی مانند پایتون، R، SQL و غیره و تجسم داده‌ها را به دست آورید. این دو حوزه شما را به ۹۰٪ راه دانشمند بودن در زمینه داده‌های کاربردی تبدیل خواهند کرد.

در اینجا به چند نکته اشاره می‌کنیم که به شما کمک می‌کنند شغل خود را به سمت علم داده سوق دهید:

برای کسب دانش پیش نیاز لازم برای علم داده کتاب‌های مختلفی وجود دارند که از طریق آن‌ها می‌توانید دانش موضوعات علم داده را به دست آورید. ریاضیات، جبر خطی، احتمال و آمار پایه و اساس علم داده هستند.

یاد بگیرید که دانشمندان داده چگونه صحبت می‌کنند، کار می‌کنند و فکر می‌کنند. علم داده دارای اجزای مختلفی مانند استخراج داده، تبدیل داده، تمیز کردن، تجسم و پیش‌بینی است.

زمانی را صرف نگاه کردن به کرنل‌ها در مسابقاتKaggle یا TopCoder کنید تا از نحوه برخورد سایر کاگلرها با رقابت بیاموزید. انجام این کار نه تنها تجربه عملی ارزشمندی را با علم داده ارائه می‌دهد، بلکه این شانس را نیز به شما می‌دهد که هنگام هم‌کاری با برخی از دانشمندان ارشد داده کشور، مورد توجه قرار بگیرید.

علم داده بیشتر یک زمینه عملی است که در آن برای رسیدن به دانش واقعی باید مشکلات واقعی را با کار بر روی پروژه‌های زنده حل کنید. یک پروژه علم داده، چه مشکلی باشد که می‌خواهید حل کنید یا یاد بگیرید، بیابید و آن را به عنوان یک نمونه کار قرار دهید.

بررسی مطالعات موردی بلادرنگ مانند این که شرکت‌های بزرگ چگونه از علم داده برای کمک به بهبود سازمان و سود آن استفاده می‌کنند بسیار مفید است. و این مطالعات موردی به شما در یافتن مشکلاتی که باید حل شوند و نحوه رویکرد به حل یک مشکل خاص کمک می‌کند.

آمار، ریاضیات، پایتون، R، SQL، دانش کسب‌وکار و تجسم داده‌ها برخی از منابعی هستند که می‌توانند به شما کمک کنند تا دانشمند داده با مدرک هنر شوید.

این متن با استفاده از ربات ترجمه مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.