آخرین مقالات
خانه / علم داده / دلایلی که باعث می‌شوند یک متخصص علم داده نشوید

دلایلی که باعث می‌شوند یک متخصص علم داده نشوید

این نوشته، ترجمه‌ایی است از مقاله‌ی

“Nine reasons why you’ll never become a
Data Scientist”

که اخیراً در وب‌سایت بسوی علم داده «towardsdatascience.com» پست شده است. البته به عقیده‌ی بنده نکات تنها در خصوص علم داده نیستند و حالت کلی دارند.

هدف این نوشته این نیست که شما را ناامید کند. بلکه برعکس، قصد دارد تا با شناساندن برخی از موارد کوچک بشما، یک نقشه‌ی راه دقیق و بهتری را برای آینده شغلی‌تان ترسیم کند.

باید طرز فکرتان را عوض کنید. آرزو دارید که متخصص علم داده شوید، حرفه‌ایی که جذاب‌ترین شغل قرن ۲۱ام طبق نظر مجله‌ی مرور مشاغل هاروارد (Harvard Business Review)، انتخاب شده است. اما علاوه بر تمایل و علاقه‌ی شما برای ورود به این شغل، ممکن است که علم داده برای شما گزینه‌ی خوبی نباشد. در این لحظه، توهمات و کلیشه‌های زیادی دارید. اما کارتان ساده است، کارهایی که باعث عقب ماندن شما است را حذف کنید و شگفت‌زده خواهید شد که با چه سرعتی پیشرفت خواهید نمود.

۱- گمان می‌کنید که مدرکتان کافی است:
شما یک مدرک کارشناسی ارشد در یک شاخه‌ی محاسباتی و یا حتی مدرک دکتری دارید و اکنون می‌خواهید که یک سر و گردن از دیگران جلوتر باشید. اما آیا تاکنون از یک شِل (Shell، به زبان بسیار ساده شِل برنامه‌ایی است که دستورات را از صفحه کلید می‌گیرد و آنها را به سیستم عامل جهت اجرا انتقال می‌دهد) استفاده کرده‌اید؟ آیا تابحال ترسی را که از خط-دستوراتِ واسط در هنگام مواجه با خطاها ناشی می‌گردد، حس کرده‌اید؟ آیا تاکنون با پایگاه‌- داده‌های بزرگ، در مقیاس ترابایت، کار کرده‌اید؟ اگر به هر کدام از سئوال‌های فوق پاسخ منفی بدهید، شما هنوز آماده نیستید. شما به مقداری از تجربیات دنیای واقعی و پروژه‌های معنادار نیازمندید. تنها در این صورت است که با مسائلی مواجه می‌شوید که قرار است هر روزه بعنوان یک متخصص علم داده با آنها سر و کار داشته باشید، و تنها در این صورت است که شما مهارت‌هایتان را برای حل آنها توسعه خواهید داد. تبریک می‌گویم بخاطر مدرکتان. حالا بسرعت و قاطعیت، به سختی تلاش کنید.

۲- اشتیاق‌تان کم است:
آیا تاکنون کل یک آخر هفته را روی یک پروژه‌ی خسته‌کننده گذرانده‌اید؟ آیا تاکنون شب‌هایتان را در مرور گیت‌هاب (GitHub) در حالی که دوستان‌تان در پارتی‌ها هستند، گذرانده‌اید؟ آیا تاکنون به سرگرمی‌های مورد علاقه‌تان برای اینکه کمی کدنویسی کنید، نه گفته‌اید؟ اگر نتوانید به سئوالات اخیر پاسخ مثبت دهید، شما به اندازه‌ی کافی مشتاق نیستید. علم داده علمی است که با مسائل بسیار سخت مواجه می‌شود و شما باید با آنها سر و کله بزنید تا به یک پاسخ برسید. اگر به اندازه‌ی کافی مشتاق و علاقمند نباشید، در اولین فرصت و با اولین برخورد با سختی‌ها، از حل آن شانه خالی خواهید کرد. فکر کنید که چه چیزی شما را جذب می‌کند تا یک متخصص علم داده شوید؟ آیا عنوان شغلی جذاب و مسحور کننده‌اش است؟ یا دورنمای شخم زدن حجم عظیمی از داده در جستجوی بینش و آگاهی است؟ اگر این مورد آخری است، شما در مسیر درستی قرار دارید.

۳- به اندازه‌ی کافی دیوانه و شیدا نیستید:
تنها ایده‌های دیوانه‌وار، ایده‌های خوبی هستند، و بعنوان یک متخصص داده، شما به تعداد زیادی از آنها نیاز پیدا خواهید کرد. نه تنها نیاز پیدا خواهید کرد که پذیرای نتایج غیرمتقربه‌ایی که زیاد بوجود می‌آیند، باشید، بلکه مجبور خواهید شد که پاسخ‌ به سئوالات واقعاً مشکل را گسترش دهید. این مورد نیاز به یک سطح فوق‌العاده دارد که نمی‌توانید با ایده‌های نرمال به آن دست یابید. اگر مردم مدام بشما می‌گویند که دیوانه شدی، شما در مسیر درست هستید. اگر خیر، شما باید روی شیدایی‌تان کمی کار کنید. البته این نیاز به کمی جسارت دارد. کمی که بی‌قاعدگی‌تان را بروز دادید، ممکن است برخی از مردم سرشان را بخارانند و پشتشان را به شما کنند. اما ارزشش را دارد، چون شما با خودتان صادق هستید و در حال ایجاد و تولید جرقه‌های محشر بودن هستید که بعنوان یک متخصص علم داده، نیازمند آن هستید.

همیشه شیدایی به معنای انجام کارهای متفاوت نیست. همین که متفاوت بیاندیشیم، برای شروع کافی است. همیشه حق با اکثریت نیست.

۴- از کتاب‌ها و دوره‌های آنلاین یاد می‌گیرید:
برداشت بد نکنید. کتاب‌ها و کلاس‌های آنلاین روش‌های بسیار خوب برای شروع هستند. اما تنها برای شروع. شما در اسرع وقت نیازمند کار روی پروژه‌های واقعی هستید. یادگیری ضمن انجام دادن، کلید کار است. با ساختن پروفایل گیت‌هاب خودتان آغاز کنید. در برخی از رقابت‌های هکاتون (Hackathon، رویدادی که در آن برنامه‌نویسان کامپیوتر و سایر توسعه‌دهندگان نرم‌افزار گرد هم می آیند تا در توسعه پروژه‌های نرم و گاهاً سخت‌افزاری همکاری نمایند) و کگل (Kaggle، بزرگ‌ترین جامعه مهندسان داده و یادگیری ماشین است) شرکت کنید. همچنین درباره‌ی تجربیات‌تان (وبلاگ-نویسی کنید) بنویسید. همه می‌توانند، کتاب‌های درسی بنویسند. برای اینکه یک متخصص علم داده باشید، باید بیشتر انجام دهید.

البته هنوز تعریف دقیقی از علم داده وجود ندارد ولی دیاگرام فوق تا حدودی چهارچوب کلی از آن را برای ما ترسیم می‌کند. همان‌طور که ملاحظه می‌کنید علم داده به اطلاعات و تیم کاملی نیازمند است.

۵- فکر می‌کنید که در جایی می‌توانید یادگیری را متوقف نمائید:
شما در تعدادی از دوره‌های آنلاین علم داده ثبت نام کرده‌اید و در حال مطالعه‌ی چند کتابِ مرجع هستید. حالا فکر می‌کنید وقتی که آنها را کاملاً یاد بگیرید، به اندازه‌ی کافی برای کشف و توسعه‌ در علم داده آموخته‌اید. اشتباه است. این تنها آغاز است. اگر فکر می‌کنید که تاکنون زیاد آموخته‌اید، فکر کنید که چقدر در طول سه سال آینده خواهید آموخت. اگر شما درنهایت یک متخصص علم داده شوید، ده برابر بیشتر از چیزی که اکنون یاد دارید، خواهید داشت. این علم، چیزی دائماً در حال تغییر است که تکنولوژی‌های جدید بطور مداوم به آن نیاز دارند. اگر هنگامی که کارتان را یافتید، یادگیری را متوقف کنید، مسیرتان از یک متخصص علم داده‌ی مبتدی به یک متخصص علم داده‌ی مزخرف تبدیل خواهد شد. اگر می‌خواهید که در علم داده برتر باشید نیاز دارید تا با این واقعیت که منحنی یادگیری‌تان با گذشت زمان شیب تندتری پیدا خواهد کرد، مواجه شوید. اگر از زیاد یادگرفتن لذت نمی‌برید، رویای متخصص علم داده شدن را رها کنید.

۶- در حوزه‌های دیگر تجربه ندارید:
شما یک یا دو موردی از علوم کامپیوتر بلدید و مهارت‌های ریاضی‌تان هم خیلی بد نیست. آیا قادر خواهید بود که یک شغل در حوزه‌ی علم داده پیدا کنید؟ خیر، نمی‌توانید. مهارت‌های شما در آی.تی. و ریاضی اساسی هستند اما آنقدر کافی نیستند تا خودتان را از بقیه‌ی علاقمندان علم داده جدا کنید. متخصصین علم داده در انواع کمپانی‌ها و اقسام مختلف صنایع کار می‌کنند. برای انتقال نقطه‌نظراتِ کلیدی به مشتری‌هایتان، نیازمند دانش در حوزه‌ی کاری آنها هستید. سعی کنید که خودتان را بعنوان یک متخصص در زمینه‌ی کاری‌تان جا دهید تا بعنوان یک متخصص علم داده‌ی عمومی. به این شکل، شما واقعاً کار پیدا خواهید کرد.

۷- کمبود مهارت‌های تجارت و بیزینس دارید:
بنابراین شما بیشتر از نوع تحلیلی می‌باشید. شما عاشق اعداد و آنالیز کمی هستید و از محاسبات نرم و ارتباطات انسانی متنفرید. دوست من، این شما را یک متخصص علم داده‌ی خوب نمی‌کند. مهارت‌های نرم، حتی در مشاغل کمی نیز مهم هستند. مهارت‌های نرم در نهایت باعث می‌شوند که در مصاحبه‌ی شغلی فوق‌العاده باشید. از تمامی مهارت‌های نرم که می‌توانید کسب کنید، مهارتِ تجارت و کسب و کارتان نیاز به یک ترقی دارد. توجه کنید که مشتری‌های شما، رهبران تجاری هستند و در نتیجه آنها نیازمند افرادی‌ می‌باشند که تجارت را بفهمند. تنها از این طریق می‌توانید بینش‌هایی تولید کنید که به مشتری بها می‌دهد.

بعضاً همین گپ و گفت‌های کوتاه و دوستانه منجر به ارتباطات عمیق کاری در آینده خواهد شد. پس تا می‌توانید از مهارت ارتباطات بهره ببرید.

۸- ارتباطات معناداری ندارید:
شما می‌خواهید شغلی در این زمینه بیابید اما هیچ همکار متخصص داده‌ایی را نمی‌شناسید؟ زمانش رسیده که زود عمل کنید دوست من. به دور همی‌ها و ملاقات‌ها بروید. به گروه‌های مربوط ومناسب در لینکداین ملحق شوید. سعی کنید افراد در هکاتون را بشناسید. افراد درست را در توئیتر دنبال کنید. همکارانتان را در پروژه‌ی گیت‌هاب ملاقات کنید. چیز شگفت‌انگیزی انجام دهید. همانند هر جستجوی شغلی دیگری، ۹۰ درصد موفقیت شما با توجه به گستردگی مهارت‌هایتان تعیین نمی‌شود، توسط افرادی معین می‌شود که می‌توانند منبع و معرف شما باشند و کسانی که بتوانند مقدمه‌ایی به شما بدهند. اگر ارتباط‌های لینکداین شما محدود به مادر و همکارانتان در یک شغل به بن‌بست رسیده باشد، وقتش رسیده که کمی پروفایلتان را پررنگ‌تر کنید. اگر دنبال‌کنندگان توئیتر شما انگشت‌شمار هستند، شروع کنید به توئیت کردن. اگر وبلاگ‌تان خواننده‌ایی ندارد، شروع کنید به بهینه‌سازی موتورهای جستجو و کمی بازاریابی بخوانید. ارتباطات خواهند آمد. اما شما در وهله‌ی نخست باید خوب و سریع شروع کنید.

۹- کارهای کثیف را دوست ندارید:
شما خیلی در خصوص یادگیری ماشین و هوش مصنوعی شنیده‌اید. فکر می‌کنید که علم داده می‌تواند دربِ کار کردن با تکنولوژی‌های بروز را برای شما باز کند؟ من تضمین می‌کنم که شما بیشتر از ۵ درصد از وقت‌تان را نمی‌توانید آنرا انجام دهید. به محض اینکه کار رویایی‌تان را یافتید، بخش اعظم زمان‌تان را صرف تمیز کردن داده‌ها خواهید کرد. تبریک می‌گویم. شما هم‌اکنون یک شغل بعنوان فراش مدرسه پیدا کردید. اگر آنرا دوست ندارید، بروید خانه. نباید این پست را بخوانید. اگر شما هنوز دوست دارید که یک متخصص علم داده بشوید، بعد از خواندن کامل این پست، این زمانی که صرف کردید، یعنی شما عاشق کارِ کثیف شدید.

«علم داده یک شغل نیست، یک حرفه و عشق است»

متخصصین علم داده اکثراً بدنبال افرادی هستند که کارهای سطحی انجام می‌دهند. اما برای یافتن یک موقعیت شغلی در این زمینه، کارهای کوچک و سطحی کافی نیستند. شما نیاز دارید که سخت کار کنید. اگر بعد از خواندن این پست متقاعد شده‌اید که هنوز می‌خواهید یک متخصص علم داده شوید، تبریک می‌گویم. شما احتمالاً در یک مسیر خیلی خوب هستید. اگر در این مرحله و نقطه شما مطمئن نیستید از اینکه یک متخصص علم داده شوید، ابتدا بزرگ‌ترین دلایل‌ شک‌هایتان را مشخص کنید. سپس روی آن موارد کار کنید، می‌توانید انجامش دهید.

درباره‌ محمد فزونی

محمد فزونی
بنده دانش‌آموخته دانشگاه خوارزمی تهران در مقطع دکتری تخصصی رشته ریاضی محض، شاخه آنالیز تابعی و هارمونیک هستم و در حال حاضر عضو هیات علمی دانشگاه گنبدکاووس می‌باشم. این وب‌سایت، بیشتر منعکس کننده، افکار و نظرات و حال‌وهوایم در حوزه‌های مختلف دانشگاهی و اجتماعی و تا حدودی اعتقادیم است.

جوابی بنویسید

ایمیل شما نشر نخواهد شدخانه های ضروری نشانه گذاری شده است. *

*