دلایل متخصص علم داده نشدن

فهرست مطالب

در این مقاله دلایل متخصص علم داده نشدن را بررسی می‌کنیم. این نوشته، ترجمه‌ایی است از مقاله‌ی

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

که اخیراً در وب‌سایت بسوی علم داده 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 و دقیقاً دلایل متخصص علم داده نشدن را بیاموزد. 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 21ام 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.

اما دلایل متخصص علم داده نشدن دقیقاً چیست؟

1- 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.

2- 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.

3- 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.

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

4- 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.

دلایل متخصص علم داده نشدن
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.

5- 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.

6- 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.

7- 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.

دلایل متخصص علم داده نشدن
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.

8- 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، 90 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.

9- هر کاری (با هر سطحی) را دوست ندارید انجام دهید:

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 5 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 (کارهای در ظاهر سطحی، ولی دارای تاثیر در بلند مدت) و  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.

اینها بزرگترین دلایل متخصص علم داده نشدن بود که بررسی کردیم. امیدوارم با رعایت همین نکات کوچک، بتوانید بهترین و بزرگ‌ترین جایگاه‌ها را از آن خود کنید.

 

سایر مقالات مجموعه:

پست‌های مرتبط با این مقاله:

17 پاسخ

  1. سلام استاد گرامی

    امیدوارم در این احوالات کرونایی سلامت و شاد باشین ، که مهمترین ارکان برای ماندن و ادامه دادن است.
    بسیار بسیار سپاسگزارم از مطالب مفیدتون.
    یه سوال نچندان مناسب دارم.
    من 39 سالم و دیپلم ریاضی فیزیک خوندم اما به دلایلی که اونزمان آینده فیزیک و نجوم رو بنا به مشاورین مدرسه خوب ندیدم بالجبار کارشناسی مدیریت بازرگانی و ارشد مدیریت فناوری اطلاعات رو گرفتم. که البته در مقطع کارشناسی به مدیریت علاقه مند شدم، اما همچنان سودای علم آموزی در دیای جدید را دارم.
    در حال حاضر برای تحصیل همسرم در سیدنی زندگی میکنیم. و به پیشنهاد خودم و تشویق همسرم در حال یادگیری Paython هستم و از اونجایی که آشنایی نسبی با دیای فناوری در مقطع ارشد بدست آوردم، آیا با این پیشینه و اشرافی که شما به رشته دیتا ساینس دارید تحصیل در این رشته را جایز میدانید؟

    راهنمایی شما بسیار تاثیر گذار خواهد بود.

    با سپاس و امید روزهای خوب برای همگان

    1. سلام سارا جان
      ممنون بابت آرزوی بسیار خوبتون. یکی از مزایایی بسیار خوبی که دیتا ساینس داره، کاربرد گسترده و وسیع اون در تمام رشته‌هایی هست که داده (دیتا) دارند و یا به نوعی به یکسری از داده‌ها مرتبط‌ هستند. این رشته، بیشتر از سواد علمی عمیق، نیاز به یک دانش گسترده و از همه چیز مهم‌تر، حوصله‌ی سر و کله زدن با حجم زیادی از داده‌ها رو می‌خواد. قطعاً شما و یا هر کس دیگر، می‌تونید وارد این رشته بشود و موفق بشند. الان در ایران اتفاقاً چندتا از اساتید هیات علمی دانشگاه تهران که رشته‌شون هم مدیریت هست، دیتا ساینس کار می‌کنند و کم‌کم از همه‌ی رشته‌ها و زمینه‌ها دارند رو میارند به تکنیک‌ها و ترفندهای این زمینه. پس شک نکنید برای خواندن این رشته. اگر ادمیژن دانشگاهی بگیرید و بتونید وارد یک تیم تحقیقاتی مرتبط با دانشگاه بشید، فوق‌العاده است.

      1. سلام
        و ممنون از مطالب عالی ای که توضیح دادید
        من پیش زمینه ای ندارم در این رشته و رشته دانشگاهیم حقوق بوده مدتی هست راجع به این رشته تحقیق میکنم‌ یه سوالی که خیلی ذهن من رو مشغول کرده ریاضیه!!!!
        چقدر ریاضی ای که برای این رشته لازمه شبیه ریاضی و آمار دبیرستانه؟

        ینی اگه ریاضی ما متوسط باشه موفق نمیشیم؟

        ببخشید که سوالم ابتداییه ولی واقعا برام مسئله و تعیین کننده است
        ممنون میشم در صورت امکان راهنمایی بفرمایید

        1. سلام الهام جان. شما برای موفقیت در این رشته نیاز دارید که یک منطق ریاضی نسبتاً قوی داشته باشید. لزوماً نیازی به یادگیری فرمول ندارید، اما مهارت‌های حل مسئله‌تون باید قوی باشد. نه تنها شما، بلکه هر شخص دیگری قطعاً با تمرین و ممارست در موضوعاتی که ضعف دارید، می‌توانید تا حد زیادی این نقص رو برطرف کنید. پس با تلاش هر کاری ممکن است. فقط شما شاید کمی زمان بیشتری نیاز داشته باشید.

  2. سلام .با ارزوی سلامتی برای شما.ممنونم از مطالب مفیدتون.
    من در حال حاضر دانشجوی کارشناسی علم اطلاعات هستم به نظر شما رفتن به رشته علم داده برای من مناسب؟
    من تا پیش از خوندن مقاله شما فکر میککردم رشته دیتا ساینس بیشتر مرتبط به رشته علم اطلاعات باشه اما الان دیدم شما دیتا ساینس رو یک زیر مجموعه از رشته ریاضی در نظر گرفتید
    من چجوری میتونم برم این رشته؟به نظرتون برای من مشکل میشه ؟؟

    1. سلام غزاله جان
      ممنونم، انشاا.. که حال شما هم خوب باشد. دیتا ساینس در سطح جهانی، گاهاً در گروه ریاضی، گاهاً در گروه آمار و بعضی اوقات هم در گروه کامپیوتر تعریف میشه. خب مشخصه، هر گروهی با توجه به سطح دانش خودشون میان و دروس و اهدافی رو مشخص می‌کنند. مثلاً دیتا ساینس بچه‌های کامپیوتر از دیتا ساینس بچه‌های ریاضی، بیشتر نرم‌افزار داره. هر کسی هم از هر رشته‌ایی که از گروه فنی مهندسی باشد می‌تونه وارد این رشته بشه. از هر کدوم از این سه رشته که در بالا گفتم باید کمی بلد باشید، بخصوص آمار. وقتی که وارد دانشگاه شدید، اون گروه دانشگاهی خودش شما رو به مسیری که مد نظرش هست هدایت می‌کند. کمی هم که زمان بگذرد، خودتون متوجه می‌شوید چه چیزی رو باید بیشتر یاد بگیرید. پس اصلاً نگران نباشید که برای ورود به این رشته شما دانشتون کم هست. امیدوارم سئوالتون رو پاسخ داده باشم.

  3. سلام و عرض ادب احترام و اروزی سلامتی و تندرستی …
    من ناصر صادقی متولد هفتاد و پنج فارغ التخصیل رشته مهندسی معماری از دانشگاه هنرتبریز هستم.بنابه دلایلی پس ازلتمام کازشناسی تصمیم گرفتن به سمت علاقه خودم یعنی کامپیوتر و برنامه نویسی برگردم و از صفر شروع کنم که پس از حدود یک سال رو کله زدن با این حوزه عظیم و گسترده تکتولوژی و مطالعه و بررسی حوزه های مختلف علاقه قلبی خودم رو برای انتخاب حرفه ای که قراره کل عمرم رو پاش بزارم بر اساس پارامترهای مختلفی همچون پیش نیاز های این حوزه و آینده شغلی و سبک کاری و مراحل انجام کاری این حوزه و مهمتر از همه علاقه و استعداد و شناختی که از خودم دارم و هدف و چشم انداز ذهنیم تصمیم ورود به حوزه هوش مصنوعی که شامل علم داده و زبان ماشینی و یادگیری عمیق میشه گرفتم که در نهایت بتونم به اون هدف نهاییم بعد از حدود بیست سال تلاش و یادگیری و افزایش تخصص در این حوزه بتونم اون اهدافم رو پیاده سازی کنم و بتونم کمی در این حوزه مورد علاقم اگر خدا بخواد قطره ای به این دریای تکنولوژی اضافه کنم .. شاید کمی دور از ذهن بنظر بیاد ولی هدف نهایی من ترکیب این حوزه با همکاری متخصصین ژنتیک برای کنترل کردن کامل مغز انسان و دستکاری و استفاده حداکثری از مغز انسان ها به عنوان پردازشگر برای امور مختلف هستش که تقریبا با انجام‌این هدف میشه گفت که یک ابر کوانتوم کامپیوتر میشه ساخت که این پردازشگر میتواند از عهده هدف بعدیم که ساخت دنیای مجازی هولوگرافیک میباشد بر آید و بدین ترتیب هر فردی میتونه تو دنیای مجازی خودش که با واقعیت فرقی نخواهد داشت زندگی دلخواهش رو طی کنه.. و این دنیای مجازی با واقعیت مو نخواهد زد و حتی میتوان برای مثال یک میوه مثلا پرتقال را نیز تا ذرات اتمی و کوانتومی نیز مدلسازی نمود و توسط مغز هایی که به عنوان پردازشگر به کنترل درآمده اند به راحتی رندر شوند و فرد بتونه در این فضای مجازی هولوگرافیک زندگی دلخواهشو که مانند بعشت خواهد بود رو زندگی کنه .نظر شما چیه استاد؟ آیا مسیر انتخابی برای اهدافم درسته ؟ یا راهنمایی دیگری دارید که نن آگاهانه تر پیش برم ؟

  4. خیلیا واقعا این اهداف رو دور از ذهن و تخیلی میبینن ولی من ایمان دارم که امکان پذیره و همین ایمان به انجام کاری برای انجام کار به همراه تلاش و برنامه ریزی درست بخش معمی از تحقق ایده و اهداف رو تشکیل میده ‌‌ که البته تحقق این ایده های تخیلی قطعا حداقل با پانزده بیست سال تلاش و همکاری با متخصصان دیگه همچون متخصصان بازی سازی و متخصصین علوم کامپیوتر های کوانتومی و علوم ژنتیک میسر خواهد بود … دلی میتونه علم و پیشرفت بشری رو درحد مقیاس لگاریتمی سرعت ببخشه .. و خیلی مشتاقم که تظرات افراد مختلف رو در این باره بدونه با اینکه اکثرا همه این اهداف رو دوراز ذهن و ناممکن و تخیلی دونستن ولی من همچنان روشن و تشنه انجام این اهدافم هستم و هرچقدر بیشتر نه میشنوم تشنه تر مشم.. ولی خب واقعا نیازه که نظرات واقع بینانه تری که قطعا افراد متخصصی همچون شما میتونن بهتر و درست تر مسیر درست و فرایند رو بررسی کنن رو هم بدونم و مشتاقانه منتظر جواب شما استاد بزرگوار هستم

  5. سلام خسته نباشيد، سوالي دارم كه اگر شما بتونيد كمكم كنيد ممنون ميشم. من دانشجوي ترم3 مهندسي صنايع دانشگاه آزاد تهران مركز هستم و از ترم اول با اين حوزه اشنايي كلي داشتم ولي نميدونستم كه انقدر گسترده هست و بعد از اساتيد دانشگاه خودم و افراد ديگه سوالاتي در اين باره پرسيدم و هر كدوم نظراتشون رو گفتن و كمكم كردن اما هنوز براي خودم جاي ابهام وجود داره كه توي اين مقطع تحصيلي ميتونم شروع كنم؟ اصلا با محيط كار و نوع كارش اشنا نيستم و نميدونم كه به اين شغل علاقه دارم؟ و دوست دارم به عنوان شغل آينده ام انتخابش كنم يا نه؟
    ممنون ميشم اگر كمكم كنيد چون نظرات افراد مختلف باعث به وجود آمدن شك و دو دلي من شده.
    ممنون از سايت خوبتون.

    1. سلام نرگس جان:
      شما قطعاً میتونید با این مقطع تحصیلی و کمی تلاش در این رشته موفق بشید. اما پاسخ سایر سئوالاتتون نیاز به یک شناخت از شما داره که بنده ندارم و با نوشتن چند خط نمی‌تونم واقعاً یک مشاوره درست بشما بدم. ولی فقط بشما عرض میکنم که این رشته بازار کاری بسیار عالی و درخشانی در آینده نه چندان دور خواهد داشت. اگر وقت داشتید جلسه اول دوره آموزشی علم داده رو ببینید. شاید کمی از ابهاماتتون رفع بشود.

  6. سلام وقت عالی بخیر
    ممنونم بابت اطلاعاتی که در اختیارمون قرار میدید.
    من دانشجوی ارشد ترم آخر بهینه سازی هستم و به دنبال موضوع برای پایان نامه.
    سوال من از شما اینه که به چه صورت میتونم موضوع پایان نامه را به دیتا ساینس مرتبط کنم
    چون بیشتر هدفم رفتن به محیط کار دیتا ساینس و اشتغال خوب و پردرآمد هست؟

    1. سلام الهام جان
      پاسخ این سئوال کاملاً به استاد راهنمات بستگی داره. اینکه ایشون چقدر تمایل دارند که از موضوعاتی که خودشون در حال حاضر کار می‌کنند، به سمت موضوعی که مرتبط با تخصصشون نیست، حرکت کنند. یعنی استاد راهنمات باید راغب باشه. دوماً باید ایشون اونقدر به روز باشه اطلاعاتش که در صورت تمایل، یک مقاله خوب بهت بده که کار کنی، در غیر اینصورت اگر خودت بخواهی پیدا کنی، کمی زمان‌بر هست مگر اینکه از کسی که اینکاره هست کمک بگیری. ولی من بهتون توصیه می‌کنم که حتماً اینکار رو انجام بدهید و به نوعی بیائید سمت مباحث کاربردی تر که با دیتا سر و کار دارند.

  7. سلام خسته نباشید استاد ، من دانشجوی کارشناسی علوم کامپیوترم و خیلی به کار های پژوهشی در این حوزه علاقه دارم و دارم در کنار دانشگاه دیتا ساینس میخونم ، میخواستم ازتون خواهش کنم که بفرمایید من چطوری میتونم خودم کم کم مقاله بنویسم

    1. سلام مجدد مهرناز جان
      مقاله نوشتن نیاز به یک مسئله و یل سؤال داره. این رو از کجا میشه پیدا کرد؟ یا باید مقاله زیاد بخونی و یا استاد راهنما باید بهت بده. چون استاد راهنما نداری، باید به اساتیدت مراجعه کنی و از ایشون بخواهی که راهنمائیت کنند. ولی مقاله نوشتن کار شاق و سختی نیست و بعد از گذشت یک مدت شاید نچندان بلند، بتونی مقاله بنویسی. برای ادمیژن گرفتن، داشتن مقاله خوبه، ولی برای کار کردن، زیاد بدردت نمیخوره. برای کار گرفتن، باید اسکیل‌هات زیاد باشه و مهم‌تر اینه که خودت باید یه چیزی ساخته باشی و یا یه کد خیلی خوب و کاربردی نوشته باشی قبلاً. اینها به ذهنم رسید. امیدوارم بدردت بخوره. بازم سؤال داشتی مطرح کن.

  8. سلام و درود،
    سپاس از اطلاعات مفید تون
    اقای دکتر من سال 97 با این رشته اشنا شدم یعنی زمانی که داشتم روی پایان نامه ارشدم در مدیریت بازرگانی کار میکردم وشروع کردم سلف استادی کارکردن چون امیدوار بودم که با مهاجرتم به کانادا وارد بازار کار اونجا میشم که مهاجرت محقق نشد .بنده 42 سالمه و یک فرد مولتی پتانسیلی هستم و عاشق علم دیتا و هم اینکه کارشناسی برق دارم و هم ارشد مدیریت و روی مهارت های نرم خود کار کردم و 3 زبان بین المللی می دونم و فردی میانگرا هستم فقط یک مساله دارم .چون تجارب کاری مختلف و کوچک دارم موقع رزومه دادن به شرکت ها مساله دارم و اینکه ادم به شدت عاشق یادگیری .تمام نگرانی ام کارپیدا کردن هست چون سنم به نسبت بالا هست ولی خودم اعتقادی به این قضیه ندارم

    1. سلام ریحانه جان
      بنظرم تجارت کاری متعدد تا یه جایی خوبه، ولی از مرحله‌ای به بعد فرد باید فقط روی یک حوزه متمرکز بشه. الان اکثر افرادی که بدنبال استخدام و بکارگیری نیرو هستند، روی این موضوع حساسند. اگر به کار دیتا علاقمندی، تمام تمرکزت رو بزار روی اینکه یه تیم برای خودت پیدا کنی و وارد محیط کاریشون بشی.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *