صورة من Unsplash
الوجبات الجاهزة الرئيسية
- علم البيانات هو مجال يتطور باستمرار
- في مجال علم البيانات ، التعلم يستمر مدى الحياة
- يجب أن يستمر أخصائي علوم البيانات في تحسين معرفته في هذا المجال لمواكبة التطورات التكنولوجية الجديدة وتطبيقات البرامج
أستطيع أن أتذكر الفرح والإثارة اللذين شعرت بهما عندما بدأت رحلتي في علم البيانات منذ حوالي 6 سنوات. بالنسبة لي ، كان الانتقال إلى علم البيانات سلسًا جدًا بسبب خلفيتي القوية في الرياضيات المتقدمة والفيزياء الحاسوبية.
ومع ذلك ، مع تقدمي في رحلة علم البيانات ، أدركت أنني لم أحقق تقدمًا كبيرًا فيما يتعلق بتعلم المفاهيم المتقدمة. لقد انخرطت في تعلم المفاهيم الأساسية فقط. بدلاً من تطبيق المعرفة الأساسية التي أمتلكها بالفعل على مشاريع علوم البيانات في العالم الحقيقي ، واصلت أخذ كل هذه الدورات التدريبية المختلفة في علوم البيانات وتخصصات علوم البيانات على منصات مثل DataCamp و Udemy و YouTube و edX و Coursera.
في مرحلة ما ، أصبح الأمر بمثابة إدمان بالنسبة لي ، حيث كنت أبحث باستمرار عن دورات علوم البيانات للتسجيل فيها ، خاصة تلك التي كانت مجانية. غطت معظم الدورات التي يتم تدريسها على هذه المنصات المفاهيم الأساسية فقط ، حيث يتم تقديم المفاهيم المتقدمة ، ولكن غالبًا ما تكون سطحية.
بالتفكير في رحلتي في علم البيانات ، إذا كنت سأفعل ذلك مرة أخرى ، فسأركز بشكل أكبر على التعلم القائم على المشاريع. في رأيي ، يعد التعلم المعتمد على المشروعات العملية الطريقة الأكثر موثوقية لتعلم علم البيانات ، لأنه يمنحك الفرصة للتعلم كما تذهب. يساعدك أيضًا على تطبيق معرفتك على مشاريع علوم البيانات في العالم الحقيقي.
في حين أنه من المثير اكتساب أكبر قدر ممكن من المعرفة الأساسية ، يجب أن يكون التركيز على إحراز تقدم تدريجي من المفاهيم الأساسية إلى المفاهيم الأكثر تقدمًا. يجب أن يستمر المبتدئين في مجال علم البيانات في تحقيق قفزات نوعية في معرفتهم أثناء انتقالهم من مستوى المبتدئين إلى المتخصصين في علوم البيانات من المستوى المتقدم.
فيما يلي ، نناقش بعض المستويات الأساسية لعلم البيانات.
يمكن أيضًا الإشارة إلى علم بيانات المستوى الأول بالمستوى الأساسي. في المستوى الأول ، يجب أن يكون طالب علم البيانات قادرًا على اكتساب المهارات التالية:
- أن تكون قادرًا على العمل مع البيانات المقدمة بتنسيق ملف CSV (قيم مفصولة بفواصل)
- أن تكون قادرًا على تنظيف وتنظيم البيانات غير المهيكلة
- تكون قادرة على العمل مع إطارات البيانات
- كن قادرًا على تصور البيانات باستخدام أنواع مختلفة من المرئيات مثل الرسوم البيانية الخطية ، والمخططات المبعثرة ، ومخططات qq ، ومخططات الكثافة ، والرسوم البيانية ، والمخططات الدائرية ، ومخططات الزوج المبعثر ، ومخططات الخرائط الحرارية ، إلخ.
- أن تكون قادرًا على إجراء تحليل انحدار بسيط ومتعدد
- اكتساب الكفاءة في مكتبات Python الأساسية لعلوم البيانات مثل Numpy و pandas و scikit-Learn و seaborn و matplotlib
يمكن أيضًا الإشارة إلى علم بيانات المستوى الثاني بالمستوى المتوسط. في المستوى الثاني ، يجب أن يتقن متعلم علوم البيانات ما يلي:
- كن قادرًا على استخدام خوارزميات تصنيف التعلم الآلي مثل الانحدار اللوجستي ، KNN (أقرب جيران K) ، SVM (آلة متجه الدعم) ، شجرة القرار ، إلخ.
- أن تكون قادرًا على بناء نماذج التعلم الآلي واختبارها وتقييمها
- كن قادرًا على أداء تحسين المعلمة الفائقة
- كن على دراية بالمفاهيم المتقدمة مثل التحقق من صحة k-fold ، والبحث الشبكي ، وطرق التجميع
- يجب أن يكون خبيرًا في استخدام مكتبة scikit-Learn لتطبيقات التعلم الآلي
يمكن الإشارة إلى علم بيانات المستوى الثالث بالمستوى المتقدم. في المستوى الثالث ، يجب أن يكتسب طالب علم البيانات الكفاءات التالية:
- أن تكون قادرًا على العمل مع البيانات المقدمة بتنسيقات متقدمة مثل النص أو الصورة أو الصوت أو الفيديو
- على دراية بتقنيات التعلم الآلي المتقدمة مثل التجميع
- على دراية بالتعلم العميق والشبكات العصبية
- على دراية بمكتبات التعلم العميق مثل TensorFlow و PyTorch
- على دراية بالأنظمة الأساسية القائمة على السحابة لنشر التعلم الآلي مثل AWS و Azure
يمكن تلخيص المستويات الثلاثة لعلم البيانات التي تمت مناقشتها أعلاه في الصورة أدناه.
ثلاثة مستويات لعلوم البيانات | صورة المؤلف.
بينما يمكن اكتساب كفاءات المستوى الأول والمستوى الثاني من الدورات التدريبية عبر الإنترنت ، فإن الكثير من الدراسة الذاتية ضرورية لتعلم مفاهيم المستوى الثالث (المتقدم). يعد الكتاب المدرسي التالي موردًا مهمًا يمكن أن يساعد الطامحين في علوم البيانات على الغوص بعمق في المفاهيم المتقدمة: التعلم الآلي باستخدام PyTorch و Scikit-Learn.
غلاف كتاب
يمكن العثور على مستودع GitHub لهذا الكتاب المدرسي هنا.
باختصار ، لقد ناقشنا المستويات الثلاثة لعلم البيانات. نظرًا لأن علم البيانات مجال يتطور باستمرار ، يجب على كل طالب علم بيانات أن يواصل العمل بجد لتحقيق قفزة نوعية إلى المستوى التالي.
بنيامين أو.تايو هو فيزيائي ومعلم علوم البيانات وكاتب ، وكذلك مالك DataScienceHub. سابقًا ، كان بنجامين يدرس الهندسة والفيزياء في جامعة أوكلاهوما الوسطى ، وغراند كانيون يو ، وبيتسبرج ستيت يو.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
- المصدر https://www.kdnuggets.com/2023/02/make-quantum-leaps-data-science-journey.html?utm_source=rss&utm_medium=rss&utm_campaign=make-quantum-leaps-in-your-data-science-journey
