كيف تكون عالم بيانات بدون درجة STEM
يتطلب اقتحام علم البيانات كمحترف مهارات تقنية ومهارة متقنة لحل المشكلات واستعدادًا للسباحة في محيطات البيانات. ربما تأتي كتغيير وظيفي أو مستعد لاتخاذ مسار تعليمي جديد في الحياة - دون أن تكون قد حصلت مسبقًا على درجة متقدمة في مجال العلوم والتكنولوجيا والهندسة والرياضيات. اتبع هذه النصائح لتجد طريقك إلى هذا المجال المثير للاهتمام والمطلوب بشدة.
1. تعلم أساسيات جميع ركائز علم البيانات
"علم البيانات" مصطلح غامض - يمكن أن يعني أشياء مختلفة لشركات مختلفة ، وهناك عدد كبير من المهارات ذات الصلة بعلماء البيانات.
ومع ذلك ، هناك بعض المهارات الأساسية التي أوصي بأن تتعلمها. المهارات التالية محورية أي وقت عالم البيانات: SQL ، Python ، الإحصاء ، التعلم الآلي. أوصي أيضًا بتعلم هذه المهارات بهذا الترتيب. قد يبدو الأمر كثيرًا ، لكنه لا يختلف عما كان عليه الوقت الذي اضطررت فيه لإكمال 4-6 دورات لكل فصل دراسي في الكلية!
دعونا نتعمق في كل مهارة.
أ) SQL
SQL هي لغة البيانات ويمكن القول إنها أهم مهارة لأي عالم بيانات. يتم استخدام SQL لمعالجة البيانات ، وتحليل البيانات ، وبناء لوحات المعلومات ، وبناء خطوط الأنابيب ، وكتابة الاستعلامات لتغذية النماذج ، والقائمة تطول.
ب) بايثون والباندا
تعمل Python (أو أي لغة برمجة نصية) كأساس للقيام بالعديد من الأشياء الأخرى مثل بناء نماذج ML ، وكشف بيانات الويب ، وبناء نصوص آلية ، وما إلى ذلك.
Pandas هي مكتبة Python تُستخدم لمعالجة البيانات وتحليلها. أنا شخصياً أستخدم Pandas عبر SQL عند استكشاف البيانات في دفتر Jupyter.
فيما يلي أكثر الموارد المفيدة التي استخدمتها لتعلم Python و Pandas:
ج) الإحصاء
علم البيانات / التعلم الآلي هو في الأساس نسخة حديثة من الإحصائيات. من خلال تعلم الإحصائيات أولاً ، سيكون لديك وقت أسهل بكثير عندما يتعلق الأمر بتعلم مفاهيم وخوارزميات التعلم الآلي! على الرغم من أنه قد يبدو أنك لا تحصل على أي شيء ملموس من الأسابيع القليلة الأولى ، إلا أن الأمر يستحق ذلك في الأسابيع اللاحقة.
فيما يلي أكثر الموارد المفيدة التي استخدمتها لتعلم الإحصائيات:
د) تعلم الآلة
ليس التعلم الآلي مثيرًا للاهتمام ومثيرًا فحسب ، بل إنه أيضًا مهارة يمتلكها جميع علماء البيانات. صحيح أن النمذجة تشكل جزءًا صغيرًا من وقت عالم البيانات ، لكنها لا تنتقص من أهميتها.
فيما يلي أكثر الموارد المفيدة التي استخدمتها لتعلم تعلم الآلة:
- مقدمة عن تعلم الآلة (Kaggle)
- التعلم الآلي المتوسط (Kaggle)
- تعلم الآلة من الألف إلى الياء (Udemy)
- التعلم الآلي - ستانفورد (كورسيرا)
2. أكمل 1-3 مشروعات في علم البيانات الشخصية
بمجرد إنشاء مؤسسة ، فإن أفضل طريقة لتسريع تعلمك هي إكمال بعض مشاريع علوم البيانات. إن أبسط طريقة للقيام بذلك هي الاستمرار Kaggleواختيار مجموعة بيانات وإنشاء نموذج تنبؤ أو بعض تصورات البيانات. تذكر أن مشاريعك القليلة الأولى لن تكون رائعة! لكن ما يهم هو كيف تتقدم بمرور الوقت.
إليك بعض مشاريع علوم البيانات التي أكملتها في الماضي والتي يمكنك استخدامها للحصول على بعض الإلهام!
- تصورات بيانات فيروس كورونا باستخدام Plotly
- توقع أسعار السيارات المستعملة باستخدام غابات عشوائية
- توقع متوسط العمر المتوقع
بينما تستمر في تعلم مهاراتك في علم البيانات وممارستها ، هناك أشياء أخرى يمكنك القيام بها لتجعل نفسك مرشحًا أكثر قيمة لعلوم البيانات ، وهذا يؤدي إلى نصيحتي التالية.
3. اكتشف الفرص غير التقليدية للتجربة
أصعب جزء في كونك عالم بيانات هو الحصول على فرصتك الأولى دون خبرة سابقة. ومع ذلك ، فيما يلي عدة طرق يمكنك من خلالها اكتساب الخبرة حتى لو لم تكن لديك خبرة:
فرص غير ربحية
في الآونة الأخيرة ، صادفت a مقال واسع الحيلة بقلم سوزان كوري سيفيك ، الذي يوفر العديد من المؤسسات حيث يمكنك العثور على فرص للعمل في مشاريع علوم البيانات الواقعية.
إذا كنت تحاول العثور على المزيد من الخبرات لإضافتها إلى سيرتك الذاتية ، فإنني أوصيك بشدة بالتحقق من ذلك.
تنافس في المسابقات
في رأيي ، لا توجد طريقة أفضل لإظهار استعدادك لوظيفة في علم البيانات من عرض الكود الخاص بك من خلال المسابقات. تستضيف Kaggle مجموعة متنوعة من المسابقات التي تتضمن بناء نموذج لتحسين مقياس معين.
مسابقتان يمكنك تجربتهما الآن هما:
ابدأ مدونة على ميديوم
نعم ، أنا متحيز ، لكن اسمعني. ستندهش من عدد المتخصصين في مجال البيانات في المتوسط. إنهم يحبون أن يروا مواد إعلامية وثاقبة ومثيرة للاهتمام. استفد من Medium للتدوين في مدونة حول ما تعلمته ، أو لشرح موضوع معقد بلغة بسيطة ، أو لتصفح مشاريعك في علم البيانات!
على وجه التحديد ، أوصي بأن تكتب للنشر نحو علم البيانات ، حيث أن قاعدة المتابعين لديهم حاليًا ما يقرب من 500,000 متابع.
إذا كنت ترغب في الحصول على بعض الإلهام ، فتحقق من إرشادات مشروعي توقع جودة النبيذ.
4. ابحث عن وظائف مشابهة لوظائف عالم البيانات
كنت أعلم أنني سأخوض معركة شاقة ، خاصة مع عدم وجود خبرة سابقة كعالم بيانات. ومع ذلك ، فإن العثور على وظائف مشابهة لمناصب علماء البيانات سيزيد بشكل كبير من فرصك في أن تصبح عالم بيانات. والسبب في ذلك هو أن الوظائف ذات الصلة ستمنحك الفرصة للعمل مع البيانات الفعلية في بيئة العمل.
لست بحاجة إلى أن تكون عالم بيانات للقيام بعمل "علم البيانات"
فيما يلي بعض الوظائف المتعلقة بعلوم البيانات التي يمكنك البحث عنها:
- محلل ذكاء الأعمال
- محلل بيانات
- محلل منتج
- محلل تسويق النمو / تحليلات التسويق
- المحلل الكمي
بالإضافة إلى النقطتين أعلاه ، هناك نصيحة أخرى أدت إلى تحسين سمعتي بشكل كبير كعالم بيانات.
5. النظر في الحصول على درجة الماجستير في مجال كمي
تتطلب معظم قوائم وظائف Data Science درجة الماجستير لأنها تتطلب عمومًا مستوى عالٍ من المهارة الفنية. إذا وجدت أنك لا تجد النجاح مع النصيحة أعلاه ، فإنني أوصي بالبحث في برنامج ماجستير في مجال كمي (علوم الكمبيوتر ، والإحصاءات ، والرياضيات ، والتحليلات ، وما إلى ذلك).
أنا شخصياً اخترت التسجيل في برنامج ماجستير العلوم في التحليلات من Georgia Tech لعدد من الأسباب:
- لا يتطلب درجة البكالوريوس في المجال الكمي.
- لديه برنامج عبر الإنترنت في حال كنت ترغب في العمل والدراسة في نفس الوقت.
- يكلف البرنامج بأكمله 10 آلاف دولار أمريكي فقط.
ومع ذلك ، هناك العديد من الخيارات المتاحة ، وأنا أنصح بشدة أن تأخذ الوقت الكافي لاستكشاف جميع الخيارات قبل أن تتخذ قرارًا!
هذا الموضوع ذو علاقة بـ:
| أهم الأخبار في الثلاثين يومًا الماضية | |||||
|---|---|---|---|---|---|
|
|
||||
أفلاطون. Web3 مُعاد تصوره. تضخيم ذكاء البيانات.
انقر هنا للوصول.
المصدر: https://www.kdnuggets.com/2021/09/data-scientist-without-stem-degree.html
