تصوير آنا نيكراشيفيتش
مع تقدم تكنولوجيا البيانات في السنوات الأخيرة، شهدنا طفرة في الشركات التي تطبق علم البيانات. تحاول العديد من الشركات الآن توظيف أفضل المواهب لمشروع البيانات الخاص بها للحصول على ميزة تنافسية. أحد هذه المواهب هو عالم البيانات.
لقد أثبت علماء البيانات أنهم قادرون على تقديم قيمة هائلة للشركات. ومع ذلك، ما الذي يجعل مهارات عالم البيانات مختلفة عن الآخرين؟ ليس من السهل الإجابة على هذا السؤال لأن علماء البيانات يمثلون مظلة كبيرة، وتختلف المسؤوليات الوظيفية والمهارات المطلوبة من شركة إلى أخرى. ومع ذلك، هناك مهارات سيحتاجها علماء البيانات إذا أرادوا التميز عن الآخرين.
ستناقش هذه المقالة خمس مهارات أساسية لعلماء البيانات في عام 2024. لن أناقشها لغة البرمجة or تعلم آلة لأنها مهارات ضرورية دائمًا. أنا أيضًا لا أتحدث عن مهارات الذكاء الاصطناعي التوليدية لأنها مهارات رائجة، لكن علم البيانات أكبر من ذلك. سأناقش فقط المزيد من المهارات الناشئة الضرورية لمشهد عام 2024.
ما هي هذه المهارات؟ دعونا ندخل في ذلك.
الحوسبة السحابية هي خدمة عبر الإنترنت ("السحابة") يمكن أن تشمل الخوادم والبرامج التحليلية والشبكات والأمن وغيرها الكثير. لقد تم تصميمه ليتوافق مع تفضيلات المستخدم وتوفير الموارد حسب الحاجة.
في الاتجاه الحالي لعلم البيانات، بدأت العديد من الشركات في تطبيق الحوسبة السحابية لتوسيع نطاق أعمالها أو لتقليل تكاليف البنية التحتية. من الشركات الناشئة الصغيرة إلى الشركات الكبيرة، أصبح استخدام الحوسبة السحابية واضحًا. لهذا السبب يمكنك أن تبدأ في رؤية أن الإعلان الوظيفي الحالي لعلم البيانات سيتطلب منك خبرة في الحوسبة السحابية.
هناك العديد من خدمات الحوسبة السحابية، لكنك لا تحتاج إلى تعلم كل شيء، حيث أن إتقان إحدى هذه الخدمات يعني الانتقال إلى الأنظمة الأساسية الأخرى بسهولة أكبر. إذا كنت تواجه صعوبة في تحديد ما ستتعلمه في البداية، فيمكنك البدء بمنصة أكبر، مثل منصة AWS أو GCP أو Azure.
يمكنك معرفة المزيد عن الحوسبة السحابية من خلال هذا دليل المبتدئين للحوسبة السحابية مقال بقلم آريان جارج.
عمليات التعلم الآلي، أو MLOps، هي عبارة عن مجموعة من التقنيات والأدوات لنشر نماذج تعلم الآلة في الإنتاج. يهدف MLOps إلى تجنب التقنية الديون من تطبيق التعلم الآلي الخاص بنا من خلال تبسيط نشر نماذج التعلم الآلي في الإنتاج، وتحسين جودة النموذج وأدائه مع تنفيذ أفضل الممارسات في CI/CD، مع المراقبة المستمرة لنماذج التعلم الآلي.
أصبحت MLOps واحدة من أكثر المهارات المطلوبة لعلماء البيانات، ويمكنك رؤية الزيادة في متطلبات MLOps في إعلانات الوظائف. في السابق، كان من الممكن تفويض أعمال MLOps إلى مهندس التعلم الآلي. ومع ذلك، أصبحت متطلبات علماء البيانات لفهم عمليات MLOs أكبر من أي وقت مضى. وذلك لأن علماء البيانات يجب عليهم التأكد من أن نموذج التعلم الآلي الخاص بهم جاهز للتكامل مع بيئة الإنتاج، والتي لا يعرفها إلا منشئ النموذج بشكل أفضل.
لهذا السبب يعد التعرف على MLOps في عام 2024 مفيدًا إذا كنت ترغب في تطوير مسيرتك المهنية في مجال علوم البيانات. لمعرفة المزيد حول موضوع MLOps، راجع أول موجز تقني لـ KDnuggets، والذي يناقش كل شيء عن MLOps.
يمكن وصف البيانات الضخمة بأنها العناصر الثلاثة التي تشتمل على: الصوت، والذي يشير إلى الكميات الهائلة من البيانات التي تم إنشاؤها؛ السرعة الاتجاهية، وهو ما يفسر مدى سرعة إنتاج البيانات ومعالجتها؛ و تشكيلة، والذي يشير إلى أنواع مختلفة من البيانات (منظم وغير منظم).
أصبحت تقنيات البيانات الضخمة مهمة في العديد من الشركات، حيث تعتمد العديد من الرؤى والمنتجات على كيفية القيام بشيء ما باستخدام البيانات الضخمة المتوفرة لديهم. إن الحصول على بيانات ضخمة أمر طبيعي، ولكن من خلال معالجتها فقط يمكن للشركات الحصول على قيمة منها. ولهذا السبب تحاول العديد من الشركات الآن توظيف علماء البيانات الذين يمتلكون مهارات تكنولوجيا البيانات الضخمة.
يتم تضمين العديد من التقنيات في هذه المصطلحات عندما نتحدث عن تقنيات البيانات الضخمة. ومع ذلك، يمكن تصنيفها إلى أربعة أنواع: تخزين البيانات، واستخراج البيانات، وتحليل البيانات، وتصور البيانات.
فيما يلي بعض الأدوات الشائعة التي غالبًا ما تدرجها إعلانات الوظائف على أنها ضرورية:
-أباتشي هادوب
-اباتشي سبارك
-مونجو دي بي
-لوحة
- عامل التعدين السريع
لا تحتاج إلى إتقان كل الأدوات المتاحة، ولكن فهم القليل منها سيطلق بالتأكيد حياتك المهنية نحو الأفضل. لمعرفة المزيد حول تقنيات البيانات الضخمة، إليك مقالة تمهيدية بعنوان "العمل مع". البيانات الضخمة: الأدوات والتقنيات بقلم نيت روزيدي والتي يمكن أن تبدأ رحلة البيانات الضخمة الخاصة بك.
يحتاج علماء البيانات إلى مهارات تقنية وخبرة قوية في المجال للتقدم في حياتهم المهنية. قد يرغب أحد علماء البيانات المبتدئين في تصميم نموذج للتعلم الآلي لتحقيق أعلى المقاييس التقنية، لكن العالم الأقدم يدرك أن نموذجنا يجب أن يضع قيم الأعمال فوق كل شيء آخر.
تعني الخبرة في المجال أننا نفهم أعمال الصناعة التي نعمل عليها. من خلال فهم الأعمال، يمكننا التوافق بشكل أفضل مع مستخدم الأعمال، واختيار مقاييس أفضل للنموذج، وتأطير المشاريع بطريقة تؤثر على الأعمال. في عام 2024، أصبح الأمر أكثر أهمية بشكل خاص عندما تبدأ الشركات في فهم كيف يمكن لعلم البيانات أن يحقق قيمة كبيرة.
المشكلة في اكتساب المعرفة بخبرة المجال هي أنه لا يمكن تعلمها بشكل فعال إلا إذا كنا نعمل بالفعل كعلماء بيانات في تلك الصناعة. فكيف يمكن للمرء أن يكتسب هذه المهارة إذا كنا لا نعمل في الصناعة التي نريدها؟ هناك عدة طرق، منها:
– الحصول على دورات وشهادات عبر الإنترنت في الصناعات ذات الصلة
– التواصل النشط في وسائل التواصل الاجتماعي
– المساهمة في المشروع مفتوح المصدر
– وجود مشروع جانبي يتعلق بالصناعة
- العثور على مرشد
– الحصول على التدريب
هذه هي الطرق المقترحة لاكتساب الخبرة في المجال، ولكن يمكنك أن تكون أكثر إبداعًا للعثور على الخبرة. المقالة "هل تعتبر المعرفة بالمجال عائقًا أمام بدء مهنة في مجال البيانات؟" بواسطة فيشالي لامبي يمكن أن يساعدك أيضًا في الحصول على خبرة في المجال.
قد يرى البعض البيانات كأرقام أو كلمات في قاعدة البيانات دون الاهتمام بالفرد الذي تصفه هذه البيانات. ومع ذلك، فإن الكثير من هذه البيانات كانت عبارة عن معلومات خاصة يمكن أن تلحق الضرر بالمستخدمين والأعمال إذا أسيء التعامل معها. أصبح الموضوع أكثر أهمية في هذا العصر الحديث حيث أصبح جمع البيانات ومعالجتها أسهل.
تهتم الأخلاقيات في علم البيانات بالمبادئ الأخلاقية التي توجه كيفية عمل علماء البيانات. يغطي هذا المجال التأثير المحتمل لمشروع علم البيانات لدينا على الأفراد والمجتمع، والذي يجب أن يتبع أفضل قرار أخلاقي يمكننا اتخاذه. يتعلق الموضوع عادةً بالتحيز والإنصاف وقابلية التفسير والموافقة.
من ناحية أخرى، خصوصية البيانات هي مجال يهتم بشرعية كيفية جمع البيانات ومعالجتها وإدارتها ومشاركتها. ويهدف إلى حماية المعلومات الشخصية الواردة من الفرد وتجنب سوء الاستخدام. قد يكون لكل منطقة إطار مختلف لخصوصية البيانات؛ على سبيل المثال، عادةً ما تنطبق اللائحة العامة لحماية البيانات (GDPR) في أوروبا على البيانات الشخصية في أوروبا فقط.
أصبحت المعرفة بالأخلاقيات وخصوصية البيانات من المهارات الأساسية لعلماء البيانات، حيث إن عواقب انتهاكها وخيمة. المقال من نيشا آريا بتاريخ الأخلاقيات و خصوصية البيانات يمكن أن تصبح نقطة البداية لفهم هذه المواضيع بشكل أكبر.
تتناول هذه المقالة خمس مهارات أساسية يحتاجها كل عالم بيانات في عام 2024. وتشمل المهارات ما يلي:
- الحوسبة السحابية
- MLOps
- تكنولوجيا البيانات الضخمة
- الخبرة نطاق
- الأخلاقيات وخصوصية البيانات
اتمني ان يكون مفيدا! شارك أفكارك حول المهارات المذكورة هنا، وأضف تعليقك أدناه.
كورنليوس يودا ويجايا هو مدير مساعد لعلوم البيانات وكاتب بيانات. أثناء عمله بدوام كامل في Allianz Indonesia ، يحب مشاركة نصائح حول Python و Data عبر وسائل التواصل الاجتماعي وكتابة الوسائط.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.kdnuggets.com/5-essential-skills-every-data-scientist-needs-in-2024?utm_source=rss&utm_medium=rss&utm_campaign=5-essential-skills-every-data-scientist-needs-in-2024
