صورة المؤلف
 

هل تتطلع إلى التحول إلى مهنة علم البيانات؟ إذا كان الأمر كذلك، فمن المحتمل أنك قمت بالفعل بالتسجيل في دورة تدريبية عبر الإنترنت أو معسكر تدريبي أو ما شابه. ربما تكون قد قمت بوضع إشارة مرجعية على خارطة طريق لعلم بيانات الدراسة الذاتية التي تخطط للعمل من خلالها. فكيف سيساعدك دليل آخر – هذا الدليل –؟

إذا قررت ممارسة مهنة علم البيانات، فيجب عليك العمل على تحقيق ذلك. لا توجد طريقة اخري. كما أن الحصول على وظيفة علم البيانات هو أكثر بكثير من مجرد تعلم مفاهيم علم البيانات. وحتى في عملية التعلم، قد تكون المفاهيم والأدوات والتقنيات والمكتبات التي تحتاج إلى تعلمها مرهقة.

هذه المقالة ليست موضوعًا للنقرات؛ لذلك، لا توجد وعود كبيرة لمساعدتك في الحصول على وظيفة علوم البيانات في غضون X من الأيام. وبدلاً من ذلك، فإننا نقدم نهجًا شاملاً لعملية البحث عن وظيفة لعلم البيانات. الذي يتضمن:

• تعلم مفاهيم علم البيانات 
• العمل على مشاريع لعرض خبرتك الفنية 
• تسويق نفسك كمحترف
• الإعداد الاستراتيجي للمقابلات 

نأمل أن يساعدك هذا الدليل على طول الطريق!

لاقتحام علم البيانات، يجب عليك أولاً تطوير أساس متين في البرمجة وحل المشكلات. أقترح أن تتعلم بايثون كلغتك الأولى. 

بفضل تركيبها سهل المتابعة والعديد من مصادر التعلم الرائعة، يمكنك البدء في استخدام لغة Python في غضون ساعات قليلة. يمكنك بعد ذلك قضاء بضعة أسابيع في التركيز على أساسيات البرمجة التالية باستخدام بايثون:

• هياكل البيانات المضمنة
• الحلقات 
• وظائف 
• الفئات والأشياء 
• أساسيات البرمجة الوظيفية
• ميزات بايثونيك: الفهم والمولدات

إذا كنت تريد دليل البدء السريع لـ Python، فافعل هذه محاضرة بايثون في دورة CS50 بجامعة هارفارد. لمزيد من التعلم الغامر، راجع مقدمة في البرمجة باستخدام بايثونوأيضا دورة مجانية من جامعة هارفارد. 

للتدريب، يمكنك العمل من خلال المشاريع المذكورة في دورة Python المذكورة أعلاه وكذلك التدرب على حل بعض المشكلات Hackerrank. 

أيضًا، في هذه المرحلة، يجب أن تكون مرتاحًا العمل في سطر الأوامر. من المفيد أيضًا معرفة كيفية الإنشاء والتعامل معه البيئات الافتراضية في بايثون.

بغض النظر عن دور البيانات الذي تتقدم إليه، فإن التعلم واكتساب الكفاءة في لغة SQL يعد أمرًا في غاية الأهمية. يمكنك البدء بالمواضيع التالية:

• استعلامات SQL الأساسية 
• التصفية الشرطية 
• ينضم 
• الاستعلامات الفرعية 
• وظائف سلسلة SQL 

كما هو الحال مع Python، تتطلب لغة SQL أيضًا ممارسة مخصصة وهناك العديد من التدريبات المفيدة منصات لممارسة SQL. إذا كنت تفضل البرنامج التعليمي للعمل من خلاله، تحقق من ذلك برنامج تعليمي SQL بواسطة Mode Analytics.

لقد انتهيت الآن من أساسيات Python الخاصة بك، لذا يمكنك البناء عليها من خلال تعلم استخراج الويب باستخدام Python. لأنه باعتبارك متخصصًا في البيانات، يجب أن تكون مرتاحًا في عملية جمع البيانات. على وجه التحديد، استخراج الويب برمجيًا وتحليل استجابات JSON من واجهات برمجة التطبيقات.

بعد التعرف على أساليب HTTP الأساسية، يمكنك البناء على مهاراتك في لغة Python من خلال تعلم ما يلي:

• طلبات HTTP مع مكتبة الطلبات
• تجريف الويب باستخدام شوربة جميلة مكتبة بايثون؛ تعلم Scrapy سيكون مفيدًا أيضًا
• تحليل استجابات JSON من واجهات برمجة التطبيقات باستخدام وظائف من المدمج وحدة جيسون

في هذه المرحلة، يمكنك محاولة برمجة مشروع بسيط لمسح الويب. اجعل الأمر بسيطًا ولكن مرتبطًا حتى تكون مهتمًا. لنفترض أنك تريد استخراج بيانات التسوق الخاصة بك من أمازون حتى تتمكن من تحليلها لاحقًا. هذا مجرد مثال؛ يمكنك العمل على المشروع الذي يثير اهتمامك.

في هذه المرحلة من رحلتك لتعلم علوم البيانات، يجب أن تكون مرتاحًا مع كل من Python وSQL. باستخدام هذه المهارات الأساسية، يمكنك الآن متابعة تحليل البيانات وتصورها لفهمها بشكل أفضل:

• لتحليل البيانات باستخدام بايثون، يمكنك تعلم استخدام مكتبة الباندا. إذا كنت تبحث عن دليل تعليمي خطوة بخطوة عن الباندا، فاطلع عليه 7 خطوات لإتقان التعامل مع البيانات باستخدام Pandas وPython.
• لتصور البيانات، يمكنك تعلم كيفية العمل مع مكتبات matplotlib وseaborn.

هذا مجانا تحليل البيانات باستخدام بايثون تغطي دورة الشهادة من freeCodeCamp جميع مكتبات علوم بيانات Python الأساسية التي تحتاج إلى معرفتها. ستتمكن أيضًا من ترميز بعض المشاريع البسيطة.

هنا مرة أخرى، لديك الفرصة لبناء مشروع: حاول جمع البيانات باستخدام تجريف الويب؛ وتحليلها باستخدام الباندا. تعلم مكتبة مثل انسيابي لإنشاء لوحة معلومات تفاعلية لعرض نتائج تحليلك.

مع البرمجة وتحليل البيانات، يمكنك بناء مشاريع مثيرة للاهتمام. ولكن من المفيد أيضًا تعلم أساسيات التعلم الآلي.

حتى لو لم يكن لديك الوقت الكافي لتعلم كيفية عمل الخوارزميات بمزيد من التفصيل، ركز على:

• الحصول على نظرة عامة رفيعة المستوى حول كيفية عمل الخوارزمية و 
• بناء النماذج باستخدام scikit-Learn

هذه دورة تدريبية مكثفة من scikit-Learn سيساعدك هذا على تسريع عملية بناء نماذج التعلم الآلي باستخدام scikit-learn. بمجرد أن تتعلم كيفية بناء نموذج أساسي باستخدام scikit-learn، يجب عليك أيضًا التركيز على ما يلي لمساعدتك في بناء نماذج أفضل:

• معالجة البيانات 
• هندسة الميزات 
• ضبط فرط المعلمة 

الآن مرة أخرى حان الوقت لبناء المشاريع. يمكنك البدء بشيء بسيط مثل مشروع التنبؤ بالتخلف عن سداد القروض والانتقال تدريجيًا إلى التنبؤ بتناقص الموظفين وتحليل سلة السوق والمزيد.

تحدثنا في الخطوات السابقة عن بناء مشاريع لتعزيز التعلم. ومع ذلك، يميل معظم محترفي البيانات الطموحين إلى التركيز بشكل أكبر على تعلم وتجاهل هذه الخطوة لبناء مجموعة من المشاريع المثيرة للاهتمام - تطبيق جزء.

بغض النظر عن مقدار ما تعلمته (وتعرفه)، إذا لم يكن لديك مشاريع تعرض كفاءتك، فلن يكون من الممكن إقناع مسؤولي التوظيف بخبرتك.

نظرًا لكمية البرمجة الأمامية التي تدخل في إنشاء صفحة بسيطة لعرض المشاريع، فإن معظم المتعلمين لا يقومون بإنشاء محفظة. من المحتمل أنك تستخدم مستودع GitHub - مع ملف README غني بالمعلومات - لتتبع التغييرات التي تطرأ على كود مشروعك. ومع ذلك، لإنشاء محفظة علوم البيانات التي تعرض مشاريعك، يمكنك الاطلاع على مشاريع أخرى منصات مجانية مثل Kaggle وDataSciencePortfol.io.

اختر مشاريعك بناءً على المجال الذي ترغب في الحصول على دور علم البيانات فيه: الرعاية الصحية، والتكنولوجيا المالية، وسلسلة التوريد، وغير ذلك الكثير. حتى تتمكن من إظهار اهتمامك وكفاءتك. وبدلاً من ذلك، يمكنك محاولة إنشاء بعض المشاريع لمعرفة مجال اهتمامك.

يعد العثور عليك عبر الإنترنت وعرض تجربتك أمرًا مفيدًا في عملية البحث عن وظيفة، خاصة في المراحل الأولى من حياتك المهنية. ولهذا السبب فإن بناء حضور قوي عبر الإنترنت هو خطوتنا التالية.

ولتحقيق هذه الغاية، فإن أفضل طريق هو إنشاء موقع الويب الشخصي الخاص بك باستخدام:

• صفحة "حول" إعلامية ومعلومات الاتصال
• مدونة تحتوي على المقالات والبرامج التعليمية التي تكتبها 
• صفحة مشروع تحتوي على تفاصيل المشاريع التي عملت عليها  

يفضل دائمًا امتلاك موقع ويب شخصي. ولكن على الأقل يجب أن يكون لديك ملف شخصي على LinkedIn وTwitter (الآن X) عندما تكون في عملية البحث عن وظيفة. 

على تويتر، أضف عنوانًا ذا صلة، وشارك بشكل هادف في النصائح الفنية والمهنية المشتركة. على LinkedIn، تأكد من أن ملفك الشخصي كامل ودقيق قدر الإمكان:

• قم بتحديث عنوانك ليعكس خبرتك المهنية
• ملء أقسام الخبرة والتعليم 
• في قسم "المشاريع"، قم بإضافة مشاريعك مع وصف مختصر. رابط أيضا للمشاريع
• أضف مقالاتك المنشورة إلى ملفك الشخصي

كن استباقيًا عند التواصل على هذه المنصات. شارك أيضًا تعلمك بشكل دوري. إذا كنت لا ترغب في البدء بالكتابة على مدونتك الخاصة بعد، فحاول الكتابة على مواقع التواصل الاجتماعي لتعمل على تحسين مهاراتك في الكتابة. 

يمكنك كتابة منشور على LinkedIn أو مقال حول مفهوم علم البيانات الذي تعلمته للتو أو المشروع الذي تعمل عليه. أو قم بالتغريد حول ما تتعلمه والأخطاء التي ترتكبها على طول الطريق، وما تعلمته منها. 

لاحظ كيف أن هذه الخطوة ليست منفصلة تمامًا عن إنشاء محفظة مشروعك. بالإضافة إلى العمل على مهاراتك التقنية وبناء المشاريع (نعم، محفظتك)، فأنت تريد أيضًا بناء تواجدك عبر الإنترنت. حتى يتمكن القائمون على التوظيف من العثور عليك والتواصل مع الفرص ذات الصلة عندما يبحثون عن المرشحين.

لإجراء المقابلات الخاصة بعلوم البيانات، يتعين عليك العمل على جولتي الترميز التي تختبر مهاراتك في حل المشكلات بالإضافة إلى المقابلات الفنية الأساسية حيث يجب أن تكون قادرًا على عرض فهمك لعلم البيانات.

أوصي بأخذ دورة تمهيدية على الأقل حول هياكل البيانات والخوارزميات ومن ثم حل المشكلات Hackerrank و ليت كود. إذا كان الوقت ينفد لديك، فيمكنك حل مجموعة من المشكلات مثل المكفوفين 75. تحتوي مجموعة المشكلات هذه على أسئلة حول جميع المفاهيم الرئيسية مثل المصفوفات والبرمجة الديناميكية والسلاسل والرسوم البيانية والمزيد.

في جميع مقابلات علوم البيانات، سيكون لديك جولة SQL على الأقل. يمكنك التدرب على SQL على Hackerrank وLeetcode أيضًا. بالإضافة إلى ذلك، يمكنك حل أسئلة المقابلة المطروحة مسبقًا على منصات مثل ستراتا سكراتش و داتا ليمور.

بمجرد الانتهاء من مقابلات البرمجة هذه والانتقال إلى الجولات التالية، يجب أن تكون قادرًا على إثبات كفاءتك في علم البيانات. يجب أن تعرف مشاريعك بتفصيل كبير. عند شرح المشاريع التي عملت عليها، يجب أن تكون قادرًا أيضًا على شرح ما يلي:

• مشكلة العمل التي حاولت حلها
• لماذا تعاملت مع الأمر بالطريقة التي فعلت بها
• كيف ولماذا هذا النهج جيد

التركيز على التحضير ليس فقط من منظور الخوارزميات والمفاهيم ولكن أيضًا من منظور فهم أهداف العمل وحل مشكلات العمل.

و هذا ملف. في هذا الدليل، ناقشنا الخطوات المختلفة للحصول على دورك الأول في علم البيانات. 

لقد تطرقنا أيضًا إلى أهمية تسويق نفسك كمرشح محترف ومحتمل بالإضافة إلى تعلم مفاهيم علم البيانات. بالنسبة للخطوات التي تتضمن تعلم مفاهيم علم البيانات، نظرنا أيضًا في الموارد المفيدة.

حظا سعيدا في رحلتك في علم البيانات!
 
 

بالا بريا سي مطور وكاتب تقني من الهند. تحب العمل في تقاطع الرياضيات والبرمجة وعلوم البيانات وإنشاء المحتوى. تشمل مجالات اهتمامها وخبرتها DevOps وعلوم البيانات ومعالجة اللغة الطبيعية. تستمتع بالقراءة والكتابة والترميز والقهوة! تعمل حاليًا على التعلم ومشاركة معرفتها مع مجتمع المطورين من خلال تأليف برامج تعليمية وأدلة إرشادية ومقالات رأي والمزيد.

• 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/7-steps-to-landing-your-first-data-science-job?utm_source=rss&utm_medium=rss&utm_campaign=7-steps-to-landing-your-first-data-science-job