Genel Bakış

• Veri bilimine başarılı bir geçiş yapmak zorlu bir beklentidir
• Veri bilimi kariyerinizi geliştirmek için bilmeniz gereken 8 şey:

Giriş

Veri Bilimi, bir süredir sektörde moda olan bir kelime ve bunun en heyecan verici ve ödüllendirici iş rolü olduğunu söylemeliyim. Veri Bilimcileri yalnızca yüksek maaş skalasından faydalanmakla kalmıyor, aynı zamanda doğrudan iş etkisi yaratma fırsatına da sahip oluyor. Bir veri bilimci için her gün bir macera gibi görünüyor.

Bugün, veri bilimi için mevcut pazar büyüklüğü 38 milyar dolar. 2025 yılında pazar büyüklüğünün 140 milyar dolara ulaşması bekleniyor. Bu, tdata bilimcilerine yönelik talepteki bu artışın yıllar boyunca azalmaya devam etmesini bekleyebileceğimiz anlamına geliyor!

Glassdoor'a göre bir veri bilimcisinin ortalama maaş ölçeği Rs'dir. Hindistan'da yılda 900 bin, oysa bir bilgisayar programcısının ortalama maaşı Rs'dir. Yılda 400 bin. Bununla nereye varacağımı tahmin edebilirsin!

Veri Bilimi, Perakende ve E-ticaretteki tüketici davranışı analitiğinden, nesnelerin ve insanların tespiti ve sınıflandırılması gibi bilgisayarlı görüntü uygulamalarına kadar çeşitli sektörlerde uygulamalara sahiptir. Kısacası veri bilimi şu anda her yerde mevcut ve bu alan önümüzdeki on yılda en heyecan verici alan olacak. Veri ve yapay zekanın henüz başlangıç ​​aşamasındayız.

Bu makalede veri bilimi kariyerinize başlamadan önce bilmeniz gereken 8 önemli şeyi listeledim. Bu 8 nokta, diğer şeylerin yanı sıra makine öğrenimi yaşam döngüsünün tamamıyla birlikte kapsamlı bir şekilde ele alınmaktadır. Sertifikalı AI ve ML BlackBelt+ programı – sizi sektördeki veri bilimi kariyerine hazırlayan amiral gemisi programı.

Peki Veri Bilimiyle İlgili Bu 8 Şey Nedir?

1. Veri Bilimi Nedir?
2. Veri Bilimi Rolü Neye benziyor?
3. Veri Bilimcisi Tarafından Çözülen Sorunlar
4. Bilmeniz gereken Veri Bilimi rolleri
5. Nasıl başlıyorsun?
6. Ustalaşmanız gereken araçlar
7. Hassas Yetenek
8. İşverenler tarafından nasıl tanınılır?
9. Bonus ipucu

Veri Bilimi Nedir?

Veri Bilimi gerçekten heyecan verici görünüyor ama önce temellerimizi netleştirelim! Aslında veri bilimi nedir? Sizi uzun tanım satırlarıyla sıkmayacağım, bu yüzden işte kısa bir açıklama:

Veri Bilimi, İstatistik, Bilgisayar Bilimi ve belirli alan bilgilerinin bir birleşimidir.

İstatistik ve bilgisayar bilimi, çalışarak ve biraz pratik yaparak mükemmelleştirilebilecek genel temellerdir. Kazanılması zaman, araştırma ve çaba gerektiren alan bilgisidir.

Her dikeyde ustalaşmanıza gerek yok, ancak hepsini iyi bir şekilde kavramak uzun vadede size yardımcı olacaktır.

Veri Bilimi başlı başına oldukça büyük bir alan. Basit veri raporlama faaliyetlerinden Yapay Zekayı kullanarak gelişmiş tahmine dayalı modellemeye kadar uzanır. Aşağıdaki Veri bilimi spektrumuna bakarak da gözlemleyebileceğiniz gibi, karmaşıklık ne kadar yüksek olursa iş değeri de o kadar yüksek olur.

Veri bilimi heyecan verici! Şimdi bir veri bilimcinin asıl rolüne bakalım.

Bir veri bilimcisi rolü neye benzer?

Dikkat: Bu terimler sektörde yaygın olarak kullanılmaktadır. Tam rol, kuruluşunuzun veri girişimlerindeki olgunluğuna bağlı olabilir.

Bir veri bilimcinin rolü oldukça geniştir ve büyük ölçüde üzerinde çalıştığınız projenin türüne bağlı olacaktır. Burada bir veri bilimi projesinin genel yaşam döngüsünü tartışacağız.

• Sorun ifadesini anlamak – Gerçekten basit görünüyor, değil mi? İnan bana, öyle değil. Sorun ifadesinin anlaşılması, projenin tüm süresi boyunca devam edecek ya da sona erecek bir durum olacaktır. Bu aşamada veri bilimcilerden oluşan bir ekip ve ilgili ekip, projenin hedeflerini ve beklenen gerekliliklerini gözden geçirir. Bu adım için iyi iletişim becerileri, paydaş yönetimi gerekir. İyi bir veri bilimci bu adıma bolca zaman harcamaktan çekinmeyecektir. Sorun ifadesi netleştikten sonra veri bilimcisi veri toplama aşamasına geçebilir
• Veri toplama - Gereksinimler elde edildikten ve hipotez oluşturulduktan sonra veri bilimci gerekli verileri çıkarmaya başlar. Verilerin kaynağı şirket veri ambarı, web kazıma vb. gibi değişiklikler gösterebilir.
• Veri temizleme – Bu, tüm veri bilimi projesinin en çok zaman alan sürecidir. Zamanınızın %80'ini alabilir. Burada veri bilimcisi verileri karıştıracak, manipüle edecek ve tartışacak. Verilerinizin durumu çıktı modelinizin durumunu yansıtacağından harcadığınız zamana ve çabaya değer. Bu aşamada veri bilimcisi aykırı değerler, eksik veri değerleri, veri türlerinin düzeltilmesi ve diğer birçok işlemle ilgilenir. Bu en heyecan verici adım değil ama en önemli adım
• Keşif Amaçlı Veri Analizi (EDA) – Temel olarak veri bilimcinin veriyi “hissetmesini” sağlayan adımdır. Bu aşamada veri setindeki her bir özelliği veya birden fazla özelliği analiz edebilir ve nasıl davrandıklarını kontrol edebilirsiniz. Ayrıca özelliklerin diğer özelliklerle ilişkisini de analiz edebilirsiniz. Bu aşamada çok fazla veri görselleştirmesi bekleyebilirsiniz. Bu aşamada, diğer adımlarda size yardımcı olacak bazı önemli bilgiler edinmeye hazır olun.
• Özellik Mühendisliği – Özellik mühendisliği bir adımdan ziyade bir sanattır. Bu, tüm özelliklerin birer birer gözden geçirildiği ve modelin performansını artırmak için işlemlerin uygulandığı yinelemeli bir süreçtir. Örneğin, güçlü özelliklerden bazılarını birleştirip modeli geliştirmeye çalışabilirsiniz. Çok fazla deneme yanılma gerektirecek
• Model Oluşturma – Model oluşturma başlı başına nispeten hızlı bir adımdır ancak planlama önemlidir. Doğruluğu yüksek bir model mi yoksa özelliklerin önemini geri getirebilecek bir model mi istiyorsunuz? Model oluşturma ve değerlendirme stratejinizi düşünmeniz ve seçmeniz gerekecektir.
• Dağıtım - Modelinizi oluşturup değerlendirdikten sonra, nihayet onu gerçek dünyada devreye almanın zamanı geldi. Bu adım genellikle veri bilimcilerinin veri mühendisleri veya makine öğrenimi mühendisleriyle çalışmasını gerektirir.

Veri bilimcilerin çözdüğü sorunlar

Önceki bölümde tartıştığım gibi, bir veri bilimcisinin rolü tüm alanlar ve bölümlerle ilgilidir ve uygulamaları da öyle. Bu bölümde bir veri bilimcinin üzerinde çalıştığı birkaç sorun ifadesini tartışacağım.

Hangi işlemin sahte olduğunu tahmin etmek için bir model oluşturun.

1. Hızlı akan veriler üzerinde gerçek zamanlı kararlar gerektirir.
2. %99'dan fazla işlemden bu yana yaşanan karmaşık sorunlar dolandırıcılık değildir.
3. Organizasyonun kârlılığını doğrudan etkiler.
4. Geçmişteki müşteri davranışı verilerinin büyük bir kısmı kullanılıyor.

Bir Sigorta Şirketi için hasarın boyutunu değerlendirmek için kazalara ait Araç görüntülerini kullanın

1. Görüntülerden hasar bilgilerinin çıkarılması oldukça karmaşık bir iştir.
2. Görevin otomasyonunu gerektirir
3. Otomasyon mevcut ekibin hasarı daha iyi değerlendirmesine yardımcı olacak.
4. Çok miktarda görüntü verisi gereklidir.

Bunlar birkaç sorun ifadesidir ve kuruluşun veri olgunluğuna göre değişiklik gösterebilir.

Bilmeniz gereken Veri Bilimi tabanlı roller

1. Veri Bilimcisi -  Şirkete doğrusal olmayan bir büyüme getirmek için karmaşık ve spesifik sorunlar üzerinde çalışır. Örneğin, bankacılık sektörü için bir kredi riski çözümü oluşturmak veya bir sigorta şirketi için araç görüntülerini kullanmak ve hasarı otomatik olarak değerlendirmek.
2. Veri Mühendisi – Veri bilimcinin elde ettiği sonuçları, sektördeki en iyi uygulamaları kullanarak üretimde uygulayacaktır. Örneğin, kredi riski modellemesi için oluşturulan makine öğrenimi modelinin bankacılık yazılımı üzerinde dağıtılması.
3. İş analisti - Yönetimin günlük bazda veriye dayalı kararlar almasına yardımcı olarak işin sorunsuz bir şekilde yürütülmesine yardımcı olur. Bu rol, BT tarafı ve iş tarafıyla aynı anda iletişim kurmak olacaktır.

Yine, veri bilimi şemsiyesi altında veri analisti, istatistikçi, veri analitiği yöneticisi, MIS profesyonel BI uzmanı vb. gibi birçok başka rol bulunmaktadır. Bu alana atlamadan önce gerekli özeni gösterdiğinizden emin olun.

Heyecanlıyım! Veri Bilimine başlamak için neye ihtiyacım var?

• Veri Bilimi ve Python'a Başlarken: Veri bilimcisi olma yolculuğunuzun başlangıcı! Bir veri bilimcinin ne yaptığını, veri bilimiyle ilgili çeşitli terimleri anlayın ve Python programlama dilini tanımaya başlayın
• İstatistik ve Matematik: Veri biliminin omurgası. Ele alacağınız temel kavramlardan bazıları olasılık, çıkarımsal istatistikler ve keşfedici veri analizinin (EDA) nasıl gerçekleştirileceğine dair fikir edinmektir. Bu aynı zamanda doğrusal cebirin temellerini de içerecektir (başka bir temel makine öğrenimi konusu)
• Makine Öğreniminin Temelleri: Makine öğrenimi dünyasına hoş geldiniz! Bu bölüm tamamen size diğerlerinin yanı sıra doğrusal regresyon, lojistik regresyon, karar ağaçları, Naive Bayes, destek vektör makineleri (SVM) dahil olmak üzere temel makine öğrenimi algoritmalarını ve tekniklerini tanıtmakla ilgilidir.
• Topluluk Öğrenimi: Gelişmiş makine öğrenimi konularına derinlemesine dalma zamanı. Birleştirmenin ne olduğunu, farklı birleştirme tekniklerini anlayın ve uygulamalı pratik deneyim kazanmak için veri kümeleri üzerinde çalışmaya başlayın

Daha önce de belirttiğim gibi tüm bunları kapsamlı detaylarıyla öğrenebilirsiniz. Kara Kuşak+ programı.

Veri Bilimi için uzmanlaşmanız gereken araçlar

• Microsoft Excel - Excel, küçük miktarlardaki verileri işlemek için en kolay ve en popüler araç olarak geçerlidir. Desteklediği maksimum satır miktarı sadece 1 milyondan fazla bir gölgedir ve bir sayfa bir seferde yalnızca 16,380 sütuna kadar işleyebilir. Veri miktarı büyük olduğunda bu sayılar yeterli değildir.

• SQL - SQL, 1970'lerden beri var olan en popüler veri yönetim sistemlerinden biridir. Birkaç on yıl boyunca birincil veritabanı çözümüdür. SQL hala popülerliğini koruyor, ancak bir dezavantajı var - Veritabanı büyümeye devam ettikçe ölçeklendirmek zorlaşıyor.

• Python - Bu, kolaylığı, esnekliği, açık kaynak niteliği nedeniyle günümüzde endüstrideki veri biliminin en baskın dillerinden biridir. ML topluluğunda hızlı bir popülerlik ve kabul görmüştür.

• Tablo - Bugün piyasadaki en popüler veri görselleştirme araçları arasında yer alıyor. Büyük miktarda veriyi işleyebilir ve hatta Excel benzeri hesaplama işlevleri ve parametreleri sunar. Tableau, düzgün gösterge tablosu ve hikaye arayüzü nedeniyle çok seviliyor.

Veri Bilimi için Yumuşak Beceriler

Problem çözme yetenekleri – İstatistik ve bilgisayar bilimi bilgisi çalışarak elde edilebilir, ancak uzun bir atış yapmanıza yardımcı olacak şey, problem çözme becerilerinin yanı sıra alan bilgisidir. Şirketlerin çoğunluğu veri bilimi işe alımlarına problem çözme testleriyle başlıyor. Bu konuda usta olmanıza gerek yok ancak meraklı bir zihin bu beceriyi geliştirmenize yardımcı olacaktır.

Yapılandırılmış Düşünme – Düşüncelerinizi yapılandırma ve her birinin haritasını çıkarma yeteneği kesinlikle sahip olunması gereken bir beceridir. Yapılandırılmış düşünme, problem bildiriminin ve hipotezin formüle edileceği projenin ilk adımlarında kullanılır.

Hikaye Anlatma Becerileri – Tüm veri bilimi ve analitik profesyonellerinin sahip olması gereken temel beceri, verileri paydaşların anlayabileceği bir formatta (bir hikaye) ifade etme yeteneğidir. Yaratıcılık ve insan becerisi gerektiren bu adımdır.

Öğreniyorum. Peki Veri Bilimi işe alım uzmanları tarafından nasıl tanınabilirim?

GitHub profilinizi oluşturun – Github projelerinizi sakladığınız yerdir. Diğer kişiler projenizi inceleyebilir, iyileştirmeler ekleyebilir vb. Eleştirel kişiler tarafından tanınmak ve onlarla ağ kurmak için harika bir yerdir. Projenizi başlatın ve Github'a yükleyin. Bu, güçlü bir temel oluşturmanıza yardımcı olacaktır.

Özgeçmişinizi güncellemeye devam edin – İnsanların mükemmeliyetçiliğe yönelmesi doğal bir eğilimdir ancak zararlı olabilir. Özgeçmişinizde Python, makine öğrenmesi ve SQL'i yarım yamalak bilgilerle bir araya getirmek yerine, becerileri mükemmelleştirdikten sonra birer birer eklemeniz önerilir. Örneğin, kendinizi rahat hissettiğinizde Python'u ekleyin ve ancak o zaman makine öğrenimine geçin.

Yarışmalara katılın – Veri Bilimi yarışmaları, bir veri bilimcisi olarak performansınızı artırmanın kesin bir yoludur. Her ne kadar alışmanız biraz zaman alsa da, uzun vadede size yardımcı olacaktır. DataHack platformuna gidebilir ve istediğiniz sorun bildirimini seçip başlayabilirsiniz. İşe alım uzmanları, bilgilerini pratik uygulamalarla geliştiren adayları sever.

Makale yazmaya başlayın – Veri bilimi konusunda yeteneğiniz ve yazma tutkunuz varsa, kendinizi ifade etmenin makale yazmaktan daha iyi bir yolu nedir? Makale yazmak, tüm zor teknik kavramları öğrenmenize ve bunları anlaşılması kolay konulara dönüştürmenize yardımcı olur. Makale yazmak, potansiyel işe alım görevlilerinin dikkatini çekmenize yardımcı olacak bir başka harika yoldur.

Bonus İpucu – Bir akıl hocası bulun ve hedeflerinizi kişiselleştirin

Son olarak, veri bilimi yolculuğunuza başlamadan önce aklınızda bulundurmanız gereken bir şeye değinelim. Her birimiz benzersiziz ve farklı geçmişlerden geliyoruz. Maksimum faydayı elde etmek için yukarıdaki noktaların tümü kişiselleştirilmiş bir şekilde uygulanmalıdır.

Örneğin, 5 yıldır bilişim sektöründe çalıştığınızı ve şirket içinde yeni oluşturulan veri bilimi ekibine geçmek istediğinizi varsayalım. Veri bilimi ekibinin ağırlıklı olarak NLP cephesinde çalıştığı ortaya çıktı. Bunu nasıl yapacaksınız? Kendi kişisel hedeflerinizi oluşturmanız gerekecek.

Tüm sürecin doğrusal bir şekilde uygulanması kolay gibi görünebilir - Python'u öğrenin -> makine öğrenmesi -> derin öğrenme vb., ancak gerçek dünya senaryosunda durum böyle değildir ve verilere hakim olmak için yapbozun o son parçasına ihtiyacınız var bilim – bir akıl hocası.

Bir mentor, hedeflerinizi ve öğrenme yolunuzu özelleştirebilir ve sizin için uygun olan sektörde görünürlüğü kazanmanızı sağlayabilir. Analytics Vidhya'nın amiral gemisi kursu da işte bu şekilde: Kara Kuşak + hazırlanmış.

BlackBelt +, temel Python, SQL, Excel'den ileri makine öğrenimi ve derin öğrenme tekniklerine kadar veri bilimi sanatında ustalaşmak için ihtiyaç duyacağınız tüm derslerden oluşur. En iyi kısmı nedir? Akıl hocanıza her zaman bağlı kalacaksınız. Mentor, kendi hedeflerinize ve öğrenme hedeflerinize göre bir öğrenme yolu tasarlayacaktır.

Bu yaklaşımı takip etmek yalnızca öğrenmenize yardımcı olmakla kalmayacak, aynı zamanda “21. yüzyılın En Seksi İşi” olarak adlandırılan sektör lideri bir profesyonel olmanıza da yardımcı olacaktır.

Son Notlar

Veri Bilimi ışık hızında gelişiyor ve veri bilimcisinin rolünü bu kadar heyecan verici kılan da bu. Bu makalede. Bu heyecan verici mesleğe dalmadan önce bilmeniz gereken bazı önemli noktaları tartıştık. Umarım tüm bölümleri geçtikten sonra rol hakkında daha fazla bilgi sahibi olursunuz.

Temelleri mükemmelleştirerek yolculuğunuza başlayın ve ardından potansiyel işe alım uzmanları tarafından tanınabilmek için aynı anda profilinizi oluştururken ileri düzey faaliyetlere girmeye başlayın. Size doğru yolda rehberlik edebilecek doğru mentoru bulduğunuzdan emin olun. Sektöre hazır bir profesyonel olmak istiyorsanız, amiral gemisi kursunun bir parçası olarak Analytics Vidhya'daki mentorlarla bağlantı kurabilirsiniz. Kara Kuşak +.

Bu makaleyi Mobil Uygulamamızda da okuyabilirsiniz

İlgili Makaleler

Kaynak: https://www.analyticsvidhya.com/blog/2020/10/8-things-data-science-career-know/