چگونه علم داده را از صفر یاد بگیریم؟

مسیرهای یادگیری متنوعی برای یادگیری علم داده وجود دارد. تبدیل شدن به یک دانشمند داده معمولاً نیازمند مدرک یا گواهینامه رسمی است، اما شما می‌توانید مهارت‌های علم داده را به روش‌های مختلفی در این حوزه یاد بگیرید—از گرفتن مدرک دانشگاهی در رشته علوم کامپیوتر گرفته تا شرکت در دوره‌های فشرده (Bootcamp) که زبان‌های برنامه‌نویسی، تجسم داده‌ها و مدل‌های یادگیری ماشینی را آموزش می‌دهند، یا حتی خودآموزی تحلیل و مبانی علوم کامپیوتر. این یعنی یادگیری علم داده لازم نیست یک شغل تمام‌وقت باشد. بسیاری از مهندسان داده، تحلیل‌گران داده، دانشمندان داده و دیگر حرفه‌ای‌های داده با دنبال کردن مسیرهای غیرمتعارف به اوج حرفه خود رسیده‌اند. مدارک حرفه ای در تحلیل داده تنها راه تبدیل شدن به یک دانشمند داده و کسب درآمدی بالاتر از میانگین به‌عنوان مهندس داده یا دانشمند داده نیست.

در این مقاله، به شما نشان می‌دهیم چگونه از یک مبتدی به فردی آماده برای کار در حوزه علم داده و شروع حرفه جدیدتان در این زمینه برسید!

 چرا علم داده؟

علم داده به خط مقدم صنعت نرم‌افزار آمده است زیرا شرکت‌ها اهمیت داده‌ها را درک کرده‌اند. جمع‌آوری و پردازش مؤثر داده‌ها امروزه برای سازمان‌های در حال رشد ضروری است، به همین دلیل آن‌ها به افرادی مثل شما با مهارت‌های مناسب در علم داده نیاز دارند. شرکت‌ها از دانشمندان داده، تحلیل‌گران داده و دیگر حرفه‌ای‌های داده استفاده می‌کنند تا بینش‌هایی تولید کنند که به آن‌ها کمک می‌کند از رقبا پیشی بگیرند و سود خود را چند برابر کنند.

به همین دلیل، حوزه علم داده پر از فرصت‌ است. دفتر آمار کار آمریکا پیش‌بینی کرده که این حوزه تا سال ۲۰۲۶ نزدیک به ۳۰٪ رشد خواهد کرد. این یکی از دلایلی است که US News شغل «دانشمند داده» را به‌عنوان یکی از سه شغل برتر فناوری معرفی کرده است. یادگیری علم داده می‌تواند به‌سرعت نتیجه بدهد.

یادگیری علم داده و تکمیل یک پروژه علم داده آسان نخواهد بود، اما تبدیل شدن به یک دانشمند داده ارزشش را دارد.

با رقابت شرکت‌ها برای جذب بهترین استعدادها، حقوق‌ها در حال افزایش است. دانشگاه سان‌فرانسیسکو گزارش داده که فارغ‌التحصیلان برنامه کارشناسی ارشد علم داده آن به‌طور متوسط ۱۲۵,۰۰۰ دلار در سال درآمد دارند. بیش از ۹۰٪ از فارغ‌التحصیلان ظرف سه ماه پس از اتمام برنامه شغل تمام‌وقت پیدا کرده‌اند—وقتی دانشمند داده می‌شوید، عملاً شغلتان تضمین‌شده است.

قبل از اینکه با سر به دنیای علم داده شیرجه بزنید، ممکن است بپرسید: یک دانشمند داده واقعاً چه کار می‌کند؟ بیایید بفهمیم.

 یک دانشمند داده چه کار می‌کند؟

یک دانشمند داده، داده‌ها را به بینش‌های معنادار تبدیل می‌کند. این بینش‌ها به مدیریت ارشد در تصمیم‌گیری‌های تجاری کمک می‌کنند. دانشمندان داده وظایف مختلفی انجام می‌دهند و نقش‌های متفاوتی بر عهده می‌گیرند، بنابراین نمی‌توان دقیقاً گفت حرفه علم داده شما چگونه خواهد بود یا شما را به کجا خواهد برد!

یک دانشمند داده داده‌ها را جمع‌آوری، تمیز و تحلیل می‌کند. تمیز کردن همیشه ضروری است، وگرنه تحلیل داده‌ها در شکل بدون ساختار آن بسیار دشوار می‌شود. معمولاً داده‌ها دارای ورودی‌های گمشده، حجم‌های خراب و غیره هستند. بنابراین دانشمندان داده از روش‌های آماری و مهارت‌های مهندسی برای تمیز کردن داده‌ها استفاده می‌کنند.

سپس، دانشمند داده یک تحلیل اکتشافی داده (Exploratory Data Analysis) انجام می‌دهد که در آن به دنبال الگوها در داده‌ها می‌گردد. دانشمندان داده این کار را با نوشتن الگوریتم‌ها و ایجاد مدل‌های یادگیری ماشینی انجام می‌دهند که می‌توانند برای آزمایش روی مجموعه‌داده‌ها و کشف بینش‌های مفید استفاده شوند.

در نهایت، دانشمندان داده بینش‌های خود را به تیم‌ها و مدیریت منتقل می‌کنندکه این کار اغلب نیازمند مهارت‌های تجسم داده و ارائه است.

وقتی دانشمند داده شوید، احتمالاً:

– فرصت‌هایی را که داده‌ها می‌توانند برای حل مشکلات استفاده شوند، شناسایی می‌کنید.

– داده‌هایی را که در حل مشکل ارزشمند هستند، جمع‌آوری می‌کنید.

– داده‌ها را تمیز می‌کنید و اطمینان می‌دهید که با استانداردهای دقت داده سازمان مطابقت دارند.

– از رویکردهای الگوریتمی استفاده می‌کنید و مدل‌هایی می‌سازید تا بینش تولید کنید.

– از تجسم داده و داستان‌سرایی برای انتقال یافته‌ها به ذینفعان مختلف استفاده می‌کنید.

حال که می‌دانیم یک دانشمند داده چه کار می‌کند، بیایید به مراحل یادگیری علم داده برای کسانی که تازه در این حوزه شروع کرده‌اند، نگاه کنیم.

 مراحل یادگیری علم داده

1. ایجاد پایه قوی در آمار و ریاضیات
2. یادگیری برنامه‌نویسی با پایتون و R
3. آشنایی با پایگاه‌های داده
4. یادگیری روش‌های تحلیل
5. یادگیری، علاقه، تمرین و تکرار
6. یادگیری استفاده از ابزارها
7. کار روی پروژه‌های علم داده
8. تبدیل شدن به یک داستان‌سرای داده
9. شبکه‌سازی
10. همیشه در حال یادگیری بودن

برای تبدیل شدن به یک دانشمند داده، باید بر مفاهیم مختلف علم داده، زبان‌های برنامه‌نویسی و ابزارهای یادگیری ماشینی مسلط شوید. در اینجا مراحل یادگیری علم داده از صفر آورده شده است.

 ایجاد پایه قوی در آمار و ریاضیات

مانند بسیاری از رشته‌های علمی دیگر، ریاضیات پایه و اساس کار در علم داده است و به شما یک بنیاد نظری قوی در این حوزه می‌دهد. دانشمندان داده برای انجام کارهای خود به این مهارت‌ها نیاز دارند.

وقتی در علم داده کار می‌کنید، آمار و احتمال مهم‌ترین حوزه‌هایی هستند که باید درک کنید. بیشتر الگوریتم‌ها و مدل‌هایی که دانشمندان داده می‌سازند، نسخه‌های برنامه‌نویسی‌شده از رویکردهای حل مسئله آماری هستند.

اگر در آمار و احتمال مبتدی هستید، می‌توانید با یک دوره مقدماتی شروع کنید. از این فرصت برای یادگیری مفاهیم پایه مانند واریانس، همبستگی‌ها، احتمالات شرطی و قضیه بیز (Bayes’ Theorem) استفاده کنید. این کار شما را در موقعیت خوبی قرار می‌دهد تا بفهمید این مفاهیم چگونه به کارهایی که به‌عنوان دانشمند داده انجام خواهید داد، تبدیل می‌شوند.

به یاد داشته باشید، وقتی یادگیری علم داده را شروع می‌کنید، ممکن است به‌راحتی احساس سردرگمی کنید—استمرار داشته باشید! تبدیل شدن به یک دانشمند داده یعنی باید مدیریت داده‌ها (Data Wrangling) را یاد بگیرید، به سازمان‌دهی داده‌ها عادت کنید، مفاهیم اساسی مانند مدل‌سازی پیش‌بینانه را مسلط شوید، یک زبان برنامه‌نویسی یاد بگیرید، دانش کاربردی از ابزارها و مجموعه‌داده‌های مختلف به دست آورید، از اطلاعات بینش‌های عملی استخراج کنید و پروژه‌های واقعی در تحلیل داده را تکمیل کنید. مهارت‌های ارتباطی به اندازه مهارت‌های فنی در این حوزه مهم هستند. کارفرمایان بالقوه به مهارت‌های ضروری بیش از هر چیز دیگر—حتی مدرک دانشگاهی—ارزش می‌دهند.

 یادگیری برنامه‌نویسی با پایتون و R

وقتی با مفاهیم ریاضی مورد نیاز به‌عنوان یک دانشمند داده آشنا شدید، وقت آن است که چند زبان برنامه‌نویسی و مهارت یاد بگیرید تا بتوانید دانش ریاضی خود را به برنامه‌های کامپیوتری مقیاس‌پذیر تبدیل کنید. پایتون و R دو زبان برنامه‌نویسی محبوب در علم داده هستند، بنابراین نقطه شروع خوبی برای همه دانشمندان داده محسوب می‌شوند.

زبان‌های برنامه‌نویسی پایتون و R به چند دلیل نقطه شروع خوبی هستند. هر دو متن‌باز و رایگان هستند، یعنی هر کسی می‌تواند برنامه‌نویسی با این زبان‌ها را یاد بگیرد. وقتی دانشمند داده شوید، می‌توانید در هر دو زبان در سیستم‌عامل‌های لینوکس، ویندوز و مک برنامه‌نویسی کنید. مهم‌تر اینکه این زبان‌ها برای مبتدیان مناسب هستند و دارای سینتکس و کتابخانه‌هایی هستند که استفاده از آن‌ها آسان است.

شما می‌توانید تقریباً هر وظیفه علم داده را با استفاده از پایتون و R با هم انجام دهید، اما هر کدام در زمینه‌های خاصی نقاط قوت خود را دارند. پایتون معمولاً وقتی با حجم عظیمی از داده‌ها کار می‌کنید بهتر عمل می‌کند. دانشمندان داده می‌گویند پایتون در وظایف یادگیری عمیق (Deep Learning)، وب‌اسکرپینگ (Web Scraping) و خودکارسازی جریان‌های کاری از R برتر است. برای تبدیل شدن به یک دانشمند داده، باید هر دو را بدانید.

R زبانی است که برای تبدیل رویکردهای آماری به مدل‌های کامپیوتری بهترین گزینه است. این زبان مجموعه‌ای غنی از بسته‌های آماری دارد که می‌توانید به‌سرعت و به‌راحتی روی مجموعه‌داده‌ها اعمال کنید که باعث می‌شود ساخت مدل‌های آماری در R در مقایسه با پایتون آسان‌تر باشد.

در نهایت، انتخاب بین پایتون و R به اهداف شغلی شما بستگی دارد. اگر می‌خواهید در زمینه‌هایی از علم داده مانند یادگیری عمیق و هوش مصنوعی کار کنید، پایتون نقطه شروع بهتری است. اگر بیشتر به رویکردهای آماری خالص و ساخت مدل تمایل دارید، با R شروع کنید. و به یاد داشته باشید، همیشه می‌توانید زبان دیگر را بعداً یاد بگیرید. همچنین ممکن است بخواهید از دانش خود برای ایجاد اولین پروژه علم داده‌تان استفاده کنید—این می‌تواند برتری شما را در هدف تبدیل شدن به یک دانشمند داده تقویت کند.

 آشنایی با پایگاه‌های داده

دانشمندان داده باید بدانند چگونه با پایگاه‌های داده کار کنند تا بتوانند داده‌هایی که با آن‌ها کار می‌کنند را بازیابی کنند و پس از پردازش ذخیره کنند. اگر می‌خواهید یک دانشمند داده شوید، به این مهارت‌ها نیاز دارید!

زبان پرس‌وجوی ساختاریافته (SQL) یکی از محبوب‌ترین زبان‌های پرس‌وجو برای پایگاه‌های داده است. این زبان به شما امکان می‌دهد داده‌های جدید را ذخیره کنید، رکوردها را تغییر دهید و جداول و نماها (Views) بسازید. ابزارهای داده بزرگ مانند Hadoop افزونه‌هایی دارند که به شما اجازه می‌دهند با استفاده از SQL پرس‌وجو کنید، که مزیت بیشتری است. در اینجا پستی با ۷ منبع برای کمک به یادگیری آسان داده‌های بزرگ آورده شده است.

تبدیل شدن به یک دانشمند داده به این معنا نیست که باید درک عمیقی از فناوری‌های پایگاه داده داشته باشید. این کار را به مدیران پایگاه داده واگذار کنید. به‌عنوان یک دانشمند داده، فقط باید بفهمید پایگاه‌های داده رابطه‌ای چگونه کار می‌کنند و دستورات پرس‌وجوی خاصی را برای بازیابی و ذخیره داده‌ها یاد بگیرید.

 یادگیری روش‌های تحلیل

دانشمندان داده از روش‌های مختلفی برای تحلیل یک مجموعه‌داده استفاده می‌کنند. رویکرد خاصی که به کار می‌برید به مشکلی که می‌خواهید حل کنید و ماهیت داده‌هایی که استفاده می‌کنید بستگی دارد. به‌عنوان یک دانشمند داده، وظیفه شما این است که دوراندیشی لازم را داشته باشید تا بدانید کدام روش برای یک مشکل خاص بهترین نتیجه را می‌دهد.

چند تکنیک تحلیل در صنعت رایج هستند، از جمله تحلیل خوشه‌ای (Cluster Analysis)، رگرسیون (Regression)، تحلیل سری‌های زمانی (Time Series Analysis) و تحلیل کوهورتی (Cohort Analysis).

به‌عنوان یک دانشمند داده، لازم نیست هر روش تحلیل داده را بدانید. مهم‌تر این است که کاربردهای یک رویکرد خاص را درک کنید. بهترین تحلیل‌گران داده کسانی هستند که بتوانند به‌سرعت مشکلات را با تکنیک‌های تحلیل داده جفت کنند.

 یادگیری، علاقه، تمرین و تکرار

وقتی فرآیند را طی کردید و خودتان را درباره چگونگی یادگیری تحلیل داده و همه روش‌های مختلف آگاه کردید، می‌توانید روی پروژه‌های مبتدی کار کنید.

اما به یاد داشته باشید، به‌عنوان یک دانشمند داده، داشتن درک عمیق و کاربردی از هر چیزی که تا الان یاد گرفته‌اید مهم‌تر از داشتن درک سطحی از طیف وسیعی از موضوعات است. آنچه مطالعه می‌کنید را تمرین کنید تا مطمئن شوید که آن را درک کرده‌اید.

برای مثال، فرض کنید در حال یادگیری مفهوم میانگین وزنی (Weighted Mean) هستید. فقط به یادگیری تعریف بسنده نکنید. سعی کنید برنامه‌ای در پایتون بنویسید که میانگین وزنی یک مجموعه‌داده را محاسبه کند. یادگیری با عمل به شما کمک می‌کند درک عمیقی از مفاهیمی که یاد می‌گیرید به دست آورید.

 یادگیری استفاده از ابزارهای علم داده

ابزارهای داده کار را ساده‌تر می‌کنند. برای مثال، Apache Spark کارهای پردازش دسته‌ای را مدیریت می‌کند، در حالی که D3.js تجسم داده‌ها را برای مرورگرها ایجاد می‌کند. این پست اطلاعاتی درباره برخی از ابزارهای محبوب علم داده دیگر دارد.

در این مرحله، لازم نیست یک ابزار خاص را کاملاً مسلط شوید. این کار را می‌توانید وقتی شغلی را شروع کردید و دانستید شرکت شما به کدام ابزارها نیاز دارد انجام دهید. در حال حاضر، کافی است یکی را که جالب به نظر می‌رسد انتخاب کنید و با آن کمی کار کنید. هدف این است که ایده اولیه‌ای از ابزارها و کارهایی که می‌توانید با آن‌ها انجام دهید به دست آورید.

اگر شرکت خاصی مدنظرتون است که می‌خواهید در آن کار کنید، می‌توانید توضیحات شغلی که منتشر می‌کنند را ببینید. معمولاً ابزارهایی مثل Hadoop و TensorFlow را ذکر می‌کنند. اگر بخواهید در آن سازمان خاص کار کنید، می‌توانید با این ابزارها آشنا شوید.

 کار روی پروژه‌های علم داده

حالا وقت آن است که همه چیز را با ساخت پروژه‌های شخصی کنار هم بگذارید. بیایید نگاهی به چند مثال از این پروژه‌ها بیندازیم:

تحلیل احساسات (Sentiment Analysis)

تحلیل احساسات فرآیند استنباط احساسات بیان‌شده در یک متن خاص است. ممکن است از یک رویکرد دودویی (احساس مثبت یا منفی) استفاده کنید یا رویکرد دقیق‌تری انتخاب کنید و متن‌ها را بر اساس احساسات مختلفی مثل شادی، هیجان یا کنجکاوی برچسب‌گذاری کنید.

می‌توانید تحلیل احساسات را روی هر متنی در اینترنت انجام دهید. فیدهای شبکه‌های اجتماعی اغلب منبع خوبی برای این نوع داده‌ها هستند و می‌توانید یک هشتگ خاص را برای پروژه تحلیل احساسات خود تحلیل کنید.

سیستم توصیه‌گر (Recommendation System)

فرض کنید در حال ساخت یک سیستم توصیه‌گر فیلم هستید. مجموعه‌داده‌های MovieLens می‌توانند منبع داده شما باشند. سپس می‌توانید سیستم توصیه‌گر خود را بر اساس معیارهایی مثل ژانر، بازیگران، مدت زمان و غیره بسازید.

این‌ها فقط چند مثال هستند. کاری را انجام دهید که به آن علاقه دارید و ببینید چگونه می‌توانید با استفاده از داده‌ها بینش‌هایی کشف کنید.

 تبدیل شدن به یک داستان‌سرای داده

دانشمندان داده باید یافته‌های خود را به شکلی منتقل کنند که همکارانشان بتوانند درک کنند. اینجا قدرت داستان‌سرایی وارد می‌شود. سه جزء اصلی تمرین داستان‌سرایی داده عبارتند از:

داده‌ها

داده‌هایی که از فرآیند تحلیلی خود جمع‌آوری می‌کنید، نقطه شروع داستان شما خواهند بود.

روایت

روایت، داستان و زمینه‌ای است که می‌خواهید به مخاطبان خود منتقل کنید.

تجسم‌ها

این‌ها نمایش‌های گرافیکی داده‌ها هستند. می‌توانید از نمودارها، چارت‌ها، ویدیوها و دیاگرام‌ها برای پشتیبانی از روایت خود به شکلی استفاده کنید که برای مخاطبانتان قابل‌فهم باشد.

 شبکه‌سازی

اگر آماده‌اید شروع به جستجوی شغل در علم داده کنید، علاوه بر کار روی پروژه‌های شخصی و تهیه رزومه، شبکه‌سازی با افراد در این صنعت هم مهم است.

شبکه‌سازی به روش‌های زیادی می‌تواند در شروع مسیر علم داده به شما کمک کند. صحبت با دانشمندان داده می‌تواند به شما کمک کند وضعیت صنعت و کار در آن را درک کنید. صحبت با استخدام‌کنندگان می‌تواند بینش‌هایی درباره فرآیند مصاحبه‌شان به شما بدهد و شاید به یافتن شغل کمک کند. همچنین می‌توانید با صحبت با افرادی که صنایع مختلف و نحوه استفاده آن‌ها از داده‌ها برای تصمیم‌گیری را می‌شناسند، چیزهای زیادی یاد بگیرید.

به همه این دلایل، شبکه‌سازی به‌عنوان یک دانشمند داده جوان مهم است.

همیشه در حال یادگیری باشید

مسیر یادگیری شما پس از ساخت چند پروژه یا یافتن شغل تمام نمی‌شود. علم داده مدام در حال تکامل است و شما هم باید همراه با آن تکامل کنید.

باید از پیشرفت‌های صنعت به‌خوبی آگاه باشید. اگر ندانید چه چیزی در حال تغییر است، نمی‌دانید چه چیزی باید یاد بگیرید. افراد تأثیرگذار در این حوزه را دنبال کنید و خبرنامه‌های صنعت را بخوانید.