چگونه یادگیری علم داده را شروع کنیم؟

مقدمه

در مقاله قبلی به تعریف علم داده پرداختیم در این مقاله قصد داریم به شما بگوییم چگونه علم داده را شروع کنید. دانشمندان علم داده یا دیتا ساینتیست‌ ها به شدت مورد نیاز جامعه‌ ی امروز هستند. درآمد هر دیتا ساینتیست در آمریکا،‌ به طور متوسط سالیانه ۱۱۳۰۰۰ دلار است. بنابراین یادگیری علم داده در دنیای امروز بسیار منطقی و جذاب به نظر می ‌رسد. اما حتی اگر تمایل نداشته باشید دیتا ساینتیست‌ شوید، یادگیری مهارت‌ های داده ‌ای می ‌تواند مزایای زیادی در شغل فعلی شما ایجاد کند. کارمندانی که مهارت ‌های داده ‌ای دارند و می‌ توانند در این زمینه به شرکت ‌های خود کمک کنند، تقریبا در هر صنعتی مورد نیاز هستند. اگر به دنبال مطالبی کاربردی در زمینه ‌ی یادگیری علم داده هستید، پیشنهاد می ‌کنیم در ادامه‌ ی مقاله با ما همراه باشید.

شروع یادگیری علم داده

یادگیری علم داده را چگونه شروع کنیم؟ پاسخ به این سوال، به طور معمول شامل خواندن لیستی طولانی از دروس و کتاب‌هایی است که با جبر خطی و آمار شروع می‌شود. برخی افراد با مطالعه‌ی چندین کتاب، مطالب مختلفی می آموزند، در حالی که برخی دیگر با ساختن و امتحان کردن چیز‌های جدید، یادگیری بهتری دارند. مطالعات نشان داده‌ است که اکثر افراد با پیاده‌سازی و انجام پروژه‌، یادگیری بیشتری دارند. بنابراین توصیه‌ی ما به شما این است که در یادگیری علم داده، اولین هدف شما نباید یادگیری جبر خطی یا آمار باشد. اگر می‌خواهید به یادگیری علم داده بپردازید، اولین هدف شما باید این باشد که چگونه داده‌ها را دوست داشته باشید و کار با آن‌ها را برای خود جذاب کنید. برای فهمیدن چگونگی یادگیری علم داده، ادامه مطلب را بخوانید.

دوست داشتن داده‌ ها را بیاموزید

انگیزه‌ ی شما برای یادگیری علم داده بسیار مهم است. علم داده علمی بسیار گسترده و دشوار برای یادگیری است. بنابراین بدون انگیزه‌ ی کافی ممکن است در میانه ‌ی راه متوقف شوید و تصور کنید که توانایی یادگیری و ادامه‌ ی کار را ندارید. در این میان به چیزی نیاز دارید که شما را برای ادامه ‌ی یادگیری تشویق کند. در واقع شما برای یادگیری علم داده به چیزی نیاز دارید که به طور مثال بتوانید رابطه‌ ی بین آمار، جبر خطی و شبکه‌ ی عصبی را پیدا کنید. پس شما به انگیزه نیاز دارید البته نه در قالب یک سخن الهام‌ بخش، بلکه در قالب یک پروژه که برای پیشبرد یادگیری از آن استفاده کنید. مثلا این پروژه می ‌تواند پیش‌بینی در بازار بورس باشد. وقتی شروع به انجام پروژه می ‌کنید یاد می‌ گیرید با داده ‌ها سر و کله بزنید و انگیزه‌ی یادگیری هر چیزی که برای بهتر شدن برنامه‌ های خود دارید را پیدا کنید.
نکته‌ ی مهم در مورد علم داده این است که چیز‌های جالب و زیادی برای انجام پروژه وجود دارد، به عبارتی دیگر مسائل مختلفی برای پرسیدن سوال در زمینه‌ های گوناگون و یافتن راهی برای پیدا کردن پاسخ آن سوال در قالب پروژه وجود دارد.

با انجام دادن پروژه به یادگیری علم داده بپردازید

یادگیری شبکه ‌های عصبی، تشخیص تصاویر، یادگیری ماشین و سایر تکنیک ‌های پیشرفته، بسیار مهم است. اما قسمت اعظم علم داده شامل این موارد نمی‌ شود. می‌ توان گفت ۹۰ درصد علم داده مربوط به تمیز کردن (Cleaning) داده‌ هاست. همچنین توجه داشته باشید که یاد گرفتن عمیق چند الگوریتم، بهتر از یادگیری سطحی تعداد زیادی الگوریتم‌ است. به طور مثال اگر شما از تعدادی از الگوریتم ‌ها مانند الگوریتم ‌های رگرسیون خطی، خوشه‌بندی k-means و رگرسیون لجستیک به خوبی آگاه باشید، می ‌توانید نتایج آن‌ها را تفسیر کنید و در واقع می ‌توانید یک پروژه را از ابتدا تا انتها به خوبی اجرا کنید.

بنابراین منظور از بیان همه ‌ی این مطالب آن است که بهترین راه برای یادگیری علم داده، پیاده‌ سازی پروژه‌ های مختلف است. با کار بر روی پروژه‌ ها، مهارت‌ هایی به دست می ‌آورید که بلافاصله قابل استفاده و بسیار مفید هستند. در نظر داشته باشید که قسمت عمده ‌ی پروژه‌ های علوم داده شامل تمیز کردن و مدیریت داده ‌ها هستند.
اما چگونه می ‌توانید یک پروژه ‌ی خوب اجرا کنید؟ اولین قدم برای شروع انجام پروژه‌، پیدا کردن مجموعه داده ‌ای است که دوست دارید و سپس یافتن مساله‌ ای جالب در مورد آن مجموعه ‌داده و شروع به کار است. در ادامه چند لینک که دارای مجموعه‌ داده ‌های رایگان هستند را معرفی می ‌کنیم:

•  ۱۹ places to find free data sets
•  UCI machine learning repository

یادگیری هر چیزی بدون به کار‌‌گیری آن به صورت عملی، به آسانی فراموش می‌ شود. مهم‌تر اینکه اگر به طور مستمر از آنچه یاد می ‌گیرید استفاده نکنید، آموزه ‌هایتان شما را برای انجام پروژه‌ های واقعی علم داده آماده نمی‌ کند. بنابراین شروع به انجام پروژه‌ های هر چند کوچک، نکته ‌ی مهمی است که باید به آن توجه کنید.

با دیگران ارتباط بر‌قرار کنید

دیتا ساینتیست‌ ها باید دائما نتایج تجزیه ‌و تحلیل خود را به دیگران ارائه دهند. انجام این کار به نحو احسنت، می ‌تواند تفاوت دیتا ساینتیست‌ های حرفه ‌ای را با سایرین نشان دهد. تجزیه ‌و ‌تحلیل داده ‌ها در زمینه‌ ی کسب وکار، هنگامی ارزشمند است که بتوانید اعضای دیگر شرکت خود را متقاعد کنید بر اساس تحلیل ‌های شما عمل کنند. بخشی از ارتباط، درک موضوع و نظریه است. شما هرگز قادر نخواهید بود چیزی را که خودتان نفهمیده ‌اید به دیگران توضیح دهید. بخش دیگر این است که بدانید چگونه نتایج آنالیز خود را به صورت قابل فهم سازماندهی کنید. بخش آخر توانایی شما در توضیح و ارائه‌ی نتایجتان به دیگران است.
برقراری ارتباط سخت است، اما امتحان کردن این موارد می ‌تواند به شما در این زمینه کمک کند:

•  وبلاگی راه‌ اندازی کرده و نتایج تجزیه ‌و ‌تحلیل پروژه ‌های خود را در آن پست کنید.
•  سعی کنید به خانواده و دوستان خود که در این زمینه اطلاعات کمی دارند، در مورد مفاهیم علم داده آموزش دهید، چرا که آموزش می ‌تواند به شما در درک بهتر مفاهیم کمک شایان توجهی کند.
• از گیت هاب برای به اشتراک‌ گذاری آنالیز‌های خود استفاده کنید. سعی کنید در انجمن ‌هایی مانند Quora، Dataquest learning و machine learning subreddit فعال باشید.

از همتایان خود بیاموزید

امکان همکاری و کار با دیگران، برای دیتا ساینتیست ‌ها امری بسیار مهم تلقی می ‌شود و یادگیری آن‌ ها را بیشتر می‌ کند. برای این کار می ‌توانید به کسانی که بلاگ‌ های جالب در مورد تحلیل داده می ‌نویسند پیام دهید و از آن‌ ها در مورد امکان همکاری بپرسید یا می ‌توانید به سایت Kaggle سر بزنید و یک هم ‌تیمی برای خود پیدا کنید

درجه‌ ی سختی پروژه ‌ها را به تدریج بیش ‌تر کنید

اگر فکر می‌کنید انجام پروژه‌هایتان آسان شده است، می‌توانید از این موارد برای سخت‌تر کردن آن‌ها استفاده کنید:

• یک مجموعه داده‌ی بزرگتر انتخاب کنید.
• کار با Spark را یاد بگیرید.
• سعی کنید به یک تازه‌ کار آموزش دهید تا بتواند همان کارهایی را که اکنون انجام می ‌دهید، انجام دهد.

مورد آخر را اگر امتحان کنید، به سرعت خواهید فهمید آموزش فردی که سعی در یادگیری دارد چقدر ارزشمند است. زیرا احتمالا با درک بسیار عمیق ‌تری از یک موضوع مواجه خواهید شد و مهارت‌ های ارتباطی و توضیحی خود را نیز بهبود خواهید بخشید.

آیا به مدرک علوم داده نیاز دارید؟

داشتن مدرک علم داده در رزومه ‌تان ممکن است در پیدا کردن شغل به شما کمک کند. با این حال، دستیابی به آن به طور معمول سال ‌ها به طول می ‌انجامد و ممکن است صد‌ها هزار دلار هزینه در بر داشته باشد. از طرفی نمونه ‌های بسیار زیادی از افراد وجود دارد که یادگیری علم داده را خود با موفقیت انجام داده‌ اند و بدون نیاز به مدرک تخصصی، به سطح بالایی در صنعت رسیده ‌اند. بنابراین اگر زمان و هزینه ‌ی لازم برای دریافت مدرک دانشگاهی در زمینه ‌ی علم داده را دارید، قطعا افزودن آن به رزومه ‌تان می‌تواند به شما کمک کند. اما امکان فراگیری مهارت‌ های لازم به صورت سریع ‌تر و بسیار مقرون ‌به‌ صرفه ‌تر نیز وجود دارد. نداشتن مدرک علوم داده تا زمانی که مهارت ‌های مربوطه را داشته باشید، آسیبی در بازار کار به شما نمی ‌رساند.

دیتا ساینتیست ‌ها برای دستیابی به موفقیت به چه مهارت‌ هایی نیاز دارند؟

لیست مهارت‌ هایی که به حوزه‌ی علم داده مربوط می‌ شود، بسیار زیاد است. اما نگران نباشید شما نیازی به یادگیری همه‌ ی آن ‌ها ندارید. بر اساس آگهی ‌های استخدام و آنچه دیتا ساینتیست ‌ها گزارش می‌ دهند، اساسی ‌ترین مهارت‌ های علم داده عبارتند از:

•  برنامه‌ نویسی پایتون یا R
•  تسلط بر package‌‌ها و workflow‌های مخصوص تسک‌ های علم داده. به طور مثال اگر زبان انتخابی شما پایتون باشد، باید با کتابخانه‌ هایی مانند matplotlib، Numpy، pandas و scikit-learn آشنا باشید تا بتوانید برای تمیز کردن، آنالیز کردن و مصور‌سازی داده ‌ها از آن ‌ها استفاده کنید.
•  دانش آماری
•  یادگیری ماشین و مدل ‌سازی
•  مهارت‌ های workflow و همکاری (Git، command line/bash و غیره)

اگر بتوانید این مهارت‌ ها را به مجموعه ‌ی مهارت ‌های خود اضافه کنید، شرایط خوبی برای به دست آوردن موقعیت شغلی علم داده خواهید داشت. برای کسب اطلاعات بیشتر درباره‌ی این موارد می ‌توانید نگاهی به مسیر یادگیری که در این لینک مطرح شده بیندازید و در مورد تخصص ‌هایی مانند پردازش زبان طبیعی، رده‌ بندی تصاویر، یادگیری ژرف و موارد دیگر، بسته به علاقه ‌ی خود، اطلاعات عمیق ‌تری به دست بیاورید.

سخن آخر

این مقاله را می ‌توانید به عنوان مجموعه ‌ای از دستور‌العمل‌ هایی در نظر بگیرید که هنگام یادگیری علم داده، باید آن ‌ها را مد نظر قرار دهید. اگر همه ‌ی این کار‌ها را به خوبی انجام دهید، متوجه خواهید شد که به تدریج در حال توسعه‌ ی تخصص خود هستید. اگر رویکرد دیگری پیدا کردید که انگیزه‌ ی شما را حفظ می‌ کند و شما را به سمت یادگیری بیشتر سوق می ‌دهد، از وارد کردن آن در برنامه ‌ی یادگیری خود دریغ نکنید. توجه داشته باشید که هر فردی می‌ تواند علم داده را یاد بگیرد، به شرطی که با یک ذهنیت مناسب به آن نزدیک شود. در مورد ندانستن زبان‌ های برنامه ‌نویسی پایتون و R نگران نباشید. هر دوی این زبان ‌ها برای یادگیری افراد مبتدی بسیار مناسب هستند و منابع بسیاری برای آموزش آن‌ ها وجود دارد چرا که محبوب‌ ترین زبان‌ هایی هستند که در دنیای علم داده مورد استفاده قرار می ‌گیرند.