از صفر تا استخدام در مشاغل حوزه علم داده — راهنمای کاربردی
مساله مرغ و تخممرغ برای افرادی که قصد دارند یک کار تازه را شروع کنند همیشه وجود داشته و دارد. فرد بدون داشتن تجربه نمیتواند شغلی به دست آورد، اما بدون کار کردن هم نمیتواند تجربه کسب کند. یکی از افراد فعال در حوزه «علم داده» (Data Science)، در این رابطه میگوید: «من با این مشکل هنگامی مواجه شدم که از زبان R به زبان پایتون مهاجرت کردم و به دنبال یک شغل در حوزه علم داده با پایتون بودم». در ادامه، چگونگی مواجه این فرد با چالش مذکور بیان شده است.
۱. یادگیری مبانی
ابتدا، نیاز به فراگیری مبانی موضوع است و این کار باید توسط خود فرد انجام شود. در این فاز، باید یک دوره آموزشی خوب یافت، آن را دنبال کرد و در صورت برخورد کردن به مشکلات، با جست و جوی آنها در وب و به ویژه با مراجعه به وبسایت «استکاورفلو» (Stackoverflow) [+] و پرسیدن سوالات مشکلات را حل کرد. ممکن است در ابتدای کار برخوردهای نامناسبی با افراد تازه کار شود، اما این موارد نباید انگیزه فرد را از بین ببرد. این کار به افراد میآموزد که افکار و مسائل خود را برای افرادی که «در مغز آنها نیستند» فرمولبندی کنند. پرسیدن سوالات به شیوه صحیح، یک مهارت کلیدی است که به همه افراد در کلیه زمینهها و مراحل شغلی کمک شایان توجهی میکند.
آنچه بیان شد در این گام بسیار مهم و کلیدی است. برای مثال، هنگامی که من فراگیری فناوریهای «کلانداده» (Big Data | مَهداده) را آغاز کردم، در آزمون توسعهدهندگان «Cloudera’s Spark and Hadoop» ثبتنام کردم. برخی از افراد حرفهای به گواهینامهها علاقهای ندارند و روی کار و مهارت خود قسم میخورند، اما شرکت در آزمون (و موفقیت در آن) برای من در آغاز کار یک هدف مهم محسوب میشد.
۲. پیدا کردن یک پروژه
بسیاری از افراد، به نوعی در گام اول گیر میکنند و این یک تله خطرناک است. رویکرد صحیح آن است که از دورههای آموزشی به سرعت به سوی پروژههایی که فرد به آنها علاقمند است حرکت شود. این دورهها میتوانند به افراد مطالب را بیاموزند، اما برای انگیزه و تجربه دادن به افراد کافی نیستند. فرد هنگامی که ذهنش درگیر یک مساله باشد، آن را سریعتر حل میکند.
افرادی که هنوز نمیتوانند به یک پروژه خوب فکر کنند، میتوانند پروژههای موجود را بررسی کنند، وبلاگهای این حوزه را بخوانند و دانش خود را پیرامون زمینه کاری مورد نظرشان و آنچه در دنیای بیرون درباره آن به وقوع میپیوندد افزایش دهند.
کسانی که در این مرحله قرار دارند، نباید نگران خرابکاری در یکی دو پروژه اول خود باشند. اما باید به این نکته توجه داشت که تنها راه انجام پروژه سوم به صورت فوقالعاده عالی، انجام دادن پروژههای اول و دوم (حتی با پیشرفت کند و شکستهای متعدد) است. البته، فرد در تعریف پروژهها و انجام آنها باید از فناوریهایی استفاده کند که قصد دارد در آینده در زمینه آنها مشغول به کار شود. دو پروژه اول، پروژههایی هستند که بیشترین یادگیری طی آنها به وقوع میپیوندد.
۳. ارائه کردن پروژه(ها) و دریافت بازخورد
به افراد توصیه میشود که پروژههای خود را در رویدادهای محلی که در زمینه کاری مورد نظر آنها برگزار میشود ارائه کنند. همچنین، میتوانند خروجی کار خود را در وبسایت/وبلاگ شخصی و یا سایتهای خبری حوزه فناوری که امکان انتشار اخبار را به کاربران خودشان میدهند، منتشر کنند. یک راهکار دیگر، شرکت در کنفرانسهای تخصصی به عنوان سخنران و ارائهدهنده است.
۴. مشارکت در پروژههای متنباز
پس از انجام دو یا سه پروژه شخصی، مشارکت در پروژههای متنباز بزرگتر توصیه میشود. مشارکت در چنین پروژههایی، تنها راه دریافت بازخورد از افراد حرفهای و دارای تفکر انتقادی است. این گام برای ادامه فرآیند یادگیری بسیار مفید است.
۵. به روز رسانی پروفایل
اکنون، فرد به مرحلهای رسیده که پروژههای خود را در «گیتهاب» (Github) قرار دهد و پروفایل «لینکدین» (LinkedIn) خود را به روز رسانی کند. در این گام، فرد باید به افراد و سازمانهای دیگر فعال در زمینه مورد نظر خود نشان دهد که روی پروژههای مفیدی کار کرده است. بیان اینکه این پروژهها بدون دریافت هزینه انجام شدهاند نیز میتواند مناسب باشد.
با انجام مراحل بالا، افراد تازهکار در یک زمینه خاص، میتوانند فرصتهای شغلی خوبی به دست آوردند. با لذت بردن از یادگیری و کسب تجربه ضمن آن، فرآیند کسب یک شغل جدید را برای خود دلچسب کنید.
گر نوشته بالا برای شما مفید بوده، آموزشهای زیر نیز به شما پیشنهاد میشود:
- مجموعه آموزشهای آمار، احتمالات و دادهکاوی
- مجموعه آموزشهای یادگیری ماشین و بازشناسی الگو
- مجموعه آموزشهای هوش محاسباتی
- مجموعه آموزشهای برنامه نویسی پایتون (Python)
- معرفی مشاغل داده محور — راهنمای کاربردی
- دانشمند داده شدن؛ آری یا خیر؟ — راهنمای کاربردی
Loading...