مواد
- ڈیٹا سائنسدان: ٹیکس راک اسٹارز؟
- ڈیٹا سائنسدان کیا کرتے ہیں؟
- کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
- ڈیٹا سائنسدان کیسے بنے
- روڈ ٹو بگ ڈیٹا
ماخذ: اونراڈیو / آئ اسٹاک فوٹو
ٹیکا وے:
ڈیٹا سائنسدان کا کردار تیزی کے ساتھ ٹیکنالوجی کی دنیا کے کیریئر کے بعد سب سے زیادہ مطلوب ہوتا جارہا ہے۔ ہم نے نیویارک ٹائمز سے اعداد و شمار کے سائنس دان جیک پورے سے پوچھا کہ اسے اپنی ملازمت کیسے ملی ، اور اس شعبے میں کامیابی کے ل. ان کے نکات۔
ڈیٹا سائنسدان کا کردار تیزی سے ٹکنالوجی کی دنیا میں سب سے زیادہ مطلوبہ کیریئر بنتا جارہا ہے۔ گوگل ، ایمیزون اور لنکڈین جیسی کمپنیاں ڈیٹا سائنسدانوں کو ڈیجیٹل ڈیٹا کے دور میں اس جدید ایج کو برقرار رکھنے میں مدد کے لئے استعمال کررہی ہیں۔ اور اب ڈیٹا اور ٹکنالوجی کے شائقین اسی طرح سے ڈیٹا سائنسدان بننے کے خواہاں ہیں جیسے کچھ موسیقار راک اسٹار بننے کی خواہش رکھتے ہیں۔ شاید یہی وجہ ہے کہ کیوں کچھ لوگ ڈیٹا سائنسدانوں کو ٹکنالوجی دور کے نئے راک اسٹارز کے طور پر حوالہ دے رہے ہیں۔
بدقسمتی سے ، یہ کردار ابھی بھی اتنا نیا ہے کہ اس کے بارے میں ابھی بھی ایک واضح مبہمیت موجود ہے ، جس کا مطلب ہے کہ بہت سے اعداد و شمار سائنس دان اپنی ٹور بسوں کو غلط سڑک پر چلا رہے ہیں۔ کیا ڈیٹا سائنس دان اپنی راک اسٹار کی ساکھ کے مستحق ہیں؟ ہم نیو یارک ٹائمز کے آر اینڈ ڈی لیب کے ڈیٹا سائنسدان جیک پورے کے ساتھ انٹرویو لے کر ڈیٹا سائنس کی دنیا میں ڈوب گئے۔
ڈیٹا سائنسدان: ٹیکس راک اسٹارز؟
تو ، کیوں ڈیٹا سائنسدانوں کو ٹیکنالوجی کی دنیا کے نئے راک اسٹارز کہا جاتا ہے؟ یہ مشابہت دراصل اعداد و شمار کی نسبت گہری ہے جو الٹراسکول کی آواز کی خواہش رکھتی ہے۔ ایک راک اسٹار کی طرح ، سائنس دانوں کے ڈیٹا کے کیریئر میں تنوع ، فنکارانہ آزادی اور موافقت شامل ہے۔ اور تفریحی دنیا کے راک اسٹاروں کی طرح ، بہترین ڈیٹا سائنس دان بھی اعداد و شمار اور ٹکنالوجی کی صنعت کے ہر شعبے سے تعلق رکھنے والے افراد کی پیروی کرتے ہیں۔
ڈیٹا سائنسدان جو کچھ کرتا ہے وہ بہت مختلف ہے۔ جس طرح موسیقار موسیقی کے اسلوب کو بجانے کے لئے مختلف آلات ، اوزار اور تراکیب استعمال کرتے ہیں جو جاز اور ڈیتھ میٹل کی طرح مختلف ہیں ، اسی طرح ڈیٹا سائنس دان بھی کسی خاص آلے اور فیلڈ میں مہارت حاصل کرتا ہے۔ اس میں بھی اس کا انداز شامل ہے۔ یا تو کام کرنے کا کوئی صحیح اور غلط طریقہ نہیں ہے - یہ اس کام کے دوسرے لوگوں پر پڑنے والے اثرات کے بارے میں ہے۔
جب بیٹلس نے اپنے گیت لکھے تو ، صرف ایک فرد یہ نہیں لکھتا تھا کہ ہر آلے پر ہر نوٹ کس طرح چلایا جائے۔ وہ اکٹھے ہوکر جام ہوگئے۔ تخلیقی دریافت کے ذریعے انھیں ایسے گانے ملے جن سے کام ہوا۔ ڈیٹا سائنسدانوں کے لئے بھی ایسا ہی ہے۔ انہیں تال کو محسوس کرنا ہوگا ، نالی میں جاکر حل کو ہم آہنگ کرنا ہوگا۔ فنکارانہ آزادی کی صحیح مقدار کے ساتھ ہی ممکن ہے کہ جو کچھ بھی نقطہ نظر ، اوزار اور تکنیک ذہن میں آسکتے ہیں اس کی کوشش کریں - اور جب کوئی چیز کلیدی طور پر نظر نہیں آتی ہے تو اس میں تبدیلی لانے کی چستی۔
ایک بار جب ڈیٹا سائنسدان بنیادی بنیادی اصولوں میں مہارت حاصل کرلیتا ہے ، تو وہ مطابقت پذیر ہوجاتا ہے ، اور دوسرے شعبوں میں حل فراہم کرنے کا اعتماد حاصل کرتا ہے۔ ہم بعد میں ان بنیادی اصولوں کے بارے میں مزید بات کرتے ہیں۔ یہاں بنانے کی بات یہ ہے کہ ایک بار جب آپ ڈیٹا سائنس پر عبور حاصل کرلیں تو آپ جس بھی فیلڈ میں چاہیں کردار ادا کرسکتے ہیں ، کیونکہ ڈیٹا ہر جگہ ہوتا ہے۔
ڈیٹا سائنس دان کا حتمی مقصد یہ ہے کہ ممکنہ تعداد میں لوگوں کی بڑی تعداد میں قدر پیدا کی جائے۔ اگرچہ ایک ڈیٹا سائنس دان پردے کے پیچھے کام کرتا ہے ، لیکن اس سے بڑا ناظرین کو کھیلنا اس سے متضاد ہے: جتنا بہتر آپ کام کریں گے ، جتنا زیادہ لوگ آپ تک پہنچیں گے - اور جتنا زیادہ انعامات نظر آئیں گے۔
ڈیٹا سائنسدان کیا کرتے ہیں؟
تو اعداد و شمار کے سائنسدان بالکل کیا کرتے ہیں؟ آئیے ہم اس مثال کے ساتھ گزرتے ہیں جس سے ہم سب کا تعلق ہوسکتا ہے۔
کوئی کیڑے نہیں ، کوئی تناؤ نہیں - آپ کی زندگی کو تباہ کیے بغیر زندگی کو تبدیل کرنے والے سافٹ ویئر تخلیق کرنے کے لئے مرحلہ وار گائیڈ
جب آپ سافٹ ویئر کے معیار کی پرواہ نہیں کرتے ہیں تو آپ اپنی پروگرامنگ کی مہارت کو بہتر نہیں کرسکتے ہیں۔
آئیے کہتے ہیں کہ آپ کو ایک دن کا احساس ہوجائے گا کہ آپ کے پاس اتنی مقدار میں انرجی نہیں ہوتی جس دن آپ استعمال کرتے تھے۔ لہذا آپ نے اپنے آپ کو ایک مقصد طے کیا: دن میں زیادہ سے زیادہ توانائی حاصل کرنا۔ اب ، یہ ایک بہت وسیع اور مبہم مقصد ہے۔ لہذا ڈیٹا سائنس دان کی حیثیت سے پہلا قدم یہ ہے کہ اس میں سے کچھ مبہمیت کو دور کیا جائے اور اس مقصد کی پیمائش کی پیمائش کی جا.۔ اس کے لئے طریقے موجود ہیں۔ ہم یہاں تفصیلات میں نہیں جائیں گے ، لیکن صرف اتنا کہنا چاہتے ہیں کہ آپ کو یہ نظریہ ہے کہ آپ کو کافی نیند نہیں آرہی ہے اور اسی وجہ سے اپنے آپ کو ہر رات آٹھ گھنٹے کی نیند لینے کا سب ہدف دیں۔
اگرچہ یہ مقصد تھوڑا سا زیادہ ناپنے والا اور کم مبہم ہے ، اس کے اپنے چیلنجز ہیں۔ جب آپ سوتے ہیں تو آپ واقعی ٹائمر شروع نہیں کرسکتے ہیں ، اور یہاں تک کہ اگر آپ بستر پر سوار ہونے کے بعد ٹائمر شروع کردیتے ہیں تو ، آپ سیدھے سو نہیں سکتے ہیں۔ اس کے علاوہ ، رات کے وسط میں جب آپ جاگتے ہیں تو اس کا محاسبہ کرنا مشکل ہے۔ آخر میں ، نیند کی مختلف اقسام ہیں ، جیسے گہری نیند اور ہلکی نیند۔ نچلی بات یہ ہے کہ نیند کی درست پیمائش کرنا مشکل ہے لہذا آپ کی توانائی کی سطح پر اس کے اثرات کی پیمائش کرنا اس سے بھی زیادہ مشکل ہے۔
تو آپ کیا کر سکتے ہیں؟ ٹھیک ہے ، بطور ڈیٹا سائنس دان آپ جدید ٹکنالوجی کے بارے میں معلوم کریں اور معلوم کریں کہ نیند کی نگرانی کرنے والے آلہ موجود ہیں۔اور اگر آپ نے اپنی نیند کو ماپنے اور ڈیجیٹل طور پر ریکارڈ کرنے کے لئے اس طرح کا آلہ استعمال کیا ہے تو ، آپ اپنی نیند کے بارے میں زیادہ درست اعداد و شمار حاصل کرنے کے قابل ہوسکیں گے ، اور وقت کے ساتھ ساتھ گراف کو تیار کرنے کے لئے اس ڈیٹا کو جمع کریں گے۔
یہ اکیلے ہی آپ کو کیا ہو رہا ہے کے بارے میں زیادہ سے زیادہ بصیرت فراہم کرسکتے ہیں۔ بصری نمائندگی آپ کو شعور ، واضح اور سمت فراہم کرے گی۔ آپ یہ دیکھ سکیں گے کہ کیا آپ ایک رات میں آٹھ گھنٹے کی نیند کے حصول پر پہنچ رہے ہیں اور ، اور اہم بات یہ کہ اگر آپ ایسا نہیں کرتے ہیں تو کارروائی کرنے کے قابل ہوجائیں گے۔
یہ ڈیٹا سائنسدان کا بنیادی کام ہے: اعداد و شمار کی پیمائش اور نمائش کے نئے طریقے لانا تاکہ اس کو دیکھنے والوں کو زیادہ سے زیادہ آگاہی ، وضاحت اور سمت فراہم کی جائے۔
لیکن ایک اچھا ڈیٹا سائنس دان وہاں نہیں رکتا ہے۔ ایک بار جب ڈیٹا اکٹھا ہوجائے تو ، اس کو دن بھر کی کسی بھی دوسری سرگرمی کے ساتھ مربوط کیا جاسکتا ہے۔ اپنے ٹاسک مینجمنٹ سسٹم کے ڈیٹا پر مبنی اپنی پیداوری کے ساتھ اس کو مربوط کریں۔ ٹویٹس اور اسٹیٹس اپ ڈیٹ پر مبنی اپنے موڈ کے ساتھ اس کو مربوط کریں۔ جم کے دورے یا وزن میں کمی پر مبنی اپنی صحت کے ساتھ اس کو مربوط کریں۔ پہلے سے دستیاب اعداد و شمار کی آسانی اور آسانی سے جس پر اسے قبضہ کیا جاسکتا ہے ، امکانات لامتناہی ہیں۔
ڈیٹا سائنسدان کیسے بنے
ڈیٹا سائنس میں کیریئر میں دلچسپی ہے؟ چونکہ ڈیٹا سائنس اتنا نیا ہے ، لہذا ہم نے ایک اعلی ڈیٹا سائنسدان سے اس شعبے میں بصیرت کے بارے میں پوچھا۔ جیک پورے دی نیویارک ٹائمز کا ایک ڈیٹا سائنس دان ہے اور ڈیٹا کائنڈ (اصل میں ڈیٹا وائیڈ بارڈرس کے نام سے جانا جاتا ہے) کا بانی ہے ، جو فری لانس اور پرو بونو ڈیٹا سائنسدانوں کے ساتھ ڈیٹا سائنس کی ضرورت میں غیر منافع بخشوں سے میل کھاتا ہے۔ پور وے میں کمپیوٹر سائنس کا پس منظر اور پی ایچ ڈی ہے۔ یو سی ایل اے کے اعدادوشمار میں۔ یہاں ڈیٹا سائنس میں جانے کے طریقہ کار ، اچھی کارکردگی کا مظاہرہ کرنے اور میدان میں کلیدی غلطیوں سے کیسے بچنا ہے اس کے بارے میں ان کا کیا کہنا تھا۔
1. صحیح ہنر حاصل کریں
پور وے کے مطابق ، کھیت میں اترنا تین اہم چیزوں پر ابلتا ہے:
- عملی کمپیوٹنگ کی مہارت
- شماریاتی مہارت
- سیکھنے کی خواہش
پور وے کا کہنا ہے کہ "آپ کو اعداد و شمار کو کھرچنے کے ل sc اسکرپٹ لکھنے کے ساتھ ساتھ اپنے الگ الگورتھم کو کوڈ اپ کرنے کی ضرورت ہوگی جو آپ اپنے سر میں لاتے ہیں۔" "آپ کو اپنے بنیادی اعدادوشمار (اور زیادہ سے زیادہ ، مثالی طور پر) معلوم ہونا چاہ. اگر آپ واقعی یہ اندازہ کرنے کے قابل ہو جائیں گے کہ آپ جس ماڈل کی تعمیر کر رہے ہیں یا الگورتھم آپ لکھ رہے ہیں وہی کر رہے ہیں جو آپ چاہتے ہیں۔"
2. رابطے کریں
نیو یارک ٹائمز کے آر اینڈ ڈی لیب میں شامل ہونے سے قبل پور وے نے مشین لرننگ اور کمپیوٹر وژن میں کام کیا ، اور بارودی سرنگوں اور اڑان طیاروں کی شناخت کے لئے روبوٹ حاصل کرنے میں کافی وقت صرف کیا (کتنا اچھا ہے کہ؟). نیویارک ٹائمز میں اپنی ملازمت پر اترنے تک یہ کام نہیں ہوا تھا کہ اسے وسیع ڈیٹا سائنس ٹاسکس ، یعنی پروجیکٹ کاسکیڈ میں پھیلانا پڑا ، جس میں سوشل میڈیا میں اشاعت سے تعلق رکھنے والے روابط کا پتہ چلتا ہے۔
پور وے کا کہنا ہے کہ میدان میں آنے کے لئے سب سے اہم چیز سیکھنا ہے۔
"ڈیٹا سائنس پروجیکٹ پر عمل کریں!" پوروی کہتے ہیں۔ "کچھ ڈیٹا ڈاؤن لوڈ کریں ، کچھ R کو منتخب کریں ، اور کھیل شروع کریں ... آئی ڈی کا کہنا ہے کہ R کو بنیادی اعدادوشمار کی کتاب کے ساتھ کچھ استعمال کرنے پر بھی توجہ مرکوز کی جائے تاکہ آپ کو کچھ اعداد و شمار کی کھوج کے ذریعے رہنمائی کرسکیں۔ مشین لرننگ اور کمپیوٹنگ کی مہارت اس کے ساتھ آئے گی۔ یقینا this یہ آپ کے ماضی کے تجربے پر منحصر ہے - اگر آپ پہلے سے ہی ایک شماریاتی ماہر ہیں تو ، کچھ ازگر کا انتخاب کریں!) "
پھر اس سے کچھ رابطے کرنے کا وقت آگیا ہے۔ پور وے نے ایک مقامی میٹ اپ گروپ کی سفارش کی ہے - کیوں کہ ڈیٹا سائنس کمیونٹی کا حصہ بننا "یہ جاننے کا تیز ترین طریقہ ہے کہ آپ کیا نہیں جانتے۔" اور ایک فیلڈ میں یہ مسلسل ترقی پذیر ہے۔
3. کھیل میں حاصل کریں
پور وے نے پی ایچ ڈی کیا ہے یو سی ایل اے کے اعدادوشمار میں ، لیکن وہ زور دیتا ہے کہ اچھے کام کرنے کے ل to آپ کو کسی کی ضرورت نہیں ہے۔
پور وے نے کہا ، "اس سے مدد مل سکتی ہے ، لیکن یہ نہیں سوچتے کہ آپ کو خود کو ڈیٹا سائنس دان کہلانے کے ل to اسکول جانے کے لئے مزید پانچ سال کرنا پڑے گا۔"
ڈیٹا سائنس ایک نسبتا new نیا فیلڈ ہے۔ اس کا مطلب یہ ہے کہ جو لوگ میدان میں اترنا چاہتے ہیں انہیں کھلے دماغ کے ساتھ اس سے رجوع کرنے کی ضرورت ہے۔
پور وے کا کہنا ہے ، "فورسکوئر میں ایک ڈیٹا سائنسدان گولڈمین سیکس کے ڈیٹا سائنسدان سے بہت مختلف نظر آنے والا ہے۔
4. اپنے نئے کردار کو روکیں
ڈیٹا سائنس ، اہداف کو واضح کرنے ، مفروضوں کی جانچ پڑتال ، شواہد کی جانچ کرنا اور نتائج کا اندازہ لگانے سے متعلق ہے۔ لیکن اس پہیلی کا ایک چھوٹا سا ٹکڑا بہت سے لوگوں کو نظر انداز کرتا ہے۔ کیا آپ اندازہ لگاسکتے ہیں کہ یہ کیا ہے؟ پور وے کے مطابق ، خفیہ جزو تنقیدی سوچ ہے۔
پور وے کا کہنا ہے کہ "یہ واقعی میرے لئے سچائی سائنسدانوں سے ہیکرز کو الگ کرتا ہے۔ "آپ حیران رہ جائیں گے کہ میں نے کتنی بار کسی کو ماڈل بناتے دیکھا اور نتائج کی اطلاع دیئے بغیر یہ سمجھا کہ وہ ڈیٹا کہاں سے آرہا ہے یا اگر ان کا تجربہ صحیح طور پر تیار کیا گیا ہے تو اس کے بارے میں انہیں سوچا ہی نہیں تھا۔ آپ کو ہر قدم پر سوال کرنے کے قابل ہونا چاہئے۔ آپ کے عمل اور ہر نمبر کی جس کے ساتھ آپ آتے ہیں۔ "
روڈ ٹو بگ ڈیٹا
پور وے کا کہنا ہے کہ جب انہیں مشینیں خود سکھانے کے ل vast وسیع مقدار میں ڈیٹا استعمال کرنے کی صلاحیت کا احساس ہوا تو اس نے اس کا دماغ اڑا دیا۔ یہی جذبہ ہے - اور اس کی تعلیم اور مہارت - جس نے ڈیٹا سائنس میں اسے سب سے اوپر کام کرنے میں مدد فراہم کی۔ اگر آپ بڑا ڈیٹا روکنا چاہتے ہیں تو ، کچھ کتابوں کے ساتھ ہنر نیچے ، کچھ ڈیٹا ڈاؤن لوڈ کریں اور آس پاس کھیلنا شروع کردیں۔ آپ کبھی نہیں جانتے کہ خام ڈیٹا کا ڈھیر کیا بدل جائے گا۔
انٹرویو کی مکمل ٹرانسکرپٹ کے ل Data ، ڈیٹا سائنسدان ڈاٹ نیٹ پر جائیں۔