مواد
- مختلف تعریفیں ، متعدد فرائض
- 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 کی صلاحیتیں
ماخذ: سرگے خاکمولین / آئ اسٹاک فوٹو
ٹیکا وے:
ڈیٹا سائنسدانوں کے پاس وسیع پیمانے پر ملازمتیں ہیں جو اطلاق کے لحاظ سے کافی مختلف ہوتی ہیں۔ لیکن ایک چیز جو ان سب میں مشترک ہے وہ ہے اعداد و شمار کا اچھا استعمال کرنے کی مہم۔
مصنوعی ذہانت اور مشین لرننگ کے کام میں ایک ڈیٹا سائنس دان کیا کام کرتا ہے؟ روزانہ اس طرح کے منصوبوں سے نمٹنے والے بہت سارے پیشہ افراد یہ کہتے ہیں کہ اس سوال کا جواب دینا مشکل ہے۔ ایک بہتر سوال یہ ہوگا کہ: ڈیٹا سائنسدان کیا نہیں کرتے؟
ڈیٹا سائنس دان کسی AI یا ML عمل کے لئے لازمی ہوتا ہے ، اس معنی میں کہ یہ سارے منصوبے بڑے اعداد و شمار یا پیچیدہ معلومات پر منحصر ہیں۔ ڈیٹا سائنس دان ضروری پیشہ ور ہے جو جانتا ہے کہ نتائج تیار کرنے کے لئے ڈیٹا کے ساتھ کیسے کام کرنا ہے۔
تاہم ، اس بارے میں بات کرنے کے کچھ طریقے موجود ہیں کہ ڈیٹا سائنس دان کیا کرتا ہے ، اسے کیا قابلیت کی ضرورت ہے ، اور اس عمل میں اس کا کیا کردار ہے۔
پڑھیں: آن لائن لرننگ کے ذریعہ 6 کلیدی ڈیٹا سائنس کے تصورات جن میں آپ عبور حاصل کرسکتے ہیں
مختلف تعریفیں ، متعدد فرائض
بہت سے ماہرین جو ڈیٹا سائنسدان کے کام کی وضاحت کرتے ہیں وہ اس کے بارے میں وسیع تر الفاظ میں بولتے ہیں۔
"چھوٹی کمپنیوں میں یا کسی نئی مارکیٹ میں کام کرتے وقت ، ڈیٹا سائنسدان کا کردار نسبتا novel ناول (لیکن واضح) وسائل کو ایسی چیزوں میں تبدیل کرنا ہوتا ہے جو کسی آخری صارف کے لئے مسئلہ حل کرتا ہے ، جو پہلے ممکن نہیں ہوتا تھا۔ مرکری گلوبل پارٹنرز کے اکاؤنٹ منیجر ، انٹونیو ہکس کا کہنا ہے کہ جہاں پر کام کی جانے والی ٹیکنالوجیز موجود نہیں تھیں۔ "مثالی امیدوار وہ ہے جو پارٹ ریاضی دان ، پارٹ سافٹ ویئر انجینئر ، اور حصہ کاروباری ہے۔"
دوسرے لوگ اس بنیادی خیال کی بازگشت کرتے ہیں ، اس بات کا تذکرہ کرتے ہیں کہ سائنس دانوں کو ماڈلنگ منصوبوں سے نمٹنے کے لئے کس ڈیٹا کی ضرورت ہے۔
ڈیٹا سائنسدان کے منیجر ایرن اکنسی کا کہنا ہے کہ ، "ڈیٹا سائنس دانوں کو جس اہم ترین وصف کی ضرورت ہے وہ ان کے آس پاس کی دنیا کے بارے میں ایک گہرا تجسس ہے - چاہے وہ سوالات کے جواب دے رہے ہوں یا ماڈل بنانے میں ، ان کے سامنے مسئلہ کو سمجھنے کی خواہش کلیدی ہے۔" آسنا میں "وہاں سے ، زیادہ تر لوگوں کو حل ڈھونڈنے کے لئے ریاضی اور پروگرامنگ میں مہارت کی ضرورت ہوگی ، لیکن اعداد و شمار سائنس کے اندر مہارت کے شعبے کے حساب سے مخصوص قسم کے ریاضی اور پروگرامنگ وسیع پیمانے پر مختلف ہوتے 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
جب آپ سافٹ ویئر کے معیار کی پرواہ نہیں کرتے ہیں تو آپ اپنی پروگرامنگ کی مہارت کو بہتر نہیں کرسکتے ہیں۔
والکیری انٹلیجنس کے بانی اور سی ای او چارلی برگوئن کا مزید کہنا تھا کہ ، "سائنس دان کسی مسئلے کے بارے میں جس طرح سے اس کے حل کے لئے استعمال کرتے ہیں اس کے بجائے ، جس طرح کے بارے میں سوچتے ہیں اس کے ساتھ بہت زیادہ کام کرنا ہے۔" والکیری ایک سائنس سے متعلق ایک قابل اطلاق کمپنی ہے جس کے متاثر کن منصوبوں کے تحت اپنے ونگ کے تحت مارک I ، ایک سرشار نیٹ ورک ایپلائینسز ہے جو اعصابی نیٹ ورک کی تربیت اور جانچ کو فروغ دیتا ہے ، اور اس سے پہلے کے کلاؤڈ پر مبنی مشین لرننگ پلیٹ فارم کے ذریعہ جو ممکن ہے اسے بہتر بناتا ہے۔
"بازار ان سائنس دانوں سے مطالبہ کرتا ہے جو ازگر کی نشوونما ، اعصابی نیٹ ورک ڈیزائن اور ڈیٹا ڈیپوزٹری کو جدید ترین ڈیٹا بیس فن تعمیر میں نئی شکل دینے کی صلاحیت میں مہارت رکھتے ہیں۔" "تاہم ، یہ صلاحیتیں ایک باصلاحیت سائنسدان کے ل table دستہ ہیں۔ جو بات کم واضح ہے وہ ہے سائنس دانوں میں دلچسپ تجسس ، جارحانہ آسانی اور سائنسی طریقہ کار پر عمل پیرا ہونے کی صلاحیت۔
ڈیٹا سائنسدان کی صلاحیتیں
جہاں تک عملی مہارت کا تعین ہوتا ہے ، ڈیٹا سائنسدانوں کو جہاں تک ماڈلنگ کی بات ہوتی ہے وہاں تخلیقی صلاحیتوں اور پریمی کی کچھ مقدار کی ضرورت ہوتی ہے۔ ایم ایل پروجیکٹس پر لاگو ہونے والے ازگر ، C ++ یا دیگر عام زبانوں میں تجربہ کوڈنگ جیسے "سخت مہارتیں" حاصل کرنے سے بھی انہیں کافی فائدہ ہوسکتا ہے۔
آن لائن مذاق انٹرویو پلیٹ فارم ، پرمپ میں ویل اسٹریف کا کہنا ہے کہ ، "ازگر اور سی ++ ضروری ہیں اور اعداد و شمار کے تجزیہ اور پروسیسنگ اور اعدادوشمار کے ساتھ کوڈنگ کی مہارت کو جوڑنے میں کامیاب رہتے ہیں۔ سافٹ ویئر انجینئرز ، ڈویلپرز اور ڈیٹا سائنسدانوں کے لئے۔ "اگرچہ ایک ڈیولپر کے ساتھ ڈیٹا سائنسدان کی جوڑی بنا کر پروگرامنگ کی کچھ صلاحیتوں کا خیال رکھا جاسکتا ہے ، لیکن اگر آپ کے پاس دونوں کمپنیوں کی مہارت ایک کمپنی کے نقطہ نظر سے مل جائے تو یہ بہت آسان ہے۔"
دوسرے ماہرین آر ، ہڈوپ ، اسپارک ، سااس اور جاوا کے ساتھ ساتھ ٹیکنالوجیز جیسے ٹیبلو ، چھتے اور می اے ٹی ایل بی کو بھی شامل کرتے ہیں۔
یہ سب ایک متاثر کن تجربہ کار دوبارہ شروع کرتے ہیں ، لیکن ان میں سے کچھ جو ڈیٹا سائنسدانوں کو بھرتی کرنے کے تجربہ کار ہیں ، ان کا کہنا ہے کہ دوسرے "انسانی" فریقوں کے معاملات بھی۔ (ایک قسم کا ڈیٹا سائنس دان شہری ڈیٹا سائنسدان ہے۔ بگ ڈیٹا ورلڈ میں شہری ڈیٹا سائنسدانوں کے کردار میں مزید معلومات حاصل کریں۔)
"روایتی طور پر ، متنوع لبرل آرٹس کی تعلیم کے حامل افراد اعداد و شمار کے بہترین سائنسدان بناتے ہیں ،" عمارت کے کنارے موجود انجینئروں اور ڈیٹا سائنسدان کے مابین فرق کرتے ہوئے ، جن کا کام بہت زیادہ تصوراتی ہوسکتا ہے۔ وہ جاری رکھتا ہے:
انسانیت ، فنون لطیفہ یا کاروباری ڈومینز میں اضافی توجہ کے حامل روایتی STEM فیلڈ میں مہارت سے وہ خصوصیات ملتی ہیں جو ایک بہترین صنعت پر مبنی سائنسدان بناتی ہیں۔ یہ کہنا ضروری ہے کہ تنظیم کی ان خصوصیات کو استعمال کرنے اور ان کے جوش اور طریق کار کو نتیجہ خیز انداز میں تشکیل دینے کی صلاحیت کے لئے بھی اتنا ہی اہم ہے۔ میں نے دیکھا ہے کہ جب ڈیٹا سائنس پہل ناکام ہوتا ہے تو ، اس تنظیم کا اتنا ہی مجرم ہوتا ہے جتنا سائنس دانوں کا ہوتا ہے۔ سائنسدان انجینئر نہیں ہیں۔ وہ پھانسی دینے اور تعمیر کرنے کے لئے کارفرما نہیں ہیں۔ وہ دریافت اور سمجھنے کے لئے کارفرما ہیں۔ جو تنظیمیں اس فرق کو سمجھتی ہیں ان دونوں کھیتوں کی کاشت کے لed اچھ .ا انعام ہے۔
جیسا کہ ڈیٹا سائنسدان عام طور پر خود کو کس چیز پر لاگو کرتے ہیں ، اس کا کمپنی کے بنیادی اہداف سے کوئی تعلق ہے۔ کچھ فرمیں غیر منطقی انٹرنیٹ کا تعاقب کر رہی ہیں - کچھ آئی او ٹی یا ساس کے ساتھ کھیل رہی ہیں۔ دوسرے لوگ "صارف دوست" یا "اخلاقی" یا "شفاف" AI کا علمبردار بننے کی کوشش کر رہے ہیں۔
کسی بھی معاملے میں ، ڈیٹا سائنسدانوں کا امکان ہے کہ وہ جو بھی ٹکنالوجی اسٹیک استعمال کررہے ہیں اس میں جو اعداد و شمار استعمال کرتے ہیں اس پر سخت پیمائش کے مابین تقسیم کو دور کرتے ہوئے ، اور AI / ML فعالیت کو تصور کرنے کا آزادانہ کام۔
جی ٹو کراؤڈ میں ڈیٹا سائنس اور تجزیات کے منیجر مائیکل ہپ کہتے ہیں ، "ہم ڈیٹا سائنسدانوں کی خدمات حاصل کرتے ہیں تاکہ اعداد و شمار کو جمع کرنے اور صفائی کے انتظام کے ساتھ ساتھ اس اعداد و شمار کو معنی خیز معلومات میں ترجمہ کریں۔" اس کی تفصیل ہے:
عام طور پر اس کا مطلب یہ ہے کہ کمپنی کے ڈیٹا انجن کو چلانے والے کسی بھی اہم الگورتھم کو سنبھالنا اور کلیدی تجزیات کے اوزار اور زبانوں میں روانی ہونا ، لیکن حالیہ برسوں میں ابھرتے ہوئے فیلڈز جیسے قدرتی زبان کی پروسیسنگ ، مشین لرننگ ، AI- قابل تجزیہ کی دوسری شکلوں کو بھی شامل کیا گیا ہے۔ سب سے کامیاب ڈیٹا سائنس دان وہ ہیں جو اپنی مشکل مہارتوں کو تیزی سے سیکھنے کی صلاحیت کے ساتھ جوڑ دیتے ہیں ، اور جو بصیرت انکشاف کرتے ہیں ان سے موثر انداز میں بات چیت کرنے کی اہلیت رکھتے ہیں تاکہ وہ ان کے کاروبار کے لئے معنی خیز ہوں۔
اس قسم کی بصیرت کی مدد سے ، نوجوان پیشہ ور افراد یا طلباء کے لئے یہ جاننا آسان ہے کہ آیا ڈیٹا سائنس دان ان کے لئے اچھا کردار ادا کرے گا ، اور مہارت حاصل کرنے کا طریقہ۔ ملک بھر کے اسکولوں میں اسٹیم لرننگ کی رسائ زیادہ تر ہوتی جارہی ہے ، لیکن کوڈنگ اور ٹکنالوجی کے جذبے اور مکھی پر سیکھنے کی صلاحیت کا کوئی متبادل نہیں ہے۔