কোনও নির্দিষ্ট বিষয়ের জ্ঞান ছাড়াই ডেটা সায়েন্স, ক্যারিয়ার হিসাবে অনুসরণ করা কি মূল্যবান? [বন্ধ]


15

আমি সম্প্রতি কারও সাথে আলাপ করেছি এবং ডেটা বিশ্লেষণে আমার আগ্রহের কথা এবং আমি প্রয়োজনীয় দক্ষতা এবং সরঞ্জামগুলি শিখতে চাইছিলাম বলে উল্লেখ করেছি। তারা আমাকে পরামর্শ দিয়েছিল যে সরঞ্জামগুলি শেখার এবং দক্ষতা গড়ে তোলার পক্ষে দুর্দান্ত যদিও আমি একটি নির্দিষ্ট ক্ষেত্রে বিশেষ জ্ঞান না রাখি তা করার ক্ষেত্রে সামান্যই অর্থ নেই।

তারা মূলত এটিকে সংক্ষেপে বলেছিল যে আমি কেবল এমন একটি বিল্ডারের মতো হয়ে যাচ্ছি যা সরঞ্জামের একটি স্তূপের সাথে কয়েক কাঠের বাক্স তৈরি করতে পারে এবং আরও ভাল জিনিসগুলি তৈরি করতে পারে (কেবিন, আলমারি ইত্যাদি), তবে নির্দিষ্ট ক্ষেত্রে জ্ঞান না থাকলে আমি কখনই না একটি বিল্ডার হতে হবে একটি নির্দিষ্ট পণ্যের জন্য লোকেরা।

কেউ কি এটি খুঁজে পেয়েছে বা এটি কী তৈরি করবেন তার কোনও ইনপুট রয়েছে? মনে হয় এটি যদি সত্য হয় তবে কারও কাছে ডেটা বিজ্ঞানের দিকগুলি শিখতে হবে এবং তারপরে বিশেষায়িত হওয়ার জন্য একটি নতুন ক্ষেত্র শিখতে হবে।


আপনার প্রশ্নটি বৈধ হওয়ার পরেও এটির জন্য এটি সঠিক জায়গা নয়। ক্যারিয়ার সম্পর্কিত প্রশ্নগুলি এখানে বিষয়বস্তু হিসাবে বিবেচনা করা হয়।
শেলডোনক্রেজার

আপনি যা জিজ্ঞাসা করছেন এটি পরিষ্কার নয় - সরঞ্জামগুলি শিখতে বা ডোমেন জ্ঞান সংগ্রহ করা কি ভাল? স্ট্যাকএক্সচেঞ্জের পক্ষে সম্ভবত খুব বেশি উন্মুক্ত এবং মতামত ভিত্তিক।
শন ওউন

উত্তর:


43

ড্রু কনওয়ে ডেটা সায়েন্স ভেন ডায়াগ্রাম প্রকাশ করেছে , যার সাথে আমি আন্তরিকভাবে একমত:

ডেটা সায়েন্স ভেন ডায়াগ্রাম

একদিকে আপনার সত্যিকারের পোস্টটি পড়া উচিত। অন্যদিকে, আমি আমার নিজের অভিজ্ঞতার প্রস্তাব দিতে পারি: আমার বিষয়াদির দক্ষতা (যা আমি "সাবস্টেটিভ এক্সপার্টাইজ" এর চেয়ে একটি শব্দ হিসাবে বেশি পছন্দ করি, কারণ আপনারও গণিত / পরিসংখ্যান এবং হ্যাকিংয়ের ক্ষেত্রে "সাবস্টেটিভ এক্সপার্টাইজ" থাকা উচিত) খুচরা ব্যবসা, আমার গণিত / পরিসংখ্যান পূর্বাভাস এবং অনুমানমূলক পরিসংখ্যান, এবং আমার হ্যাকিং দক্ষতা আর।

এই ভ্যানটেজ পয়েন্ট থেকে, আমি খুচরা বিক্রেতাদের সাথে কথা বলতে এবং বুঝতে পারি, এবং যার কাছে এই ক্ষেত্রের কমপক্ষে একটি উত্তীর্ণ জ্ঞান নেই তাকে খুচরা বিক্রেতাদের সাথে একটি প্রকল্পে খাড়া শেখার বক্ররেখার মুখোমুখি হতে হবে । সাইড গিগ হিসাবে, আমি মনোবিজ্ঞানে পরিসংখ্যান করি এবং এটি সেখানে ঠিক একই রকম। এমনকি ডায়াগ্রামের হ্যাকিং / গণিত / পরিসংখ্যান অংশ সম্পর্কে বেশ কিছুটা জ্ঞান থাকা সত্ত্বেও, ক্রেডিট স্কোরিং বা অন্য কোনও নতুন বিষয় ক্ষেত্রের গতি বাড়াতে আমার খুব অসুবিধা হবে।

একবার আপনি গণিত / পরিসংখ্যান এবং হ্যাকিং দক্ষতা একটি নির্দিষ্ট পরিমাণ আছে, এটা অনেক ভাল যুক্ত করতে চেয়ে এক বা একাধিক বিষয়ে একটি ভিত্তি অর্জন এখনো আপনার হ্যাকিং দক্ষতা আরেকটি প্রোগ্রামিং ভাষা, বা এখনোআপনার গণিত / পরিসংখ্যানের পোর্টফোলিওটিতে অন্য একটি মেশিন লার্নিং অ্যালগরিদম। সর্বোপরি, আপনার যদি একবার শক্ত গণিত / পরিসংখ্যান / হ্যাকিং গ্রাউন্ডিং হয়ে যায় তবে প্রয়োজন হয় আপেক্ষিক স্বল্প সময়ের মধ্যে ওয়েবে বা পাঠ্যপুস্তক থেকে এই জাতীয় সরঞ্জামগুলি শিখতে। তবে বিষয়টির দক্ষতা, অন্যদিকে, আপনি শূন্য থেকে শুরু করলে সম্ভবত আপনি স্ক্র্যাচ থেকে শিখতে পারবেন না। এবং ক্লায়েন্টরা বরং আরও কিছু ডেটা বিজ্ঞানী এ এর ​​সাথে কাজ করবে যারা তাদের নির্দিষ্ট ক্ষেত্রটি অন্য কোনও ডেটা বিজ্ঞানী বিয়ের চেয়ে ভালভাবে বুঝতে পারে যাদের প্রথমে বেসিকগুলি শেখার প্রয়োজন - এমনকি বি গণিত / পরিসংখ্যান / হ্যাকিংয়ের ক্ষেত্রেও ভাল is

অবশ্যই, এই সব এ অর্থও আপনি কখনই একজন বিশেষজ্ঞ হয়ে যাবে যে হবে পারেন তিন ক্ষেত্র। তবে এটি দুর্দান্ত, কারণ আপনি একজন ডেটা বিজ্ঞানী, কোনও প্রোগ্রামার বা পরিসংখ্যানবিদ বা বিষয় বিশেষজ্ঞ নয়। তিনটি পৃথক চেনাশোনাতে সর্বদা এমন লোক থাকবে যাদের কাছ থেকে আপনি শিখতে পারেন। যা আমি ডেটা সায়েন্স সম্পর্কে পছন্দ করি তার একটি অংশ।


সম্পাদনা: কিছুক্ষণ পরে এবং কিছু চিন্তাভাবনা পরে, আমি এই পোস্টটি ডায়াগ্রামের নতুন সংস্করণ সহ আপডেট করতে চাই। আমি এখনও মনে করি যে হ্যাকিং দক্ষতা, গণিত ও পরিসংখ্যান জ্ঞান এবং সাবস্টিটিভ এক্সপার্টিস ("প্রোগ্রামিং", "পরিসংখ্যান" এবং "ব্যবসায়ের জন্য স্বচ্ছলতার জন্য সংক্ষিপ্ত) গুরুত্বপূর্ণ ... তবে আমি মনে করি যে যোগাযোগের ভূমিকাটিও গুরুত্বপূর্ণ"। আপনার হ্যাকিং, পরিসংখ্যান এবং ব্যবসায়িক দক্ষতার উপকারের মাধ্যমে আপনি যে সমস্ত অন্তর্দৃষ্টি অর্জন করেছেন সেগুলি যদি না এমন লোকের সাথে যোগাযোগ করতে না পারে তবে যাদের জ্ঞানের সেই অনন্য মিশ্রণ নাও থাকতে পারে unless আপনার ব্যবসায়ের ব্যবস্থাপকের কাছে আপনার পরিসংখ্যান অন্তর্দৃষ্টি ব্যাখ্যা করার প্রয়োজন হতে পারে যার অর্থ ব্যয় করা বা প্রক্রিয়া পরিবর্তন করার জন্য দৃ be় বিশ্বাসের প্রয়োজন। অথবা এমন কোনও প্রোগ্রামারকে যারা স্ট্যাটিস্টিকালি ভাবেন না।

সুতরাং এখানে নতুন ডেটা সায়েন্স ভেন ডায়াগ্রাম রয়েছে, যার মধ্যে যোগাযোগকে একটি অপরিহার্য উপাদান হিসাবে অন্তর্ভুক্ত করা হয়েছে। মনে রাখতে সহজ হওয়ার সাথে সাথে আমি অঞ্চলগুলিকে এমনভাবে লেবেল দিয়েছি যাতে সর্বাধিক জ্বলন্ত গ্যারান্টি দেওয়া উচিত।

মন্তব্য দূরে।

নতুন তথ্য বিজ্ঞান ভেন ডায়াগ্রাম

আর কোড:

draw.ellipse <- function(center,angle,semimajor,semiminor,radius,h,s,v,...) {
    shape <- rbind(c(cos(angle),-sin(angle)),c(sin(angle),cos(angle))) %*% diag(c(semimajor,semiminor))
    tt <- seq(0,2*pi,length.out=1000)
    foo <- matrix(center,nrow=2,ncol=length(tt),byrow=FALSE) + shape%*%(radius*rbind(cos(tt),sin(tt)))
    polygon(foo[1,],foo[2,],col=hsv(h,s,v,alpha=0.5),border="black",...)
}
name <- function(x,y,label,cex=1.2,...) text(x,y,label,cex=cex,...)

png("Venn.png",width=600,height=600)
    opar <- par(mai=c(0,0,0,0),lwd=3,font=2)
        plot(c(0,100),c(0,90),type="n",bty="n",xaxt="n",yaxt="n",xlab="",ylab="")
        draw.ellipse(center=c(30,30),angle=0.75*pi,semimajor=2,semiminor=1,radius=20,h=60/360,s=.068,v=.976)
        draw.ellipse(center=c(70,30),angle=0.25*pi,semimajor=2,semiminor=1,radius=20,h=83/360,s=.482,v=.894)
        draw.ellipse(center=c(48,40),angle=0.7*pi,semimajor=2,semiminor=1,radius=20,h=174/360,s=.397,v=.8)
        draw.ellipse(center=c(52,40),angle=0.3*pi,semimajor=2,semiminor=1,radius=20,h=200/360,s=.774,v=.745)

        name(50,90,"The Data Scientist Venn Diagram",pos=1,cex=2)
        name(8,62,"Communi-\ncation",cex=1.5,pos=3)
        name(30,78,"Statistics",cex=1.5)
        name(70,78,"Programming",cex=1.5)
        name(92,62,"Business",cex=1.5,pos=3)

        name(10,45,"Hot\nAir")
        name(90,45,"The\nAccountant")
        name(33,65,"The\nData\nNerd")
        name(67,65,"The\nHacker")
        name(27,50,"The\nStats\nProf")
        name(73,50,"The\nIT\nGuy")
        name(50,55,"R\nCore\nTeam")
        name(38,38,"The\nGood\nConsultant")
        name(62,38,"Drew\nConway's\nData\nScientist")
        name(50,24,"The\nperfect\nData\nScientist!")
        name(31,18,"Comp\nSci\nProf")
        name(69,18,"The\nNumber\nCruncher")
        name(42,11,"Head\nof IT")
        name(58,11,"Ana-\nlyst")
        name(50,5,"The\nSalesperson")
    par(opar)
dev.off()

1
আপনার আপডেট করা চিত্রটি উল্লেখ করে আমাকে এখানে একটি ব্লগ পোস্টে নিয়ে এসেছিল। আমি মনে করি এটি মূল কনওয়ের সংস্করণে একটি বড় উন্নতি, যদিও আমি ধারণাটি থেকে যথেষ্ট পেরে উঠতে পারি না - ওভারল্যাপের আকার দ্বারা ইঙ্গিত করা - যে একটি পরিসংখ্যান অধ্যাপক হলেন পরিসংখ্যান এবং যোগাযোগের ক্ষেত্রে সমান দক্ষতা সম্পন্ন someone
রবার্ট ডি গ্রাফ

1

অবশ্যই, আপনি পারেন। সংস্থাগুলি ডেটা বিজ্ঞানীদের জন্য স্লোগান দিচ্ছে। সতর্ক থাকুন যদিও তারা সকলেই এই শব্দটির ব্যাখ্যা আলাদাভাবে করে। সংস্থার উপর নির্ভর করে আপনি নিজেকে পরিসংখ্যান থেকে রেকর্ডিং প্রোডাকশন কোড পর্যন্ত কিছু করতে বলবেন asked হয় যে কোনও একটি নিজেই একটি পুরো সময়ের কাজ এবং আপনার উভয়ের জন্যই প্রস্তুত থাকতে হবে, সুতরাং এটির উপরে গভীরতর বিশেষায়িত জ্ঞানের কথা জিজ্ঞাসা করা আমার যুক্তিতে যুক্তিযুক্ত নয় এবং যে সংস্থাগুলি আমি অন্য দুটি ক্ষেত্রে জোর দিয়েছি () যেমন প্রোগ্রামিং) the তবে, আমি দেখেছি যে এটি যে ধরণের সমস্যার মুখোমুখি হতে পারে তার সাথে পরিচিত হতে সহায়তা করে। সেক্টরের উপর নির্ভর করে, এটি অসাধারণ সনাক্তকরণ, প্রস্তাবনা / ব্যক্তিগতকরণ, ভবিষ্যদ্বাণী, রেকর্ড লিঙ্কেজ ইত্যাদি হতে পারে These এগুলি এমন কিছু বিষয় যা আপনি একই সময়ে গণিত এবং প্রোগ্রামিংয়ের উদাহরণ হিসাবে শিখতে পারেন।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.