ডেটা সায়েন্স – KDnuggets-এ ক্যারিয়ার পরিবর্তন করার আগে এটি পড়ুন

লেখকের ছবি
 

আপনি এটি পড়ছেন কারণ আপনি উচ্চাকাঙ্ক্ষী ডেটা বিজ্ঞানীদের তালিকায় যোগ দেওয়ার কথা ভাবছেন। এবং কে আপনাকে দোষ দিতে পারে? ডেটা সায়েন্স একটি ক্রমবর্ধমান ক্ষেত্র, এমনকি হার্ভার্ড বিজনেস রিভিউ থেকে এটির এখন-কুখ্যাত "সেক্সিয়েস্ট জব" পুরষ্কারের এক দশক পরেও৷ মার্কিন শ্রম পরিসংখ্যান ব্যুরো বর্তমানে অনুমান তথ্য বিজ্ঞানীদের কর্মসংস্থানের হার 35 থেকে 2022 পর্যন্ত 2032 শতাংশ বৃদ্ধি পাবে। গড় চাকরি বৃদ্ধির হারের সাথে তুলনা করুন, যা মাত্র 5 শতাংশ।

এটির জন্য অন্যান্য জিনিস রয়েছে:

• এটি ভাল অর্থপ্রদান (আবার, BLS পাওয়া 103 সালে $2022k গড় বেতন)
• এটি একটি উচ্চ মানের জীবনের সাথে আসে (গড় চাকরি-সম্পর্কিত সুখের চেয়ে বেশি অনুযায়ী ক্যারিয়ার এক্সপ্লোরার থেকে)
• সাম্প্রতিক রাউন্ড অফ সত্ত্বেও চাকরির নিরাপত্তা রয়েছে পরিমাণে চাকরি থেকে ছাঁটাই - কারণ ভূমিকার জন্য অনেক চাহিদা রয়েছে

তাই মাঠে নামতে চাওয়ার অনেক কারণ আছে।

 

সূত্র: https://www.bls.gov/ooh/math/data-scientists.html
 

কিন্তু ডেটা সায়েন্স একটি খুব বিস্তৃত ক্ষেত্র, যেখানে আপনি শুরু করার আগে অনেকগুলি বিভিন্ন কাজের শিরোনাম এবং দক্ষতা সেটগুলি জানতে হবে৷ এই নিবন্ধটি আপনাকে বিভিন্ন দিকনির্দেশের মাধ্যমে গাইড করবে যা আপনি যেতে পারেন এবং ডেটা সায়েন্সে প্রবেশ করার জন্য প্রতিটির জন্য আপনার কী জানা দরকার।

একটি সফল রূপান্তর করতে ডেটা সায়েন্স ক্যারিয়ার, you’ll need to follow a structured approach:

• আপনার মূল্যায়ন তথ্য বিজ্ঞান দক্ষতা এবং ফাঁক সনাক্ত করুন।
• আপনি যেখানে দুর্বল সেসব ক্ষেত্রে অভিজ্ঞতা অর্জন করুন।
• অন্তর্জাল. ডেটা সায়েন্স গ্রুপে যোগ দিন, মিটআপে যোগ দিন এবং ফোরামে অবদান রাখুন।

এর আরও গভীরে ডুব দেওয়া যাক।

আপনার প্রারম্ভিক অবস্থান মূল্যায়ন

আপনি ইতিমধ্যে কী জানেন এবং কীভাবে এটি ডেটা সায়েন্সে প্রয়োগ করা যেতে পারে? চিন্তা করুন: আপনার যে কোনো প্রোগ্রামিং জ্ঞান, পরিসংখ্যানগত দক্ষতা বা ডেটা বিশ্লেষণের অভিজ্ঞতা।

এর পরে, আপনার দক্ষতার ফাঁকগুলি চিহ্নিত করুন, বিশেষত ডেটা বিজ্ঞানের জন্য প্রয়োজনীয়। এসকিউএল একটি বাস্তব আবশ্যক, তবে পাইথন বা আর প্রোগ্রামিং, উন্নত পরিসংখ্যান, মেশিন লার্নিং এবং ডেটা ভিজ্যুয়ালাইজেশনও অত্যন্ত উপকারী।

Once you’ve pinpointed these gaps, seek relevant education or training to fill them. This could be through online courses, university programs, bootcamps, or self-study, with a focus on practical, hands-on learning.

হাতে অভিজ্ঞতা

আপনার শুধু ভিডিও দেখা এবং ব্লগ পোস্ট পড়া উচিত নয়। তথ্য বিজ্ঞানে হ্যান্ডস-অন অভিজ্ঞতা অত্যন্ত গুরুত্বপূর্ণ। এমন প্রকল্পগুলিতে জড়িত হন যা আপনাকে বাস্তব-বিশ্বের পরিস্থিতিতে আপনার নতুন দক্ষতা প্রয়োগ করতে দেয়। এটি হতে পারে ব্যক্তিগত প্রকল্প, ওপেন সোর্স প্ল্যাটফর্মে অবদান, অথবা কাগলের মতো ডেটা প্রতিযোগিতায় অংশগ্রহণ।

আপনার যদি প্রাথমিক শুরুর কিছু দক্ষতা থাকে, তাহলে আপনি ইন্ডাস্ট্রির অভিজ্ঞতা অর্জনের জন্য ইন্টার্নশিপ বা ফ্রিল্যান্স কাজের কথা বিবেচনা করতে পারেন।

সবচেয়ে গুরুত্বপূর্ণভাবে, একটি পোর্টফোলিওতে আপনার সমস্ত প্রকল্প এবং অভিজ্ঞতা নথিভুক্ত করুন, আপনার সমস্যা-সমাধান প্রক্রিয়া, আপনি যে কৌশলগুলি ব্যবহার করেছেন এবং আপনার কাজের প্রভাব তুলে ধরেছেন।

নেটওয়ার্ক

ডেটা সায়েন্সে ব্রেক করা প্রায়শই আপনি যা জানেন তা ছাড়াও আপনি কাকে চেনেন তা নিচে আসে। নতুন প্রবণতা সম্পর্কে জানার জন্য পরামর্শদাতা খুঁজুন, মিটআপ, সম্মেলন এবং কর্মশালায় অংশগ্রহণ করুন এবং স্ট্যাক ওভারফ্লো, গিটহাব বা রেডডিটের মতো অনলাইন ডেটা সায়েন্স কমিউনিটিতে নিযুক্ত হন। এই প্ল্যাটফর্মগুলি আপনাকে অন্যদের কাছ থেকে শিখতে, আপনার জ্ঞান ভাগ করে নেওয়ার এবং ডেটা সায়েন্স সম্প্রদায়ের মধ্যে লক্ষ্য করার অনুমতি দেয়।

যদি তুমি চাও স্ক্র্যাচ থেকে একটি ডেটা বিজ্ঞানী হয়ে উঠুন, এটি একটি বৃক্ষ হিসাবে বিকাশ করার জন্য আপনার প্রয়োজনীয় দক্ষতাগুলি সম্পর্কে চিন্তা করা বোধগম্য হয়৷ "ট্রাঙ্ক" দক্ষতা রয়েছে যা প্রতিটি ডেটা সায়েন্স কাজের জন্য সাধারণ, এবং তারপরে প্রতিটি বিশেষত্বের "শাখা" দক্ষতা রয়েছে যা আরও বেশি বিশেষায়িত ভূমিকায় শাখাবদ্ধ হতে থাকে।

প্রতিটি ডেটা বিজ্ঞানীর জন্য তিনটি প্রধান দক্ষতা প্রয়োজন, তারা যে দিকেই যান না কেন:

এসকিউএল ব্যবহার করে ডেটা ম্যানিপুলেশন/র্যাংলিং

ডেটা বিজ্ঞান মূলত বড় ডেটাসেটগুলি পরিচালনা এবং সংগঠিত করার জন্য ফোটে। এটি করার জন্য, আপনাকে এসকিউএল জানতে হবে। এইটা দ্য ডেটা ম্যানিপুলেশন এবং ঝগড়ার জন্য অপরিহার্য হাতিয়ার।

 

লেখকের ছবি

নরম দক্ষতা

ডেটা সায়েন্স ভ্যাকুয়ামে ঘটে না। আপনাকে অন্যদের সাথে সুন্দর খেলতে হবে, যার অর্থ আপনার নরম দক্ষতা বৃদ্ধি করা। অ-প্রযুক্তিগত স্টেকহোল্ডারদের কাছে একটি পরিষ্কার এবং বোধগম্য পদ্ধতিতে জটিল ডেটা অনুসন্ধানগুলিকে যোগাযোগ করতে সক্ষম হওয়া প্রযুক্তিগত দক্ষতার মতোই গুরুত্বপূর্ণ। এর মধ্যে রয়েছে কার্যকর যোগাযোগ, সমস্যা সমাধান এবং ব্যবসায়িক দক্ষতা।

সমস্যা-সমাধান জটিল ডেটা চ্যালেঞ্জ মোকাবেলায় সহায়তা করে, যখন ব্যবসায়িক বুদ্ধিমান নিশ্চিত করে যে ডেটা-চালিত সমাধানগুলি সাংগঠনিক লক্ষ্যগুলির সাথে সামঞ্জস্যপূর্ণ।

ধ্রুব শেখার মনোভাব

ডেটা সায়েন্স যেখানে পাঁচ বছর আগে ছিল তার থেকে আলাদা। 2018 সালের তুলনায় AI এর সাথে আজকে আমরা কোথায় আছি তা দেখুন। সেখানে প্রতিনিয়ত নতুন নতুন টুল, কৌশল এবং তত্ত্ব উঠে আসছে। এই কারণেই আপনার সাম্প্রতিক বিকাশের সাথে আপ টু ডেট থাকার জন্য এবং ক্ষেত্রের নতুন প্রযুক্তি এবং পদ্ধতির সাথে খাপ খাইয়ে নেওয়ার জন্য একটি অবিচ্ছিন্ন শেখার মানসিকতা প্রয়োজন।

শিখতে এবং মানিয়ে নিতে আপনার স্ব-অনুপ্রেরণার পাশাপাশি নতুন জ্ঞান এবং দক্ষতা অর্জনের জন্য একটি সক্রিয় পদ্ধতির প্রয়োজন হবে।

যদিও সাধারণ দক্ষতা রয়েছে যেমনটি আমি উপরে উল্লেখ করেছি, প্রতিটি ভূমিকা তার নিজস্ব নির্দিষ্ট দক্ষতা সেট দাবি করে। (মনে রাখবেন? শাখা।) উদাহরণস্বরূপ, পরিসংখ্যানগত বিশ্লেষণ, পাইথন/আর-এ প্রোগ্রামিং দক্ষতা এবং ডেটা ভিজ্যুয়ালাইজেশন সবই ডেটা সায়েন্সের আরও বিশেষায়িত চাকরির জন্য নির্দিষ্ট।

 

লেখকের ছবি
 

আসুন প্রতিটি ডেটা বিজ্ঞান-সংলগ্ন ভূমিকাকে ভেঙে ফেলি যাতে আপনি দেখতে পারেন আপনার কী প্রয়োজন।

ব্যবসা/ডেটা বিশ্লেষক

হ্যাঁ, এটি একটি ডেটা সায়েন্সের ভূমিকা! এমনকি যদি নাসায়করা একমত না হন, আমি এখনও বিশ্বাস করি যে আপনি যদি ডেটা সায়েন্স ক্যারিয়ার ট্র্যাকে প্রবেশ করার লক্ষ্য রাখেন তবে আপনি এটিকে একটি স্টেপিং স্টোন হিসাবে বিবেচনা করতে পারেন।

একজন ব্যবসা বা ডেটা বিশ্লেষক হিসাবে, আপনি ডেটা অন্তর্দৃষ্টি এবং ব্যবসায়িক কৌশলের মধ্যে ব্যবধান পূরণ করার দায়িত্বে রয়েছেন। এটি তাদের জন্য নিখুঁত যাদের ব্যবসার চাহিদা বোঝার এবং ডেটা-চালিত সমাধানগুলিতে অনুবাদ করার দক্ষতা রয়েছে।

মূল দক্ষতা হিসাবে, আপনার প্রয়োজন হবে ব্যবসায়িক বুদ্ধিমত্তা - সেখানে কোন আশ্চর্যের কিছু নেই -, শক্তিশালী বিশ্লেষণাত্মক দক্ষতা, ডেটা অনুসন্ধানের ভাষাগুলিতে দক্ষতা, প্রধানত এসকিউএল. এই ভূমিকায়, পাইথন এবং আর ঐচ্ছিক কারণ মূল কাজটি ডাটা র‍্যাঙ্গেল করা।

সেখানে একটি ভিজ্যুয়ালাইজেশন উপাদান কিন্তু আপনার কাজের উপর নির্ভর করে, এর অর্থ মূকনামে ড্যাশবোর্ড বা এক্সেলে গ্রাফ তৈরি করা।

ডেটা বিশ্লেষণ

এই ভূমিকাটি কর্মযোগ্য অন্তর্দৃষ্টি প্রদানের জন্য ডেটা ব্যাখ্যা করার উপর দৃষ্টি নিবদ্ধ করে। আপনি যদি সংখ্যাগুলিকে গল্প এবং ব্যবসায়িক কৌশলগুলিতে অনুবাদ করতে পছন্দ করেন তবে এটি আপনার জন্য একটি দুর্দান্ত কাজ।

আপনি একটি দৃঢ় হ্যান্ডেল প্রয়োজন হবে পরিসংখ্যানগত বিশ্লেষণ এবং ডেটা ভিজ্যুয়ালাইজেশন – যদিও আবার, এগুলি মূকনাট্য ড্যাশবোর্ড এবং/অথবা এক্সেল গ্রাফ হতে পারে)। এছাড়াও আপনার দক্ষতার প্রয়োজন হবে বিশ্লেষণ সরঞ্জাম মত এক্সেল, মূকনাট্য এবং এসকিউএল. Python/R আবার ঐচ্ছিক, কিন্তু মনে রাখবেন তারা পরিসংখ্যান এবং অটোমেশন বাস্তবায়নে সত্যিই সাহায্য করতে পারে।

মেশিন লার্নিং

মেশিন লার্নিং বিজ্ঞানীরা ডেটা-চালিত ভবিষ্যদ্বাণী বা সিদ্ধান্ত নেওয়ার জন্য ভবিষ্যদ্বাণীমূলক মডেল এবং অ্যালগরিদম তৈরি করেন। এই ভূমিকাগুলি তাদের জন্য উপযুক্ত যাদের AI এবং মডেল বিল্ডিং এর প্রতি প্রবল আগ্রহ রয়েছে।

মূল দক্ষতা হিসাবে কোন আশ্চর্য নেই: আপনার প্রয়োজন হবে একটি অ্যালগরিদম সম্পর্কে গভীর ধারণা, টেনসরফ্লো এবং পাইটর্চের মতো মেশিন লার্নিং ফ্রেমওয়ার্কের অভিজ্ঞতা এবং শক্তিশালী প্রোগ্রামিং দক্ষতা. Python এবং/অথবা R আর ঐচ্ছিক নয় কিন্তু একটি আবশ্যক।

ডেটা ইঞ্জিনিয়ারিং

এই ভূমিকাটি আপনাকে ডেটা পাইপলাইনগুলির স্থাপত্য, ব্যবস্থাপনা এবং রক্ষণাবেক্ষণের উপর ফোকাস করে। এটি এমন ব্যক্তিদের জন্য উপযুক্ত যারা ডেটা প্রবাহ এবং স্টোরেজ পরিচালনা এবং অপ্টিমাইজ করার প্রযুক্তিগত চ্যালেঞ্জগুলি উপভোগ করেন।

এই কাজ পেতে, আপনি ই প্রয়োজন হবেডাটাবেস ম্যানেজমেন্ট, ইটিএল প্রসেস এবং হ্যাডুপ এবং স্পার্কের মতো বড় ডেটা প্রযুক্তিতে দক্ষতা। আপনারও প্রয়োজন হবে ডেটা পাইপলাইন অটোমেশনে দক্ষতা বায়ুপ্রবাহের মতো প্রযুক্তি ব্যবহার করে।

ব্যবসায়িক বুদ্ধি

ব্যবসায়িক বুদ্ধিমত্তায়, এটি সবই ভিজ্যুয়ালাইজেশন তৈরির বিষয়ে। এটি একটি শক্তিশালী ব্যবসায়িক বোধের সাথে গল্পকার এবং লোকেদের জন্য দুর্দান্ত।

আপনাকে ট্যাবলাউ এবং কিউলিকের মতো ড্যাশবোর্ডিং প্রযুক্তির পেশাদার হতে হবে কারণ এইগুলি হল সেই টুল যা আপনি আপনার ভিজ্যুয়ালাইজেশন তৈরি করতে ব্যবহার করবেন। ড্যাশবোর্ডের কর্মক্ষমতা দ্রুত করে এমন ডেটা কোয়েরি অপ্টিমাইজ করতে সাহায্য করার জন্য আপনার ডেটা ম্যানিপুলেশন দক্ষতা (পড়ুন: SQL দক্ষতা)ও প্রয়োজন।

আমি নিবন্ধে আগে উল্লেখ করেছি, ডেটা সায়েন্স একটি দ্রুত বিকশিত ক্ষেত্র। নতুন কাজ এবং ভূমিকা সব সময় খোলা হয়. আমার গাছের সাদৃশ্যে ফিরে যেতে, আমি এটিকে মূল ডেটা সায়েন্স ট্রাঙ্কে নতুন শাখা যুক্ত করা হিসাবে ভাবতে চাই। সেখানে এখন ক্লাউড ইঞ্জিনিয়ার, SQL বিশেষজ্ঞ, DevOps ভূমিকা এবং আরও অনেক কিছু আছে - সবই এখনও সেই ডেটা সায়েন্স ট্র্যাকের সাথে সংযুক্ত। সুতরাং এই নিবন্ধটি তথ্য বিজ্ঞানের সাথে আপনি যেতে পারেন এমন দিকনির্দেশগুলির একটি সংক্ষিপ্ত বিভ্রান্তি সরবরাহ করে।

এর চেয়েও বেশি, আপনার মনে রাখা উচিত যে ডেটা সায়েন্স সেই ছয়-অঙ্কের বেতন চেকের সাথে সংযুক্ত চ্যালেঞ্জগুলির সাথে আসে। একটি খুব খাড়া শেখার বক্ররেখা আছে, এবং শেখার সত্যিই শেষ হয় না. নতুন প্রযুক্তি, প্রবণতা, এবং সরঞ্জামগুলি সবই দ্রুত এবং কঠোরভাবে আসে – এবং আপনি যদি আপনার কাজ ধরে রাখতে চান তবে আপনাকে চালিয়ে যেতে হবে।

যে সব বলা হচ্ছে, এটা একটি মহান পেশা বিকল্প. আপনার বেল্টের নীচে আমি উল্লেখিত তিনটি প্রধান দক্ষতার সাথে, আপনি যে কোনোটি গ্রহণ করতে সুসজ্জিত হবেন তথ্য বিজ্ঞান ভূমিকা যে আপনার কাছে আবেদন.
 
 

নাট রোসিদি একজন ডেটা সায়েন্টিস্ট এবং পণ্যের কৌশল। এছাড়াও তিনি একজন সহযোগী অধ্যাপক শিক্ষকতা বিশ্লেষণ, এবং এর প্রতিষ্ঠাতা স্ট্র্যাটাস্ক্র্যাচ, একটি প্ল্যাটফর্ম যা তথ্য বিজ্ঞানীদের তাদের ইন্টারভিউয়ের জন্য প্রস্তুত করতে সাহায্য করে যা শীর্ষ কোম্পানিগুলির বাস্তব ইন্টারভিউ প্রশ্ন নিয়ে। তার সাথে সংযোগ করুন টুইটার: StrataScratch or লিঙ্কডইন.

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://www.kdnuggets.com/read-this-before-making-a-career-switch-to-data-science?utm_source=rss&utm_medium=rss&utm_campaign=read-this-before-making-a-career-switch-to-data-science