By پاؤ لابرٹا باجو، ریاضی دان اور ڈیٹا سائنسدان.

ایک ٹاپٹل فری لانسر کی طرف سے عملی نکات

اگر آپ ایک بیوقوف ڈیٹا سائنسدان ہیں جو ایک آزاد (ریموٹ) فری لانس ڈیٹا سائنسدان کے طور پر کام شروع کرنا چاہتے ہیں، تو یہ مضمون آپ کے لیے ہے۔ آپ کی موجودہ 9-سے-5 ملازمت سے ریموٹ فری لانسنگ میں منتقلی ایک آزادانہ تجربہ ہے۔ حتمی ادائیگی بہت زیادہ ہے، بشمول:

• اعلی سیکھنے کی رفتار، کیونکہ آپ مسلسل نئے پروجیکٹس لے رہے ہیں اور مختلف ٹیکنالوجیز کے ساتھ کام کر رہے ہیں۔
• سان فرانسسکو میں ایک چھوٹے سے کمرے میں چھوڑے بغیر جدید اسٹارٹ اپس کے ساتھ کام کرنے کا موقع۔
• اپنے دنوں، ہفتوں اور مہینوں کو منظم کرنے کی آزادی، نیز کوئی بھی اس بات کی گنتی نہیں کر رہا ہے کہ آپ نے اس سال کتنی چھٹیاں گزاری ہیں۔
• زیادہ گھنٹہ کی شرح، جو مہینے کے آخر میں زیادہ پے چیک میں ترجمہ کرتی ہے۔

ایک فری لانس ڈیٹا سائنسدان کا راستہ

میرا نام پاؤ لیبارٹا باجو ہے۔ میں ایک فری لانس ڈیٹا سائنسدان اور ایم ایل انجینئر ہوں جو پچھلے 2+ سالوں سے ریموٹ فری لانس کے طور پر کام کر رہا ہوں۔ اس سے پہلے، میں ایک ٹاپ موبائل گیمنگ کمپنی Nordeus میں ڈیٹا سائنسدان کے طور پر کام کرتا تھا۔ میرے ارد گرد، میرے پاس عظیم ڈیٹا سائنسدانوں اور حیرت انگیز ڈیٹا انجینئرز کا عملہ تھا۔ جب میں نے ٹیم میں شمولیت اختیار کی، وہ پہلے ہی اندرون خانہ ڈیٹا اینالیٹکس پلیٹ فارم بنا چکے تھے جس نے کمپنی کو روزانہ 2M سے زیادہ فعال صارفین کے ساتھ گیم کا انتظام کرنے میں مدد کی۔ میں نے محسوس کیا کہ میں ایک اور مکھی ہوں جو ایک اچھی طرح سے قائم بھیڑ کے اندر کام کر رہی ہے۔ میرا 90% وقت تکنیکی چیزوں پر صرف ہوا، بشمول پروڈکٹ کو بہتر بنانے کے لیے ڈیٹا کا تجزیہ اور اس کی کارکردگی کو بڑھانے کے لیے ML کی ترقی۔ 10% وقت باقی ٹیم کے ساتھ بات چیت کرنے میں تھا جس پر میں کام کر رہا تھا۔

یہ تقسیم ہم جیسے بیوقوفوں، ڈیٹا سائنسدانوں، اور ML عجیب و غریب لوگوں کے لیے بہت اچھا لگتا ہے۔ تاہم، اس سکون کی ایک قیمت ہے جو مجھے دو مسلسل سوچوں میں آئی

1. جب کہ مشین لرننگ کی تکنیکیں اور ایپلیکیشنز ہر جگہ پاپ اپ ہوتی ہیں، میں بار بار انہی مسائل کو حل کرنے کے لیے وہی تکنیک استعمال کرتا رہتا ہوں۔ بورنگ۔
2. مجھے اضافہ حاصل کرنے کے لیے، کسی اور کی رائے کی بنیاد پر، سالانہ جائزوں کا انتظار کیوں کرنا پڑتا ہے؟ کوئی بہتر طریقہ ہونا چاہیے۔

آخر کار، میں نے ریموٹ فری لانس ڈیٹا سائنسدان کے طور پر کام شروع کرنے کے لیے اپنی نوکری چھوڑ دی۔ منتقلی چیلنجنگ اور ناقابل یقین حد تک افزودہ دونوں رہی ہے۔ راستے میں، میں نے کچھ سیکھنے کو جمع کیا ہے جو میں نے کم کیا 4 عملی نکاتمیرے ساتھ شامل ہونے اور شروع کرنے میں آپ کی مدد کرنے کے لیے دوسری طرف چلنا.

کی طرف سے تصویر فین ڈی۔.

1. پرسکون رہیں اور اپنی مہارت کو کم نہ کریں۔

آپ کا پہلا سوال یہ ہے کہ: مجھے اپنا پہلا پروجیکٹ کہاں ملے گا؟

انٹرنیٹ پر ڈیٹا سے متعلق بہت ساری نوکریاں ہیں۔ اگر آپ کسی ویب سائٹ پر جائیں تو جیسے Upwork آپ ہر منٹ میں نوکری کی نئی پوسٹنگ دیکھ سکتے ہیں۔ ہاں، ڈیٹا سائنس کی بہت ساری نوکریاں ہیں، جس کے لیے آپ کو ہر صبح شکر گزار ہونا چاہیے۔ تاہم، ان بڑی سائٹوں پر بھی کافی مقابلہ ہے۔ پوری دنیا کے فری لانسرز اسی تالاب میں مچھلیاں پکڑنے کی کوشش کرتے ہیں جیسے آپ۔

آپ کو سوچنے کی آزمائش ہو سکتی ہے:

"آئیے کوشش کریں کہ میری پہلی نوکری پر اترنے کے امکانات کو اس سے کم ریٹ مقرر کر کے جو میں سمجھتا ہوں کہ میری مہارتوں اور زندگی گزارنے کی لاگت کو دیکھتے ہوئے سمجھ میں آتا ہے۔"

بڑی غلطی. اور، ویسے، میں نے وہ غلطی دو بار کی۔ اپنے دوسرے فری لانس پروجیکٹ میں، میں اسی ٹائم زون میں ایک اور ڈیٹا انجینئر کے ساتھ کام کر رہا تھا، جس کی تنخواہ میری دگنی سے بھی زیادہ تھی۔ وہ پہلی بار فری لانس کام کر رہا تھا۔ ان گنت بار میں نے اپنی بات پر افسوس کیا۔ ہوشیار قیمتوں کا تعین.

زیادہ تر کلائنٹس پراجیکٹ کی غیر یقینی صورتحال کو کم کرنے کے لیے زیادہ قیمتیں ادا کرنے کو تیار ہیں۔ آپ کا ایک اعلیٰ تعلیم یافتہ کام ہے، اور قیمتوں میں ضرورت سے زیادہ رعایت کو بھی پروجیکٹ کی کامیابی پر زیادہ غیر یقینی صورتحال سے تعبیر کیا جاتا ہے۔ اس کے علاوہ، ذہن میں رکھیں کہ آپ کسی دوسرے انسان کو قائل کرنے کی کوشش کر رہے ہیں، نہ کہ لاگت کو کم کرنے والے android کو۔ آپ کو اعتماد ظاہر کرنے کی ضرورت ہے، اور اس سے کم قیمت مقرر کرنا جو آپ کو لگتا ہے کہ آپ قابل ہیں اس کے برعکس ہے۔

2. کئی تالابوں میں مچھلیاں

کی طرف سے تصویر کاٹن برو سے Pexels.

آج کل، بہت سارے فری لانس پلیٹ فارم ہیں۔ میں نے ان میں سے 3 (Upwork، Toptal، اور Braintrust) استعمال کیے ہیں، لیکن دوسروں کو بھی دریافت کرنے کے لیے آزاد محسوس کریں۔

ان پلیٹ فارمز کو 2 گروپوں میں تقسیم کیا جا سکتا ہے:

• حجم پر مبنی پلیٹ فارمز، طرح Upwork. کلائنٹس اور فری لانسرز دونوں کے لیے داخلے میں کوئی رکاوٹ نہیں ہے۔ کوئی بھی جاب شائع کر سکتا ہے، اور کوئی بھی فری لانس کے طور پر رجسٹر ہو سکتا ہے۔ چھوٹے پروجیکٹس تلاش کرنے کے لیے یہ ایک اچھی جگہ ہے، لیکن جب آپ شروع کرتے ہیں تو اچھے کلائنٹس حاصل کرنا کافی مشکل ہے۔ اچھی ملازمتیں عام طور پر صرف ان درخواست دہندگان کے لیے کھلی ہوتی ہیں جنہوں نے پچھلے پروجیکٹس کے ذریعے پلیٹ فارم کے اندر اپنی ساکھ بنائی ہے۔ یہ آپ کو ایک نقصان میں ڈالتا ہے اور جب آپ شروع کرتے ہیں تو واضح طور پر کافی مایوسی کا شکار ہو سکتے ہیں۔ بہر حال، میرا مشورہ ہے کہ آپ Upwork میں پروفائل بنائیں۔ اپ ورک کلائنٹس پلیٹ فارم کے اندر تلاش کے ذریعے آپ کا پروفائل تلاش کر سکتے ہیں اور براہ راست آپ سے تجویز بھیجنے کے لیے کہہ سکتے ہیں۔ یہ ایک آپشن ہے جسے آپ کو کھلا چھوڑنا ہے۔
• معیار پر مبنی پلیٹ فارم، طرح ٹاپٹل۔ or برائن ٹرسٹ. ان کے پاس کلائنٹ کم ہیں لیکن اعلیٰ معیار کے ساتھ۔ ان پلیٹ فارمز کے اندر پروجیکٹس کو دیکھنے اور ان کے لیے درخواست دینے کے لیے، آپ کو اسکریننگ کا عمل پاس کرنا ہوگا۔ اسے مکمل ہونے میں تقریباً 2 سے 5 ہفتے لگتے ہیں۔ یہ وقت اور توانائی خرچ کرتا ہے، لیکن ادائیگی بہت زیادہ ہے۔ ان پلیٹ فارمز کے اندر رہنے سے آپ کو عظیم کلائنٹس، عام طور پر اسٹارٹ اپس اور بڑے کاروباری اداروں کے ساتھ جڑنے کا موقع ملتا ہے، جو ٹاپٹل کے ساتھ وعدہ کرنے والے معیار کے لیے زیادہ قیمتیں ادا کرنے کو تیار ہیں۔ ان کی "صرف سب سے اوپر 3٪" پالیسی سے خوفزدہ نہ ہوں۔ میں محفوظ طریقے سے کہہ سکتا ہوں کہ جب میں نے 3 سال پہلے Toptal میں شمولیت اختیار کی تھی تو میں "ٹاپ 2% مشین لرننگ انجینئر" نہیں تھا۔

3. کلائنٹ بہت مخصوص پروفائلز تلاش کرتے ہیں۔

زیادہ تر کلائنٹس ایک اچھی طرح سے ڈیٹا سائنسدان نہیں بلکہ ایک مخصوص پروفائل تلاش کرتے ہیں جو ان کا مسئلہ حل کر سکے۔ کوئی ہے جو اچھی طرح جانتا ہے کہ کس طرح یا تو

• ڈیٹاسیٹ کا تجزیہ کریں،
• ٹیبلو کے ساتھ ڈیش بورڈ بنائیں،
• گوگل کلاؤڈ میں ڈیٹا پائپ لائن بنائیں،
• مشین لرننگ ماڈل بنائیں،
• ویب سائٹ کو کھرچنا،
• ...

اپنے آپ کو حتمی فری لانس ڈیٹا سائنسدان کے طور پر پیش کرنے کی کوشش کرنا پرکشش ہے جو سب کچھ کر سکتا ہے، لیکن یہ وہ نہیں ہے جس کی کلائنٹ تلاش کر رہا ہے۔ نیز، ڈیٹا سائنس ایک بہت بڑی مارکیٹ ہے۔ اپنے پروفائل کو تنگ کرکے، آپ اب بھی ایک بہت بڑے تالاب میں مچھلیاں پکڑ رہے ہیں۔ اسے ذہن میں رکھیں۔

میری پہلی فری لانس ملازمت کو خام خیالی سے بیان کیا جاسکتا ہے۔ "ہمارا کوئی بھی ڈیٹا انجینئر ٹیبلو میں خوبصورت ڈیش بورڈ نہیں بنا سکتا۔ کیا آپ؟". یہ سب سے زیادہ دلچسپ کام نہیں تھا جس کے بارے میں میں سوچ سکتا تھا، لیکن میں نے اپنے پچھلے کام میں ہزار بار کیا تھا۔ میں اس میں ماہر تھا، اور یہی چیز کلائنٹ کے لیے اہمیت رکھتی ہے۔

ان منصوبوں پر توجہ مرکوز کرکے اپنا راستہ شروع کریں جن میں آپ پہلے ہی ماہر ہیں۔ امپوسٹر سنڈروم سے بچیں، اپنا پہلا چیک حاصل کریں، اور اعتماد پیدا کریں۔

پارٹ ٹائم کام کرنا، یا فی گھنٹہ بھی، آپ وہی سیکھ سکتے ہیں جیسا کہ آپ کے پچھلے 9-سے-5 میں تھا۔ اسے اپنے اضافی وقت میں نئی ​​مہارتیں سیکھنے کے موقع کے طور پر استعمال کریں، اگلے شعبے کی تیاری کے لیے جس میں آپ اپنے اگلے معاہدے کے ساتھ کام کرنا چاہتے ہیں۔

4. ایسی تجاویز لکھیں جو کاروباری مسائل کو حل کریں، پریزنٹیشن لیٹر نہیں۔

ایک عام غلطی اس طرح کی تجویز کو شروع کرنا ہے:

"محترم X۔ میرا نام Y ہے، اور میں ایک ڈیٹا سائنسدان ہوں جس میں A، B، C، اور D میں N سال کا تجربہ ہے۔ میرا پس منظر E میں ہے، اور … "

ضرور آپ کا ممکنہ کلائنٹ آپ کے ناقابل یقین پس منظر کے بارے میں جاننا چاہے گا۔ لیکن وہ تمہاری ماں یا باپ نہیں ہے۔ وہ مسئلہ کو حل کرنا چاہتا ہے، لہذا براہ راست نقطہ پر جائیں. پہلے پیراگراف سے اس مسئلے پر توجہ مرکوز کریں، بغیر تمہیدوں اور پیشکشوں کے جو اسے صرف جمائی دے سکتے ہیں۔ بہت ہی مخصوص چیزوں کو شمار کرنے کے لیے بلٹ پوائنٹس کا استعمال کریں جو براہ راست مسئلے سے متعلق ہیں اور علمی بوجھ کو کم کریں۔ نیز، BS کو کم سے کم رکھیں۔ کیا آپ کو یہ پڑھ کر لطف آتا ہے کہ کوئی اور اپنی تعریف کیسے کرتا ہے؟ آپ کے ممکنہ کلائنٹ کے لیے بھی ایسا ہی ہے۔

جب سے میں نے فری لانسنگ شروع کی ہے تب سے بھیجی گئی ہر تجویز کو میں نے اپنے پاس رکھا ہے۔ تمام تجاویز جنہوں نے مجھے نوکری حاصل کی ان کا ڈھانچہ اس طرح ہے:

"ہیلو ایکس! میرا نام Y ہے۔ میں نے حال ہی میں N چیزیں بنائی ہیں جو براہ راست آپ کے مسئلے سے متعلق ہیں Z:

• پروجیکٹ الفا
• پروجیکٹ بیٹا
• پروجیکٹ گاما ...

میں اس کے ساتھ آپ کی مدد کرنا پسند کروں گا۔ آئیے تفصیلات میں جانے کے لیے اس ہفتے ایک کال کریں۔ بہترین، Y."

نتیجہ

کی طرف سے تصویر Pixabay سے Pexels.

ڈیٹا سائنسدان کے طور پر فری لانس ریموٹ کام فکری اور مالی دونوں لحاظ سے ناقابل یقین حد تک فائدہ مند ہے۔ یہ مجھے بے حد خوشی دے گا اگر اس میں سے کوئی مشورہ آپ کے آزادانہ راستے میں آپ کی مدد کرتا ہے۔

بیو: پاؤ لابرٹا باجو مالیاتی تجارت، موبائل گیمنگ، آن لائن خریداری، اور صحت کی دیکھ بھال سمیت مختلف مسائل کے لیے نمبروں اور ماڈلز کو کرنچنگ کرنے کا 10 سال سے زیادہ کا تجربہ رکھنے والا ایک ریاضی دان اور ڈیٹا سائنسدان ہے۔

متعلقہ:

• ڈیٹا فری لانس سے ڈیٹا انٹرپرینیور میں کیسے منتقل کیا جائے (تقریبا راتوں رات)
• فری لانس ڈیٹا سائنسدان بننے میں کیسے کامیابی حاصل کی جائے۔
• نوئس فری لانس ڈیٹا سائنسدانوں کے لیے 5 نکات