ڈیٹا سائنس میں اپنی پہلی ملازمت کیسے حاصل کی جائے؟

کسی کو ڈیٹا سائنسدان یا ڈیٹا تجزیہ کار کی حیثیت سے داخلے کی پہلی ملازمت کیسے مل سکتی ہے؟ اگر آپ ڈیٹا سائنس فورمز کے ذریعہ اسکرول کرتے ہیں تو ، آپ کو اس عنوان سے بہت سارے سوالات ملیں گے۔ میرے ڈیٹا سائنس بلاگ (ڈیٹا 36.com) کے قارئین مجھ سے وقتا فوقتا یہی سوال کرتے ہیں۔ اور میں آپ کو یہ بالکل درست مسئلہ بتا سکتا ہوں!

میں نے تمام اہم سوالات کے ل my اپنے جوابات کا خلاصہ کرنے کا فیصلہ کیا ہے!

نئی! میں نے آپ کو ڈیٹا سائنس کے ساتھ شروع کرنے میں مدد کے لئے ایک جامع (مفت) آن لائن ویڈیو کورس تشکیل دیا ہے۔ مزید معلومات کے لئے یہاں کلک کریں: ڈیٹا سائنسدان کیسے بنے۔

رجسٹر یہاں (مفت کے لئے): https://data36.com/how-to-become-a-data-scientist/

# 1: ڈیٹا سائنسدانوں کی سب سے اہم صلاحیتیں اور اوزار کیا ہیں؟ اور آپ انہیں کیسے حاصل کرسکتے ہیں؟

اچھی خبر - بری خبر۔

میں بری سے شروع کروں گا۔ 90٪ معاملات میں ، وہ مہارتیں جو وہ آپ کو یونیورسٹیوں میں پڑھاتے ہیں وہ واقعی زندگی کے ڈیٹا سائنس منصوبوں میں کارآمد نہیں ہیں۔ جیسا کہ میں نے متعدد بار لکھا ہے ، حقیقی منصوبوں میں ان 4 ڈیٹا کوڈنگ کی مہارت کی ضرورت ہے۔

  • bash / کمانڈ لائن
  • ازگر
  • ایس کیو ایل
  • R
  • (اور کبھی جاوا)
ماخذ: KDnuggets

آپ کو کون سا 2 یا 3 سب سے زیادہ مددگار معلوم ہوگا واقعتا اس کا انحصار کمپنی پر ہے… لیکن اگر آپ نے کوئی سیکھ لیا ہے تو ، دوسرا سیکھنا آسان ہوجائے گا۔

تو پہلا بڑا سوال یہ ہے کہ: آپ یہ اوزار کیسے حاصل کرسکتے ہیں؟ یہاں خوشخبری آتی ہے! یہ تمام اوزار مفت ہیں! اس کا مطلب یہ ہے کہ آپ ان کو ڈاؤن لوڈ ، انسٹال اور ان کے لئے ایک پیسہ ادا کیے بغیر استعمال کرسکتے ہیں۔ آپ پریکٹس کرسکتے ہیں ، ڈیٹا شوق پراجیکٹ یا کوئی بھی چیز بنا سکتے ہیں!

میں نے حال ہی میں ایک مرحلہ وار مضمون لکھا تھا کہ آپ کے کمپیوٹر پر ان ٹولز کو کیسے انسٹال کریں۔ اسے یہاں چیک کریں۔

# 2: سیکھنے کا طریقہ؟

آسانی سے اور سرمایہ کاری سے مؤثر طریقے سے ڈیٹا سائنس سیکھنے کے 2 اہم طریقے ہیں۔

پہلا: کتابیں۔

کنڈا پرانا اسکول ، لیکن ابھی بھی سیکھنے کا ایک اچھا طریقہ ہے۔ کتابوں سے آپ آن لائن اعداد و شمار کے تجزیہ ، اعداد و شمار ، کوائف کوڈنگ ، وغیرہ کے بارے میں بہت توجہ مرکوز ، بہت مفصل معلومات حاصل کرسکتے ہیں۔ میں نے اپنے گذشتہ مضمون میں جن 7 کتابوں کی تجویز کی ہے وہ یہاں روشنی ڈالی۔

میری سفارش کردہ سب سے اوپر 7 ڈیٹا بکس

دوسرا: آن لائن ویبنرز اور ویڈیو کورسز۔

ڈیٹا سائنس آن لائن کورس مناسب قیمتوں (-10- $ 500) کے ساتھ آرہے ہیں اور ان میں ڈیٹا کوڈنگ سے لے کر کاروباری ذہانت تک مختلف موضوعات کا احاطہ کیا گیا ہے۔ اگر آپ شروع میں اس پر پیسہ خرچ نہیں کرنا چاہتے ہیں تو ، میں نے اس پوسٹ میں مفت کورسز اور سیکھنے کا مواد درج کیا ہے۔

(تیسرا: جونیئر ڈیٹا سائنسدان کا پہلا مہینہ کورس میں نے 6 ہفتوں کا آن لائن ڈیٹا سائنس کورس تشکیل دیا ہے جس میں ڈیٹا سائنس دان کی خواہش ہے کہ وہ زندگی سے متعلق ڈیٹاسیٹ پر زندگی سے متعلق ٹاسک پر عمل کرے اور اسے حل کرے۔ جونیئر ڈیٹا سائنسدان کا پہلا مہینہ .)

# 3: عمل کرنے کا طریقہ ، اور زندگی کا حقیقی تجربہ کیسے حاصل کریں

یہ ایک مشکل ہے نا؟ ہر کمپنی کم از کم تھوڑا سا حقیقی زندگی کا تجربہ رکھنے والے افراد کو حاصل کرنا چاہتی ہے… لیکن اگر آپ کو اپنی پہلی ملازمت کے ل real حقیقی زندگی کے تجربے کی ضرورت ہو تو ، آپ کو زندگی کا حقیقی تجربہ کیسے ملے گا؟ کلاسیکی کیچ 22۔ اور جواب ہے: پالتو جانوروں کے منصوبے۔

"پالتو جانوروں کے منصوبے" کا مطلب یہ ہے کہ آپ ڈیٹا پروجیکٹ آئیڈیا کے ساتھ آتے ہیں جو آپ کو پرجوش بناتا ہے۔ پھر آپ اسے آسانی سے تعمیر کرنا شروع کردیں۔ آپ اس کے بارے میں ایک چھوٹی سی شروعات کے طور پر سوچ سکتے ہیں ، لیکن اس بات کو یقینی بنائیں کہ آپ منصوبے کے ڈیٹا سائنس حصے پر اپنی توجہ مرکوز کرتے رہیں اور آپ صرف کاروباری حصہ کو نظرانداز کرسکیں۔ آپ کو کچھ خیالات دینے کے لئے ، پچھلے کچھ سالوں سے میرے پالتو جانوروں کے کچھ پروجیکٹس یہ ہیں:

  • میں نے ایک اسکرپٹ تیار کیا جس میں جائداد غیر منقولہ ویب سائٹ کی نگرانی کی گئی اور حقیقی وقت میں مجھے بہترین سودے ای میل کیے گئے۔
  • میں نے ایک اسکرپٹ بنایا تھا جو تمام مضامین کو اے بی سی ، بی بی سی اور سی این این کی شکل میں کھینچ رہا تھا اور استعمال شدہ الفاظ کی بنیاد پر ان مضامین کو مربوط کیا جو 3 مختلف نیوز پورٹلز پر ایک ہی موضوع کے متعلق تھے۔
  • میں نے ازگر میں سیلف لرننگ چیٹ بوٹ بنایا تھا۔ (اگرچہ یہ زیادہ ذہین نہیں ہے - کیوں کہ میں نے ابھی تک اس کی تربیت نہیں کی ہے۔)

تخلیقی بنو، کچھ نیا کرکے دکھاؤ! اپنے لئے پالتو جانوروں سے متعلق ڈیٹا سائنس تلاش کریں اور کوڈنگ شروع کریں! اگر آپ کوڈنگ کے مسئلے سے دیوار کو ٹکراتے ہیں - تو آسانی سے ہوسکتا ہے ، جب آپ ڈیٹا کی نئی زبان سیکھنا شروع کردیتے ہیں تو صرف گوگل اور / یا اسٹیک اوور فلو استعمال کریں۔ میری ایک مختصر مثال۔ اس پر کہ اسٹاک اوور کتنا موثر ہے:

بائیں طرف: میرا سوال - دائیں طرف: جواب (7 منٹ میں)

ٹائم اسٹیمپ کو نوٹ کریں! میں نے ایک طرح کا پیچیدہ سوال بھیجا ہے اور میں 7 منٹ میں جواب مل گیا۔ مجھے صرف ایک چیز کرنے کی ضرورت تھی اس کوڈ کو اپنے پروڈکشن کوڈ اور بوم میں کاپی پیسٹ کرنا ، اس نے ابھی کام کیا!

(نوٹ: ڈیٹا سائنس سے متعلق سوالات کے ل great کراس کی توثیق ایک اور زبردست فورم ہے۔)

+1 تجویز:

یہاں تک کہ اگر یہ تھوڑا سا مشکل ہو تو ، ایک سرپرست حاصل کرنے کی کوشش کریں۔ اگر آپ کافی خوش قسمت ہیں تو ، آپ کو کوئی ایسی شخص ملے گی جو ایک اچھی کمپنی میں ڈیٹا سائنسدان کے کردار میں کام کرے اور جو آپ کے ساتھ ہفتہ وار یا دوہرایک گھنٹے گزار سکتا ہو اور چیزوں پر تبادلہ خیال یا تعلیم دے سکتا ہو۔

# 4: آپ اپنی پہلی ملازمت کی درخواست کہاں اور کیسے بھیجتے ہیں؟

اگر آپ کسی سرپرست کو تلاش کرنے میں کامیاب نہیں ہوئے ہیں ، تو پھر بھی آپ اپنی پہلی کمپنی میں اپنا پہلا مل سکتے ہیں۔ یہ آپ کا ڈیٹا سائنس سے متعلق پہلا کام ہوگا ، لہذا میں تجویز کرتا ہوں کہ بڑے پیسوں پر یا کسی اعلی فینسی اسٹارٹ اپ ماحول پر توجہ نہ دیں۔ ایسے ماحول کی تلاش پر توجہ دیں جہاں آپ خود کو سیکھ سکیں اور اس کو بہتر بناسکیں۔

کسی ملٹی نیشنل کمپنی میں اپنی پہلی ڈیٹا سائنس ملازمت اختیار کرنا اس خیال سے ہم آہنگ نہیں ہوسکتا ہے ، کیوں کہ عام طور پر لوگ اپنی چیزوں میں بہت زیادہ مصروف رہتے ہیں ، لہذا ان کے پاس وقت یا / اور آپ کی بہتری میں مدد کرنے کی حوصلہ افزائی نہیں ہوگی (ظاہر ہے ، ہمیشہ موجود رہتے ہیں) مستثنیات).

ٹیم میں پہلے ڈیٹا پرسن کی حیثیت سے ایک چھوٹی سی شروعات کا آغاز کرنا یا تو آپ کے معاملے میں اچھا خیال نہیں ہے ، کیوں کہ ان کمپنیوں سے اعداد و شمار رکھنے والے سینئر افراد نہیں رکھتے ہیں۔

میں آپ کو مشورہ دیتا ہوں کہ 50-500 سائز کی کمپنیوں پر توجہ دیں۔ یہ سنہری مطلب ہے۔ اعداد و شمار کے سینئر سائنس دان بورڈ میں موجود ہیں ، لیکن وہ آپ کی مدد اور تعلیم دینے میں زیادہ مصروف نہیں ہیں۔

ٹھیک ہے ، آپ کو کچھ اچھی کمپنیاں مل گئیں… درخواست کیسے دیں؟ آپ کے سی وی کے کچھ اصول: اپنی صلاحیتوں اور منصوبوں کو اجاگر کریں ، اپنے تجربے کو نہیں (کیوں کہ ابھی آپ کو کاغذ پر رکھنے کے لئے زیادہ سال نہیں ہیں)۔ متعلقہ کوڈنگ زبانوں (SQL اور ازگر) کی فہرست بنائیں ، جو آپ استعمال کرتے ہیں ، اور اپنے متعلقہ کچھ گیتھب ریپوز کو لنک کرتے ہیں ، تاکہ آپ یہ ظاہر کرسکیں کہ آپ نے واقعی وہ زبان استعمال کی ہے۔

نیز ، زیادہ تر معاملات میں ، کمپنیاں کور لیٹر طلب کرتی ہیں۔ یقینا your یہ آپ کا جوش و خروش ظاہر کرنے کا ایک اچھا موقع ہے ، لیکن آپ کچھ عملی تفصیلات بھی شامل کرسکتے ہیں ، جیسے کہ اگر آپ کو ملازم رکھا جاتا تو آپ اپنے پہلے چند ہفتوں میں کیا کریں گے۔ (مثال کے طور پر "آپ کے اندراج کے بہاؤ کو دیکھ کر ، میں اندازہ کرسکتا ہوں کہ ____ ویب پیج ایک اہم کردار ادا کرتا ہے۔ اپنے پہلے چند ہفتوں میں ، میں اس قیاس آرائی کو ثابت کرنے اور اسے زیادہ گہرائی سے سمجھنے کے لئے ___ ، ___ اور ___ (مخصوص تجزیہ) کرتا ہوں)۔ اس سے کمپنی کو _____ کو بہتر بنانے اور آخر کار _____ KPIs کو آگے بڑھانے میں مدد مل سکتی ہے۔ ")

امید ہے کہ اس سے آپ کو ملازمت کا انٹرویو ملے گا ، جہاں آپ اپنے پالتو جانوروں کے منصوبوں ، اپنے کور لیٹر کی تجاویز کے بارے میں تھوڑی سی باتیں کرسکتے ہیں ، لیکن یہ زیادہ تر شخصیت کے مطابق فٹ اور زیادہ تر بنیادی مہارت کی جانچ کے بارے میں ہوگا۔ اگر آپ نے کافی مشق کی تھی تو ، آپ اسے پاس کردیں گے… لیکن اگر آپ اعصابی قسم کے ہیں اور آپ زیادہ مشق کرنا چاہتے ہیں تو ، آپ اسے ہیکرینک ڈاٹ کام پر کر سکتے ہیں۔

نتیجہ اخذ کرنا

ٹھیک ہے ، بس مجھے معلوم ہے جب یہ لکھا جاتا ہے تو یہ زیادہ آسان محسوس ہوتا ہے ، لیکن اگر آپ واقعی میں ڈیٹا سائنسدان بننے کے لئے پرعزم ہیں تو ، ایسا کرنے میں کوئی حرج نہیں ہوگا! اس کے ساتھ گڈ لک!

اگر آپ کوشش کرنا چاہتے ہیں تو ، زندگی سے متعلق کسی آغاز میں جونیئر ڈیٹا سائنس دان ہونے کی طرح یہ کیا ہے ، میرا 6 ہفتہ کا آن لائن ڈیٹا سائنس کورس دیکھیں: جونیئر ڈیٹا سائنسدان کا پہلا مہینہ!

اور اگر آپ ڈیٹا سائنس کے بارے میں مزید معلومات حاصل کرنا چاہتے ہیں تو ، میرا بلاگ (ڈیٹا 36.com) چیک کریں اور / یا میرے نیوز لیٹر کو سبسکرائب کریں! اور میری نئی کوڈنگ ٹیوٹوریل سیریز کو مت چھوڑیں: ڈیٹا تجزیہ کے لئے ایس کیو ایل!

پڑھنے کا شکریہ!

مضمون سے لطف اندوز ہوا؟ براہ کرم نیچے پر کلک کرکے مجھے بتائیں۔ اس سے دوسرے لوگوں کو بھی کہانی دیکھنے میں مدد ملتی ہے!

ٹومی مییسٹر مصنف: ڈیٹا36 ڈاٹ کام ٹویٹر: @ ڈیٹا 36_com