ডেটা সায়েন্স ইন্ডাস্ট্রিতে কীভাবে ভাঙবেন - যাদুঘর

একাডেমি পুরষ্কার-মনোনীত ফিল্ম হিড ফিগারসের শিখরে, গণিতত্ত্ববিদ ক্যাথরিন জনসন জন গ্লেনের স্পেস ক্যাপসুলের ল্যান্ডিং স্থানাঙ্কগুলির জন্য গণনা যাচাই করার জন্য ডেকে আনা হয়েছিল, বন্ধুত্ব 7.. প্রযুক্তি কেবলমাত্র কম্পিউটারকে প্রতিস্থাপন করেছে, জটিল সমীকরণ সম্পন্ন এমন ডেটা-গণনাকারী মানুষ কম্পিউটার সিস্টেমের আবির্ভাবের আগে, কিন্তু মেশিনের ডেটাতে ত্রুটি ছিল যা কোনও ব্যক্তির দ্বারা সমাধান করা প্রয়োজন।

এটি ছিল ১৯ science১ সালে ডেটা সায়েন্স These আজকাল বিষয়গুলি একটু আলাদা। জটিল তথ্য সংগ্রহের সিস্টেমগুলি প্রতিটি সেক্টরের সংস্থাগুলি তাদের ব্যবসা, ক্লায়েন্ট এবং ভবিষ্যতের সম্ভাবনা সম্পর্কে আরও জানতে সক্ষম করে। তবে অনেকটা গোপন চিত্রের মতোই, এখনও তথ্যের মধ্যে থেকে গুরুত্বপূর্ণ সত্যগুলি খুঁজে পেতে লোকের প্রয়োজন হয়।

আমরা কীভাবে প্রতিদিন ডেটা সায়েন্স ব্যবহার করি এবং ডেটা বিজ্ঞানী, ইঞ্জিনিয়ার বা বিশ্লেষক হিসাবে আপনাকে সফল হতে হবে এমন প্রয়োজনীয় দক্ষতা এখানে রয়েছে।

ডেটা সায়েন্স সব জায়গায়

অর্থ ও প্রযুক্তি শিল্পের বাইরে ডেটা বিজ্ঞানীদের পক্ষে সম্ভাবনা প্রসারণযোগ্য। "আজকের বাজারে প্রতিযোগিতা ও উন্নতির জন্য ডেটা সায়েন্স দক্ষতা অপরিহার্য হয়ে উঠেছে এমন সমস্ত সেক্টরে ক্রমবর্ধমান উপলব্ধি হয়েছে, " ব্যক্তি ও ব্যবসায়ের সাথে কাজ করে এমন একটি ডেটা সায়েন্স দক্ষতা প্রশিক্ষণ সংস্থা মেটিসের ডেটা সায়েন্স কর্পোরেট ট্রেনিংয়ের নির্বাহী পরিচালক মাইকেল গ্যালভিন বলেছেন ।

কুকিজ সম্পর্কে চিন্তা করুন। না, আপনি দুধে ডুবিয়ে রাখেন না - শক্তিশালী ডেটা সংগ্রহের সরঞ্জাম যা উপাত্ত বিশ্লেষক, বিজ্ঞানী এবং ইঞ্জিনিয়ারদের ভোক্তাদের ওয়েব অভ্যাস সম্পর্কে শিখতে সাহায্য করে এবং সেই "আশেপাশে কীভাবে জানত I-just-सोच ছিল -তাদের ?! ”বিজ্ঞাপনগুলি আমরা ফেসবুকে দেখিয়েছি। তাদের লক্ষ্য? ভোক্তার আগ্রহ এবং আচরণের মূল্যায়ন করতে এবং কী কী ব্যবসায়িক সিদ্ধান্ত নিতে সহায়তা করতে সেই বিশ্লেষণগুলি ব্যবহার করে all সমস্ত সেক্টর জুড়ে সংস্থাগুলি।

“মূলধারায় ডেটা বিজ্ঞানের বিস্তৃত সচেতনতা রয়েছে। গ্যালভিন বলেছেন যে অ্যামাজন কেনা থেকে নেটফ্লিক্স দ্বীপ পর্যন্ত সমস্ত কিছুকে প্রভাবিত করে, ডেটা সায়েন্স আগের তুলনায় আরও বেশি লোককে স্পর্শ করছে।

আপনি কিভাবে ফিট

ডেটা সায়েন্সের ক্ষেত্রগুলির বৃদ্ধির সাথে সাথে ডেটা সায়েন্টিস্ট, ডেটা অ্যানালিস্ট এবং মডেলারের ভূমিকাগুলির মধ্যে একটি বর্ধিত ওভারল্যাপ হয়েছে।

তবে লেকিসনেক্সিস ঝুঁকি সমাধানের প্রযুক্তি ও এইচপিসিসি সিস্টেমের ভাইস প্রেসিডেন্ট ডঃ ফ্ল্যাভিও ভ্যালানুস্ট্রের মতে, বিভিন্ন পদের মধ্যে পার্থক্যটি আসলেই একদম অনন্য - এবং নির্দিষ্ট ক্ষেত্রে প্রতিভাধর ব্যক্তিদের জন্য সুযোগগুলি উপস্থাপন করে।

"ডেটা বিশ্লেষকরা traditionতিহ্যগতভাবে ডেটা ম্যানিপুলেশন কৌশলগুলিতে বিশেষীকরণ করেন, যার জন্য ক্যোয়ারী ভাষা থেকে শুরু করে গ্রাফিকাল ডেটা মডেল পর্যন্ত সমস্ত কিছুর প্রশিক্ষণ প্রয়োজন, " ভিলেনুস্ট্রে বলেছেন। "ইতিমধ্যে মডেলাররা পারস্পরিক সম্পর্ক এবং নিদর্শনগুলির জন্য সংখ্যার ডেটা বিশ্লেষণ করেন।"

যখন তথ্য বিজ্ঞানের বিষয়টি আসে, ভিলানুস্ট্রে ব্যাখ্যা করেন যে আদর্শ প্রার্থীদের ডোমেন এবং ব্যবসায়িক জ্ঞানের সাথে মিশ্রিত এই দুই ধরণের দক্ষতার একটি সুপারকেট প্রদর্শন করা উচিত। "ডেটা বিজ্ঞানীরা সাধারণত প্রোগ্রামিং কৌশল সম্পর্কে ডেটা বিশ্লেষক এবং আরও পরিশীলিত কৌশল ব্যবহার করে ডেটা বিশ্লেষণ পদ্ধতি সম্পর্কে পরিসংখ্যানগত মডেলারের তুলনায় বিস্তৃত জ্ঞানের অধিকারী হন।"

এই পদগুলিতে আবেদন করার সময়, কোনও সংস্থা সত্যই কী কাজ সম্পাদন করতে দেখছে তা লক্ষ করা গুরুত্বপূর্ণ important

"ডেটা সায়েন্সের চারপাশের গুঞ্জনের ফলে অনেক সংস্থাগুলি ডেটা বিশ্লেষককে ডেটা অ্যানালিস্টের কাজ করার জন্য নিয়োগ দেয়, যিনি ডেটা ক্লিনিজিং এবং ডেটা প্রস্তুত করে এবং প্রকৃত ডেটা সায়েন্স করতে খুব কম সময় ব্যয় করেন, " নিক ক্র্যামার, ডেটা অ্যান্ড অ্যানালিটিক্সের সিনিয়র ডিরেক্টর ব্যাখ্যা করেছেন এসএসএ অ্যান্ড সংস্থা, একটি ব্যবস্থাপনা পরামর্শ সংস্থা, যা বড় ডেটা বিশ্লেষণকে সংস্থাগুলির ক্রিয়াকলাপে রূপান্তর করতে বিশেষজ্ঞ।

নতুন সরঞ্জামগুলি অল্প বিশ্লেষণী মডেলগুলি নিম্ন দক্ষতার স্তরযুক্ত তাদের তৈরি করার অনুমতি দিচ্ছে, তাই বৈচিত্র্যময়, ব্যবসায়িক জ্ঞান এবং কার্যকর যোগাযোগ দক্ষতার মতো সম্পর্কিত দক্ষতা চাকরিপ্রার্থীদের আলাদা করার জন্য গুরুত্বপূর্ণ। সাক্ষাত্কার দেওয়ার সময়, কোনও সংস্থা ঠিক কী চাইছে সে বিষয়ে প্রশ্ন করতে নিশ্চিত হন - তারপরে আপনার শক্তি প্রদর্শন করুন।

আমাদের অফিস

নিউ ইয়র্ক লাইফ টেকনোলজিতে ওপেন জব দেখুন

আপনি সফল হতে হবে

গাছের জন্য বন না দেখে পুরানো প্রবাদটি ডেটা বিজ্ঞানী, বিশ্লেষক বা ইঞ্জিনিয়ার হিসাবে কাজ করার সময় মনে রাখা গুরুত্বপূর্ণ জিনিস। মূল তথ্যের যথার্থতা যদিও গুরুত্বপূর্ণ, তেমনি কোনও সংস্থার যে সমস্যা সমাধানের আশা করছেন তার চিত্রকে স্বীকৃতি দেওয়াও।

গ্যালভিন সতর্ক করে বলেছেন, "তথ্য বিজ্ঞানীদের মধ্যে বিষয়গুলিকে অতিরিক্তভাবে জটিল করে তোলার এবং বিশদগুলির একটি কালো গর্তের মধ্যে চুষে ফেলার প্রবণতা রয়েছে।" "পরিবর্তে, তারা যে ব্যবসায়ের সমস্যাটি সমাধান করার চেষ্টা করছেন, কিছু কাজ করার, এবং তারপরে পুনরাবৃত্তি করার চেষ্টা করছেন সে সম্পর্কে তাদের চিন্তা করা উচিত।"

তদুপরি, আপনি যে কাজটি করছেন - যেমনটি যে কোনও কাজের ক্ষেত্রে সত্য in তার প্রতি আগ্রহও জরুরী।

“সংস্থাগুলি বিভিন্ন সমস্যায় বিভিন্ন ধরণের ডেটা (যেমন চিত্র, পাঠ্য এবং আর্থিক ডেটা) নিয়ে কাজ করে। সাফল্যের জন্য আপনার যে ধরণের ডেটা নিয়ে কাজ করা উচিত তা সম্পর্কে আগ্রহী হওয়া এবং বুঝতে হবে, "গ্যালভিন বলেছেন। “উদাহরণস্বরূপ, মেডিকেল ইমেজগুলির সাথে কাজ করা ডেটা বিজ্ঞানীরা সাধারণত চিকিত্সকই নন, তবে তাদের শেষ ব্যবহারকারী বা ক্লায়েন্ট চিকিৎসক হবেন। তারা বুঝতে পারে যে তারা কোন সমস্যার সমাধানের চেষ্টা করছে? আপনি কি এই সমস্যাগুলি সমাধান করতে আগ্রহী? "

এবং তারপর যোগাযোগ আছে। এটি বলা হয়ে থাকে যে ডেটা বিজ্ঞানী, বিশ্লেষক এবং ইঞ্জিনিয়াররা তাদের নিজস্ব ভাষায় কথা বলছেন, তবে কোনও কর্মক্ষেত্রে সফল হওয়ার জন্য আপনার স্পষ্ট যোগাযোগ করতে সক্ষম হওয়া উচিত যারা আপনার দক্ষতা থেকে সর্বাধিক কাজে লাগাবেন এবং উপকৃত হবেন।

"ব্যবসায়ের অংশীদারদের সাথে সহযোগিতা করা ক্রমবর্ধমান গুরুত্বপূর্ণ, " ক্রামার বলেছিলেন।

ডেটা সায়েন্স এবং এর সাথে সম্পর্কিত ক্যারিয়ারগুলি ১৯60০ এর দশক থেকে যখন নাসার নতুন কম্পিউটার মেশিনগুলির কাজটি পুনরুদ্ধার এবং যাচাই করার জন্য মানব কম্পিউটারের প্রয়োজন হয়েছিল তখন অনেক দীর্ঘ পথ চলেছে। তবে কীভাবে ডেটা আমাদের জীবনযাপন, কাজ এবং ব্যবসা করতে পারে তার বিষয়ে আগ্রহী উজ্জ্বল মন এখনও এখনও যথারীতি অপরিহার্য the ইনপুট এবং ফলাফল উভয়ের ব্যাখ্যা দেওয়ার জন্য কোনও মানব বিশেষজ্ঞ না থাকলে ডেটা সায়েন্সকে বন্যভাবে অপব্যবহার করা যায়, বা কেবল সরল বিভ্রান্তিকর হতে পারে।