در پاسخ به سوال علم داده یا data science چیست؟ باید گفت علم داده یا data science دانشی میان رشته‌ای (شامل الگو شناسی، مهندسی داده، علوم کامپیوتر، ریاضیات، آمار و …) در حوزه داده و اطلاعات است. که متخصصین داده با انجام مجموعه فعالیت‌هایی از جمله جمع‌آوری، نگاشت، آماده‌سازی، بصری‌سازی و تحلیل‌اطلاعات در حجم بسیار بالا منجربه استخراج الگوها و پاسخ‌های معنادار از انبوه داده‌ها می‌شود. در مقاله “علم داده یا data science چیست؟” به صورت جامع و کامل به برسی این علم جدید که سبب تحولات گسترده‌ای در زندگی ما شده است می‌پردازیم.

منشاء پیدایش علم داده یا Data Science

علم داده یا data science از علوم جدید و نو ظهور در یک دهه اخیر است. جالب است بدانید که ویلیام کلیولند (william s. cleveland) اولین کسی بود که در سال ۲۰۰۱ اصطلاح علم داده را مطرح کرد. طبق تعریف او علم داده برنامه‌ای برای گسترش و تعمیم جنبه‌های فنی در رشته‌های مربوط به آمار است؛ که از آن پس علم داده یا data science به عنوان یک رشته مستقل شناخته شده و ارتباط تنگاتنگی با داده کاوی، علوم کامپیوتر و آمار دارد. ویلیام کلیولند باور داشت از آنجاکه مهندسین کامپیوتر شناخت محدودی از روش‌های کار با داده دارند، از طرفی متخصصین آمار نیز دانش محاسباتی کمی دارند. لذا تلفیق و ترکیب این دو گروه می‌توانست نوآوری‌های زیادی را منجر شود. براساس این عقیده دپارتمان‌های علم داده می‌بایست شامل اساتیدی باشد که قادر به تلفیق دانش محاسبات با دانش داده‌ها باشند.

در ایران هم پژوهش‌های اولیه مربوط به علم داده یا data science در دانشکده مدیریت دانشگاه تهران به انجام رسید؛ که هم‌اکنون مرکز پژوهشی مدیریت داده‌های دانشگاه تهران به شکل کاملاً تخصصی این موضوع را دنبال می‌کند.

مزایای علم داده یا data science چیست؟

مزیت اصلی علم داده ساده سازی فرایندهای تصمیم گیری است، علاوه بر آن می‌توان زمان جمع‌آوری و آماده‌سازی داده‌ها در راستای تحلیل و تصویرسازی و همچنین نگهداری و مدیریت آنها را به حد چشمگیری کاهش داد و نتایج بهتری دریافت کرد. در حال حاضر، بسیاری از کسب‌وکارها برای حل مسائل، سیاست‌گذاری و انجام اقدام‌های پیشگیرانه، از علم داده کمک می‌گیرند. به عنوان مثال با توجه به انبوه اطلاعای در بانک‌ها تنها علم داده است که می‌تواند در تشخیص تقلب و خطاها در موسسات بانکی کمک کند. همچنین کسب‌وکارها جهت بهبود نرخ جذب مشتری، پیشنهاد بهترین مسیر، شناخت زمان مناسب برای تبلیغات و یا تعامل، تشخیص نوع حمل و نقل کالا و … استفاده می‌کنند. این علم محبوب از این طریق می‌تواند گردش و عملکرد کسب‌وکارها را ارتقا دهد.

متخصص علم داده یا data scientist کیست و چه وظایفی بر عهده دارد؟

این شغل به عنوان یکی از بهترین و پردرآمدترین شغل‌های عصر حاضر شناخته می‌شود، که هدف اصلی آن کمک به سازمان‌ها و شرکت‌هایی است که با حجم انبوهی از داده‌های بزرگ سروکار دارند. سازمان‌ها با کمک متخصصین علم داده می‌توانند با انجام ارزیابی‌ها و تحلیل‌های مربوطه خدمات ارزنده و فوق‌العاده‌ای را به مشتریان خود ارائه دهند. که در سوددهی کلان شرکت‌ها کمک شایانی می‌کند. هنگام مواجهه سازمان‌ها با سیل عظیمی از داده‌ها این نیاز پیش می‌آید که بتوانند بر اساس این دیتاها و اطلاعات بزرگ استراتژی خود را ارتقا دهند. دراین شرایط متخصص علم داده باید بتوانند این حجم انبوهی از اطلاعات را مورد ارزیابی دقیقی قرار دهد تا از این طریق بتوانند فاکتورهای متفاوتی از رفتارهای مشتریان و کسب‌وکار را استخراج نمایند. این دقیقا همان کاری است که یک دانشمند داده ملزم به انجام آن است.

وظایف یک متخصص داده

به زبانی ساده روند کار یک مهندس داده به این ترتیب است که به Big Data متصل می‌شود و پس از دریافت داده‌ها به کمک برنامه‌های کامپیوتری به تجزیه و تحلیل داده‌ها می‌پردازد و خروجی کار اطلاعات قابل درک و فهم خواهد بود. یکی دیگر از کارهای مهندس داده این است که برای دسترسی و استفاده تمامی کاربران با هر سطح دانشی، از طریق مصور سازی داده‌ها، اینفوگرافیک و نمودارهایی را ترسیم نماید. در ادامه برخی دیگر از مهمترین وظایف یک متخصص داده آورده شده است:

1. انجام مقایسه‌های آماری مربوط به مدل‌های ریاضی مختلف و انتخاب یک مدل برتر از میان آنها
2. ایجاد مدل‌های ریاضی به کمک داده‌ها نظیر مدل‌های رگرسیون و طبقه بندی
3. مصور سازی داده‌ها برای درک و فهم هر چه بیشتر آنها
4. ضمانت پایداری مجموعه داده‌ها
5. ادغام و ترکیب منابع داده با همدیگر
6. به اشتراک گذاشتن دیدگاه‌ها و یافته‌ها در زمینه داده
7. مدیریت و کنترل حجم انبوهی از اطلاعات
8. توانایی تفسیر و استخراج منابع داده

ورود به دنیای علم داده و data science

در ایران چند سالی است که اهمیت علم داده بیش از پیش مورد توجه قرار گرفته است و بسیاری از سازمان‌ها و شرکت‌ها در پی استخدام مهندس داده هستند تا بتوانند از راه درک و فهم دیتاها، استراتژی‌های مربوط به فکسب‌وکار خود را بهبود ببخشند. شاید از خود پرسیده باشید که راهکارهای متخصص شدن در علم داده یا data science چیست یا به عبارتی برای دیتاساینتیست شدن چه مهارت‌هایی نیاز است؟ اگر شما نیز جزو آن دسته از عزیزانی هستید که علاقه‌مند به داده هستید، صادقانه باید گفت که راه دور و درازی را در پیش دارید! به این منظور که شما می‌بایست برای این شغل پردرآمد مهارت‌های ویژه ای را کسب نمایید.

با توجه به تعاریفی که در طول این مقاله خدمت شما ارائه دادیم احتمالاً متوجه شده‌اید که یکی از پیش نیازهای لازم این است که در زمینه فناوری اطلاعات و کامپیوتر دانش لازم و کافی را داشته باشید؛ اما این مسئله به تنهایی کافی نیست! بلکه باید شما ذهن کنجکاو و آموزش پذیری داشته باشید که در این مسیر بتوانید مکرر مهارت‌های جدید را بیاموزید. علاوه بر آن شما می‌بایست اهل تفکر و مطالعه باشید تا بتوانید به درستی ارتباط را بین اجزای مختلف دیتاها برقرار کنید. از دیگر پیش نیازهای این مسیر تمرکز فوق العاده بالا و داشتن روحیه ای خلاق و خستگی ناپذیر است. در ادامه برخی از مهارت‌های تخصصی برای ورود به دنیای علم داده را با شما بررسی می‌کنیم

مسیر راه برای ورود به دنیای علم داده و متخصص داده شدن

برای ورود به دنیای علم داده شما نیاز به داشتن یک سری مهارت‌های شخصی و فردی هستید که در بخش قبلی به آن اشاره کردیم، اما شما علاوه بر مهارت‌های فردی نیاز به کسب مهارت‌های تخصصی ویژه‌ای هستید که در ادامه به بررسی این ویژگی‌ها خواهیم پرداخت. تا پس از گذراندن این مسیر شما تبدیل به یک متخصص داده شوید. با توجه به سرعت بالای تغییرات در حوزه فناوری و اطلاعات گام اصلی و اساسی ورود به دنیای علم داده یادگیری مداوم است.

شرط اصلی یادگیری زبان برنامه نویسی است

برای ورود به دنیای علم داده نیاز به یادگیری زیان‌های برنامه‌نویسی است. از بین این زبان‌ها برنامه‌نویسی مهمترین و پرکاربردی‌ترین زبان در حوزه علم داده پایتون و R است. شمار زیادی از دانشمندان داده از زبان برنامه‌نویسی R برای حل مسائل آماری بهره می‌جویند. بنابراین می‌توان گفت علاوه بر آشنایی کامل با زبان برنامه‌نویسی R یکی دیگر از شروط ورود به دنیای دانشمندان داده این است که با زبان برنامه نویسی پایتون و کتابخانه هوش مصنوعی پایتون نیز آشنایی داشته باشند. عمده ترین کاربرد زبان پایتون مربوط به پیاده سازی و حل مسائل داده کاوی می‌گردد.

آشنایی با پایگاه‌داده‌ها مناسب برای data science

فرایند داده کاوی روی انواع مختلفی از داده‌ها اعم از داده‌های ساختار یافته، داده‌های ساختار نیافته، داده‌های پیشرفته و داده‌های تراکنشی اانجام می‌شود. این موضوع ایجاب می‌کند که برای تحلیل داده‌های مذکور، دانشمند داده با انواع دیتابیس‌های رابطه و غیر رابطه‌ای (nosql و sql) آشنایی داشته باشد. تا بتوانید عملیات و فرایندهای مورد نیاز همچون استخراج داده از پایگاه داده، حذف یا افزودن و … در حداقل‌ترین زمان ممکن انجام دهید و به اطلاعات مطلوب دست یابید.

توانایی کار با با داده های بدون ساختار از شروط اصلی است

کار با داده های بدون ساختار به مراتب دشوار تر و پیچیده تر خواهد بود. یکی از شرایط دانشمند داده این است که توانایی کار با داده های بدون ساختار را داشته باشد چرا که این دیتا ها در جداول پایگاه داده قرار نمی گیرند. حجم داده های فاقد ساختار سنگین تر و دسته بندی و مرتب سازی آنها کار سختی است. یکی از وظایف مهندس داده این است که در این داده ها اطلاعات موجود را کشف کند و سازمانها و شرکتهای هدف را در راستای تصمیم گیری درست یاری دهد.

یادگیری هوش مصنوعی و ماشین لرنینگ

یادگیری الگوریتم‌ها و مفاهیم یادگیری ماشین برای ورود به دنیای علم داده بسیار ضروری است. به همین خاطر یکی از مسائل ضروری برای تبدیل شدن به یک دانشمند داده این است که فنون و مفاهیم این حوزه مانند رکسیون لجستیک، درخت تصمیم گیری و یادگیری ماشین را به شکل صحیح فرا بگیرید. شما نیاز خواهید داشت که با به کارگیری الگوریتم‌های مرتبط و متدها و روش‌های یادگیری ماشین آنها را با مسئله خود تطابق دهید. تا بتوانید پس از استخراج صحیح داده‌ها نتیجه و خروجی آن را در اختیار شرکتها و سازمانها قرار دهید.

توانایی بصری سازی و تصویر سازی داده‌ها جهت ارائه

یکی دیگر از موارد مهم این است که دیتاساینتیست با نمودارها و کاربردهای مختص به هر یک آشنایی کامل داشته باشد. ضمن این که بتواند آنها را به نحوی ترجمه و تفسیر کند که برای تمامی کاربران در هر سطحی درک آسانی داشته باشد. یک دانشمند داده با برخورداری از سطح بالایی از درک و آگاهی باید قدرت تشخیص این مسئله را داشته باشد. که برای حل یک موضوع کدام ابزار و راهکار بصری سازی مناسب تر خواهد بود و ما را سریعتر به نتیجه خواهد رساند.

نتیجه گیری و سخن پایانی

چکیده کلام اینکه علم داده به عنوان یکی از مباحث روز دنیا شناخته شده است که اساس آن بر پایه فناوری اطلاعات و کامپیوتر است. به عبارت گویاتر می‌توان گفت که علوم مرتبط به این حوزه از نظر زیر ساختی به علم کامپیوتر متکی است. سطح جذابیت علم داده و فراگیری آن به حدی است که امروزه در اغلب دانشگاه‌های دنیا برای تدریس آن دوره‌های تخصصی در نظر گرفته شده. علاوه بر آن پژوهش‌های علمی که در این زمینه به ثبت رسیده نیز به شکل کاملاً ملموس به‌صورت روزافزون در حال افزایش است.

دوستان گرامی و همراهان همیشگی دعوت می کنیم که سایر مقالات مرتبط وب سایت لیموناد را مطالعه کنید در ضمن اینکه لینک صفحات را با دوستان و آشنایان خود به اشتراک بگذارید.