با رشد تکنولوژی های Big Data نقش جدیدی در شرکت های بزرگ به نام دانشمند داده (Data Scientist) ایجاد شده است که در حقیقت نسخه ی جدیدی از نقش تحلیلگر داده یا تحلیلگر تجارت/بازار می باشد. چیزی که این نقش را با نقش های ذکر شده متفاوت می سازد، دانش و تیزهوشی تجاری برای گرفتن تصمیمات سخت و سریع و انتقال آنها به هر دو بخش روسای شرکت و رهبران IT است تا بتوانند بهترین راه را برای غلبه بر یک چالش تجاری بیابند. در حقیقت دانشمند داده با دسترسی به حجم زیادی داده، حس کنجکاوی و زیر سوال بردن پیش فرض های فکری سعی می کند تا مواردی را بیابد که برای سازمان مزیت رقابتی ایجاد کند. به طور خلاصه می توان گفت یک دانشمند داده شخصی است دارای اطلاعات کافی از هر دو رشته ی مهندسی کامپیوتر و آمار. البته در مورد مهارت های مورد نیاز برای یک مهندس داده در ادامه توضیح خواهم داد.
نقش دانشمند داده در سازمان به صورت «بخشی تحلیلگر، بخشی هنرمند» توصیف می شود تا جایی که Anjul Bhambhri، معاون بخش محصولات Big Data در شرکت IBM می گوید: «یک دانشمند داده شخصی کنجکاو است که می تواند به داده ها خیره شده و روندهای متشابه را کشف کند. او در حقیقت مانند یک انسان دوره ی رنسانس است که شدیدا می خواهد یاد بگیرد و تغییر ایجاد کند.»
مهارت های مورد نیاز برای یک دانشمند داده عبارتند از :
لازم به ذکر است، به دلیل پیچیدگی های هر یک از موارد ذکر شده و اینکه بیشتر این موارد دارای دکترای تخصصی خود می باشند، این امکان وجود ندارد که یک نفر در تمامی این موارد متخصص گردد و شما میبایست پس از آشنایی اولیه با هر کدام از این موارد تخصص مورد علاقه ی خود را پیدا کنید و آن را ادامه دهید و داشتن دید اولیه در سایر موارد کفایت می کند.
در ویدیوی زیر Pete Skomoroch ، دانشمند داده ی ارشد شرکت linkedin درباره ی علم داده و مهارت های مورد نیاز یک دانشمند داده صحبت می کند.
لینک از youtube هست.
لینک ویدیو : Pete Skomoroch of LinkedIn talks about data science
فارغ التحصیل مهندسی برق کنترل از دانشگاه آزاد اسلامی قزوین و فارغ التحصیل فوق لیسانس مدیریت فناوری اطلاعات - سیستم های اطلاعاتی دانشگاه آزاد واحد علوم و تحقیقات تهران در سال 1394 می باشد.
در دوره ی کارشناسی با داده کاوی و علم داده آشنا شد و حاصل آن پایان نامه ای در مقطع کارشناسی ارشد با عنوان "کاربرد داده کاوی و هوش مصنوعی در سیستم های مدیریت محتوا" بود.
علایق کاری وی: علم داده، برنامه نویسی به زبان های مختلف، تحلیل سیستم، مدیریت پروژه، تکنولوژی های نوین، دست و پنجه نرم کردن با چالش های جدید.
لینک نمونه کارهای انجام شده صابر فضلی احمدی مرتبط با Data Analytic - تحلیل داده :
Data Analytic - تحلیل داده > تحلیل توصیفی > داشبوردها
http://rayantabib.com/data_analytic/
آدرس ایمیل شخصی صابر فضلی احمدی :
info@rayantabib.com
لینک دانلود رزومه صابر فضلی احمدی :
http://saberfazliahmadi.ir/wp-content/uploads/2016/05/English-Resume-Saber-Fazli-Ahmadi.pdf
برای تبدیل شدن به یک دانشمند داده راهی که در پیش رو خواهید داشت در اینفوگرافی زیر به خوبی توضیح داده شده است.
در یک جست و جو ساده در گوگل با رشته ای از کلمات “چگونه به یک دانشمند علم داده تبدیل شویم” مواجه خواهید شد و هر کدام از این مطالب ابزارهای مختلفی را برای این کار برای شما نمایش می دهند در واقع گزینه های نامحدودی برای تبدیل شدن به دانشمند علم داده وجود دارد اما اجازه دهید این شغل را برای کسانی که مبتدی هستند و آشنایی کافی ندارند معرفی گردد.
ما یک اینفوگرافیک برای شما آماده کرده ایم تا گام به گام در هشت مرحله توضیح دهد که چگونه شما تبدیل به دانشمند علم داده می شوید. این راهنمایی تصویری برای همه علاقمندان به یادگیری علم داده درست شده است.
با ما همراه باشید: