1 मिलियन लोगों को डेटा साइंस सिखाने से हमने क्या सीखा

करके सीखें डेटा साइंस

DataCamp का लक्ष्य डेटा साइंस के लिए सर्वश्रेष्ठ लर्निंग प्लेटफ़ॉर्म बनाना है। हमारा सिद्धांत है कि आप करके डेटा साइंस सीखते हैं: हमारे उच्च-गुणवत्ता वाले वीडियो, ब्राउज़र में कोडिंग, और गेमीफिकेशन शिक्षार्थियों को उनके ब्राउज़र में ही रोचक सीखने का अनुभव देते हैं। साथ ही, हम अपने उत्पाद में डेटा-आधारित दृष्टिकोण अपनाना चाहते हैं और दुनिया के साथ डेटा साइंस सीखने पर अपनी अंतर्दृष्टियाँ साझा करना चाहते हैं। यह पोस्ट DataCamp के परदे के पीछे की झलक देगी और डेटा साइंस सीखने की प्रक्रिया पर कुछ अंतर्दृष्टियाँ साझा करेगी।  

गुणात्मक कोर्स निर्माण और मेंटेनेंस

कोर्स विषय

DataCamp की टीम हमेशा सबसे रोचक विषयों पर कोर्स बनाने की तलाश में रहती है, और इतने सारे नए विकास और रोमांचक विषयों के बीच एक विषय तय करना अक्सर आसान नहीं होता! इसी लिए हम इस प्रक्रिया को यथासंभव डेटा-आधारित रखने की कोशिश करते हैं: उद्योग में सबसे अधिक मांग वाले डेटा साइंस विषयों और प्रोग्रामिंग भाषाओं के नवीनतम रुझानों को देखने के अलावा, DataCamp अपने प्रशिक्षकों के नेटवर्क—जो उद्योग विशेषज्ञ और अकादमिक हैं—से भी संपर्क करता है, ताकि वे बताएं कि आगे पाठ्यक्रम में क्या होना चाहिए और ऐसा कोर्स कैसा दिखेगा।

लेकिन अंततः, DataCamp के केंद्र में शिक्षार्थी है और इसलिए हम अपने उपयोगकर्ताओं को भी कोर्स विषय चयन प्रक्रिया में सक्रिय रूप से शामिल करते हैं: हम उनसे साक्षात्कार करते हैं और सर्वे भरवाते हैं ताकि शिक्षार्थियों की जरूरतों का पता चले। यह डेटा फिर विशेषज्ञों की राय के साथ मिलाकर न केवल कोर्स का विषय तय करता है, बल्कि यह भी कि कोर्स में क्या-क्या शामिल होगा: इस तरह, शिक्षार्थी के लिए प्रासंगिक सारा सामग्री कोर्स में शामिल की जाती है।

इसके अतिरिक्त, हम साइट के सर्च बार में उपयोगकर्ताओं द्वारा भरे गए शब्द भी एकत्र करते हैं। R की मदद से इन शब्दों का आंतरिक रूप से विश्लेषण, रैंकिंग और विज़ुअलाइज़ेशन किया जाता है ताकि DataCamp की कोर्स डेवलपमेंट टीम आने वाले महीनों के पाठ्यक्रम की रूपरेखा तैयार करने के लिए इसे शुरुआती बिंदु के रूप में इस्तेमाल कर सके।

DataCamp की पूरी कोर्स लाइब्रेरी यहाँ देखें।

शिक्षार्थियों की कठिनाइयाँ और सतत कोर्स सुधार

बीटा परीक्षण

कोर्स लाइव होने से पहले, DataCamp उसे पहले एक छोटे समूह के उपयोगकर्ताओं को भेजता है और उनसे नोट्स लेने और खुले-समाप्ति वाले कई प्रश्नों वाले सर्वे के रूप में फ़ीडबैक देने को कहता है। इससे हम पूरे उपयोगकर्ता आधार को नया कोर्स लॉन्च होने की सूचना देने से पहले अंतिम सुधार कर पाते हैं।

हिंट्स और समाधान

कोर्स विषय तय करना और लॉन्च से पहले छोटे समूह से बीटा परीक्षण करवाना एक बात है, लेकिन जब कोर्स लाइव हो जाता है, तो DataCamp इस पर भी ध्यान देता है कि कोर्स के भीतर शिक्षार्थियों को कहाँ कठिनाइयाँ आ सकती हैं।

क्या आप जानते हैं, उदाहरण के लिए, कि जब भी आप किसी हिंट या समाधान की मांग करते हैं, यह डेटा DataCamp एकत्र करता है ताकि यह पता लगाया जा सके कि उपयोगकर्ताओं ने अभ्यासों के हिंट्स या समाधानों के लिए कितनी बार पूछा? यह डेटा और इससे मिलने वाली अंतर्दृष्टियाँ हमारे कोर्सों को बेहतर बनाने में इस्तेमाल की जाती हैं!

हम आँकड़ों को देखते हैं कि हमारे कोर्स कहाँ सुधारे जा सकते हैं: जब भी बहुत अधिक हिंट्स या समाधान माँगे जाते हैं, हम आसानी से समस्या का पता लगा सकते हैं और सुनिश्चित कर सकते हैं कि अभ्यास बेहतर हों। इन्हें कैसे सुधारा जाए, यह हमें उपयोगकर्ताओं से मिले फ़ीडबैक से पता चलता है: उदाहरण के लिए, Kaggle कोर्स में एक अभ्यास कई उपयोगकर्ताओं के लिए मुश्किल था, जहाँ उनसे R में एक निर्णय वृक्ष बनवाने की अपेक्षा थी। शुरू में, अभ्यास निर्देशों में केवल एक बहुत सामान्य उदाहरण था कि निर्णय वृक्ष कैसे बनना चाहिए, जिसके परिणामस्वरूप उस अभ्यास के लिए हिंट्स और समाधानों की माँग का प्रतिशत बहुत ऊँचा था। उपयोगकर्ताओं के फ़ीडबैक के साथ, DataCamp टीम ने निर्देश सूची का विस्तार किया और प्रत्येक पैरामीटर कैसे परिभाषित होना चाहिए, यह समझाने के लिए तीन अतिरिक्त उप-बुलेट पॉइंट्स शामिल किए। ऐसा करने से उपयोगकर्ताओं से अपेक्षित कार्य अधिक स्पष्ट और व्यावहारिक हो गया, जिससे हिंट दर घटकर 15% रह गई, जो कठिनाई स्तर को देखते हुए कहीं अधिक उचित है। ऐसी ही अनुभूतियाँ और सुधार हमें भविष्य में DataCamp के डेटा साइंस पाठ्यक्रम में आने वाले कोर्स बनाने में मदद करते हैं।

एक और बात, हम देखते हैं कि कुछ कोर्स, जैसे “Introduction to R” स्पष्ट रूप से उपयोगकर्ताओं के लिए आँकड़ों वाले कोर्स जैसे “Intro to Statistics with R: Multiple Regression” की तुलना में कम समस्या पैदा करते हैं, क्योंकि उन पर कम हिंट्स और समाधान माँगे जाते हैं। इसका एक कारण यह है कि शुरुआती सामग्री बहुत व्यापक होती है, जबकि अधिक उन्नत कोर्स आपको स्वयं सामग्री खोजने की और भी आज़ादी देते हैं: DataCamp के कोर्स करते समय “करके सीखना” और भी स्पष्ट हो जाता है! कोर्स सुधार प्रक्रिया में “करके सीखना” और शिक्षार्थी को आवश्यक सहारा देने के बीच संतुलन बनाए रखना ज़रूरी है।

व्यक्तिगत फ़ीडबैक

हिंट्स और समाधानों के अलावा, आपने संक्षेप में उस व्यक्तिगत फ़ीडबैक फीचर के बारे में भी पढ़ा जो DataCamp अपने हर कोर्स की कोडिंग चुनौतियों के साथ प्रदान करता है। फ़ीडबैक इस तरह बना है कि आप पहले हिंट्स माँग सकते हैं और अंतिम उपाय के रूप में समाधान देख सकते हैं। बाद वाला विकल्प हतोत्साहित किया जाता है, क्योंकि समाधान देखने पर उपयोगकर्ताओं को मिलने वाले XP पर असर पड़ता है। यह छात्रों को अपने दम पर शुरू करने और यह अंतर्ज्ञान विकसित करने को प्रेरित करता है कि कार्य पूरा करने के लिए उन्हें क्या कोड करना चाहिए। एक अतिरिक्त लाभ यह है कि फ़ीडबैक संदेश इस तरह बनाए गए हैं कि उपयोगकर्ताओं को तुरंत अंदाज़ा हो जाए कि कोड में क्या ग़लत है, बजाय उन त्रुटि संदेशों को देखने के जो शुरुआत में समझ न आएँ। यह हमारे छात्रों को कोड की समझ विकसित करने के लिए प्रेरित करने का भी एक तरीका है, खासकर यह समझने में कि वे कहाँ ग़लत कर रहे हैं। अंततः, यह डेटा साइंस सीखने की प्रक्रिया को मजबूत करता है।

यह व्यक्तिगत फ़ीडबैक देना लागू करना आसान नहीं था: जब DataCamp ने शुरुआत की थी, फ़ीडबैक सिस्टम अभी शैशव अवस्था में था, जिसके कारण फ़ीडबैक बहुत सामान्य होता था। वर्षों में यह स्पष्ट हो गया कि हमारे उपयोगकर्ता अलग-अलग पृष्ठभूमियों और उद्देश्यों के साथ DataCamp पर आते हैं, जो एक व्यक्तिगत दृष्टिकोण की माँग करता है। परिणामस्वरूप, फ़ीडबैक सिस्टम में अत्यधिक सुधार हुआ है और यह हमारे उपयोगकर्ताओं से मिलने वाले इनपुट के चलते निरंतर बेहतर हो रहा है: कोर्स करते समय उपयोगकर्ताओं को आने वाली सारी समस्याएँ लॉग की जाती हैं और हमारे कोर्स तथा फ़ीडबैक सिस्टम के सतत सुधार में उपयोग होती हैं।

अभ्यास पर बिताया गया समय

प्रति कोर्स माँगे गए हिंट्स और समाधानों की संख्या ट्रैक करने के अलावा, DataCamp यह भी ट्रैक करता है कि शिक्षार्थी अभ्यासों से और अधिक सूक्ष्म स्तर पर कैसे गुज़रते हैं: हमारे छात्र किसी विशेष अभ्यास पर कितना समय बिताते हैं, इसे ट्रैक और विश्लेषित किया जाता है ताकि प्लेटफ़ॉर्म पर छात्रों के सीखने के अनुभव में समस्याएँ खोजी जा सकें। क्योंकि DataCamp यह सुनिश्चित करना चाहता है कि शिक्षार्थी स्वस्थ गति से सामग्री में प्रगति करें, इस जानकारी को भी DataCamp के कोर्सों की गुणवत्ता को लगातार बेहतर बनाने में शामिल किया जाता है।

कोर्स रेटिंग्स

अभ्यासों की कठिनाई और उन पर उपयोगकर्ताओं के समय को ट्रैक कर उस जानकारी का उपयोग हमारे कोर्स निर्माण प्रक्रिया को बेहतर बनाने के लिए करने के अलावा, DataCamp यह भी देखता है कि हमारे उपयोगकर्ताओं को कौन से कोर्स पसंद आ रहे हैं ताकि हम ऐसे नए कोर्स बना सकें जो उनकी रुचि बनाए रखें। जिन विषयों की हमारे उपयोगकर्ताओं में सामान्यतः कम लोकप्रियता है, वे आँकड़े, डेटा मैनिप्युलेशन और डेटा विज़ुअलाइज़ेशन हैं, जबकि दूसरी ओर, शुरुआती प्रोग्रामिंग कोर्स, मशीन लर्निंग, और प्रोजेक्ट्स/केस स्टडीज़ DataCamp उपयोगकर्ताओं के बीच अच्छा प्रदर्शन करते हैं।

ये रेटिंग्स, साथ ही हमारे उपयोगकर्ताओं द्वारा माँगे गए हिंट्स या समाधानों की संख्या, हमें इस बात का बहुत अच्छा अंदाज़ा देती हैं कि किन कोर्सों को अतिरिक्त ध्यान की ज़रूरत हो सकती है।

संरचना

एक प्रोफ़ेशनल के रूप में या अपने करियर की शुरुआत कर रहे किसी व्यक्ति के रूप में, समय सीमित और मूल्यवान होता है। इसलिए हमारे कोर्स वे पूर्व-आवश्यकताएँ सूचीबद्ध करते हैं जिन्हें शिक्षार्थियों को आदर्श रूप से पूरा कर लेना चाहिए जब वे कोई विशिष्ट कोर्स लेने पर विचार करते हैं। उदाहरण के लिए, DataCamp का Python Data Science Toolbox कोर्स लें:

पूर्व-आवश्यकताएँ स्पष्ट रूप से दी गई हैं ताकि उपयोगकर्ता जान सकें कि किसी कोर्स को शुरू करने से पहले उनसे किस ज्ञान और कौशल की अपेक्षा है।

इसके अलावा, DataCamp ने अपने कोर्सों को छोटे-छोटे अध्यायों और उससे भी छोटे हिस्सों में बाँटा है जिनमें वीडियो और फ़ीडबैक के साथ इंटरैक्टिव कोडिंग चुनौतियाँ बारी-बारी से आती हैं। ऐसी संरचना डेटा साइंस सीखते समय शिक्षार्थियों के लिए कारगर साबित हुई है—यह केवल इसलिए नहीं कि पाठ्यक्रम में विविधता है, बल्कि इसलिए भी कि शिक्षार्थियों को तेज़ी और स्वस्थ गति से प्रगति करनी चाहिए, जो छात्रों को सामग्री के साथ प्रेरित और संलग्न रखने के सर्वोत्तम तरीकों में से एक है: वे ड्रॉप आउट होने की संभावना कम रखते हैं और कोर्स जारी रखने के लिए अधिक इच्छुक होते हैं।

इंटरफ़ेस

डेटा साइंस सिखाते समय इंटरफ़ेस सबसे महत्वपूर्ण घटकों में से एक है: शुरुआत से ही, DataCamp ने ऐसा इंटरफ़ेस बनाया है जो सुनिश्चित करता है कि छात्र अपने ही ब्राउज़र में आराम से कोड कर सकें, बिना पहले RStudio या Python को लोकल रूप से इंस्टॉल किए। यह, वीडियो और व्यक्तिगत फ़ीडबैक के साथ मिलकर, शुरुआती लोगों के लिए बाधा को बहुत कम कर देता है और सीखने के अनुभव को कहीं अधिक सफल बनाता है।

हालाँकि, वर्षों में इंटरफ़ेस में कुछ बदलाव किए गए हैं ताकि यह शुरुआती संस्करण से कहीं अधिक इंटरैक्टिव हो जाए: वर्तमान इंटरफ़ेस में, शिक्षार्थी कोर्स में अधिक आसानी से नेविगेट कर सकते हैं, कोर्स में तकनीकी समस्याएँ मिलने पर सपोर्ट से संपर्क कर सकते हैं, और यह अधिक स्पष्ट है कि किसी विशेष अभ्यास को पूरा कर वे कितनी XP कमा सकते हैं।

Tracks

सभी डेटा साइंस शिक्षार्थी और शिक्षक जानते हैं कि गुणवत्ता, संलग्नता, सीखने की शैली आदि के अनुरूप डेटा साइंस का कोई (श्रृंखला) कोर्स खोजना चुनौतीपूर्ण हो सकता है। इस सबमें, अपने मूल लक्ष्य और सीखने के उद्देश्य से भटक जाना आसान है। विशेष रूप से, अधिकांश शिक्षार्थी प्रोफ़ेशनल होते हैं जो डेटा साइंस इंडस्ट्री में जाना चाहते हैं और इसलिए उनके विशिष्ट करियर लक्ष्य होते हैं। या वे पहले से डेटा साइंस इंडस्ट्री में काम कर रहे हैं लेकिन किसी विशेष डेटा साइंस विषय या कौशल में अधिक निपुण होने का तरीका ढूँढ़ रहे हैं।

इसीलिए DataCamp ने हाल ही में ट्रैक्स बनाए हैं, जो उन DataCamp कोर्सों के लिए एक संरचित दृष्टिकोण पेश करते हैं जिन्हें आप पहले से जानते होंगे: इस तरह, आप संरचित तरीके से अपने डेटा साइंस कौशल को मजबूत करने या उस करियर लक्ष्य की ओर काम करने पर ध्यान केंद्रित करेंगे जिसके बारे में आप हमेशा सपने देखते रहे हैं।

हमारी कोर्स निर्माण प्रक्रिया और DataCamp उपयोगकर्ताओं के बारे में आपने पहले जो पढ़ा, उससे जुड़ते हुए, आप देखेंगे कि ये ट्रैक्स डेटा साइंस शिक्षार्थियों को उन डेटा साइंस विषयों को अधिक लक्षित तरीके से संबोधित करने में भी मदद करते हैं जिन्हें वे कठिन पाते हैं, ताकि वे तेजी से सुधार कर सकें और सीखने की वक्र का सामना कर सकें।

सभी DataCamp ट्रैक्स पर एक नज़र डालें यहाँ।

डेली प्रैक्टिस

गुणवत्तापूर्ण कोर्स बनाकर और ऐसे ट्रैक्स डिज़ाइन कर जो हमारे उपयोगकर्ताओं को केंद्रित रखें, सीखने की वक्र का सामना करना एक बात है, लेकिन डेटा साइंस सीखना फिर भी काफी चुनौतीपूर्ण रहता है। DataCamp में, हम यह सुनिश्चित करना चाहते हैं कि हमारे उपयोगकर्ता हर दिन सीख सकें और, सच कहें तो, आपको हर दिन डेटा साइंस से जुड़ा रहना चाहिए (चाहे थोड़ा ही सही!)। एकमात्र समस्या जो शिक्षार्थियों को अक्सर होती है, वह यह कि जो ज्ञान वे अर्जित कर रहे हैं, उसके साथ बने रहना मुश्किल हो सकता है। इसलिए DataCamp दैनिक अभ्यास फीचर प्रदान करता है जो आपको इस पर नज़र रखने में मदद करता है कि आप पहले से क्या अच्छी तरह जानते हैं और किन कौशलों को आप ताज़ा करना चाहेंगे।   

सिस्टम काफी सरल है: जब आप प्रैक्टिस मोड में जाते हैं, तो आपको ऐसे चैलेंज मिलेंगे जो आपको उन कोर्सों में देखी गई सामग्री का अभ्यास करने में मदद करेंगे जिन्हें आपने पूरा किया है। ये चैलेंज दरअसल पाँच अभ्यास होते हैं अलग-अलग रूपों में (बहुविकल्पीय, भरें, …) जो आपको कोर्स सामग्री याद रखने में मदद करेंगे ताकि आप जो सीखे हैं उसे बेहतर बनाए रखें। जब आप ये पाँच चैलेंज सही हल कर लेते हैं, तो आपको 250 exp मिलते हैं। बेशक, आपको हर दिन अभ्यासों की अलग शृंखला मिलती है। आप डेली प्रैक्टिस मोड अपने डैशबोर्ड में ही पा सकते हैं!

निष्कर्ष

DataCamp डेटा साइंस सीखने और आकलन को नए सिरे से परिभाषित कर रहा है, और यह उन कई तरीकों में से सिर्फ एक है जिनसे हम डेटा साइंस शिक्षा पर शोध को नवीनतम तकनीकों और स्वयं डेटा साइंस के साथ जोड़कर अत्याधुनिक को आगे बढ़ा रहे हैं।

यदि आप डेटा साइंस शिक्षा में रुचि रखते हैं, तो आपको हमारे साथ डेटा साइंस सीखने के लिए सर्वश्रेष्ठ जगह बनाने में जुड़ना चाहिए! हमारे नौकरी के अवसर देखें।