Giriş
2012 yılında, Harvard Business Review veri bilimcileri 21. yüzyılın en çekici mesleği olarak nitelendirdi. On yıl sonra, AutoML platformlarının (ör. AWS Redshift ML ve Google Cloud AutoML) ortaya çıkmasına ve pandemi dönemindeki yavaşlamalara rağmen, veri bilimci hâlâ en çok aranan roller arasında. Nitekim, teknoloji sektöründe en yüksek maaşlı rol olarak yer almakta ve yıllık ortalama 150.000 $ maaş ile öne çıkmaktadır.
Spesifik sorumlulukları sektörden sektöre ve şirketten şirkete değişebilse de, çoğu veri bilimcisinin ortak misyonu, kuruluşların veriden değer üretmesine yardımcı olmaktır. Bunu, büyük miktarda verideki örüntüleri ve eğilimleri keşfederek, sonuçlarını geniş bir paydaş kitlesine aktararak ve otomatik karar vermeyi mümkün kılacak modelleri oluşturarak ve sürdürerek yaparlar. Bu nedenle, veri bilimci olmak; istatistik, kodlama, iş bilgisi ve iletişimi kapsayan benzersiz ve çeşitli bir beceri seti gerektirir—ki bunların tümü bir dizi mülakat sorusu ve evde çalışma göreviyle gösterilmelidir.
Bu blog yazısıyla, hem başvuran hem de mülakat yapan kişi perspektifinden birkaç ipucu paylaşarak, bir veri bilimci mülakatında öne çıkmanıza ve hayalinizdeki teklifi almanıza yardımcı olmak istiyoruz.
İpucu #1: Rol ve Şirketle Yakından Tanışın
Yukarıda belirtildiği gibi, “veri bilimci” veri etrafında dönen çeşitli rolleri ifade edebilen muğlak bir terimdir. Farklı şirketlerden veya sektörlerden iki veri bilimci, kendilerini tamamen farklı türde görevlerle meşgul bulabilir. Bu nedenle, iş tanımındaki sorumluluklar bölümünü dikkatle okumak veya mülakatçıya “Bu rolde tipik bir gün nasıl geçer? Zamanın çoğu veri keşfi ve görselleştirmeye mi yoksa model kurmaya mı harcanır?” diye sormak önemlidir. Bu role dair öğrendiğiniz somut bilgiler ne kadar fazlaysa, o kadar hızlı bir şekilde profiliniz ve ilgi alanlarınızla uyumunu anlarsınız. Bu da size daha uygun pozisyonları hedeflemenize ve gerçekten istediğiniz işe girme şansınızı artırmanıza yardımcı olur.
Kişisel markanızı geliştirme ve profil eşleşmesini iyileştirme konusunda indeed ve linkedin gibi kariyer sitelerinde faydalı ipuçları bulabilirsiniz. Veri bilimi ve analitiğe özel kariyer tavsiyesi arıyorsanız, Datacamp’in kariyer hizmetleri oldukça yardımcı olabilir - burada bu alanda uzman kariyer koçlarından kişiselleştirilmiş seanslar bulabilirsiniz.
Sizin için doğru rolü belirledikten sonra, bir sonraki adım şirkete işlerine olan tutkunuzu göstermektir. Bu, veri bilimciliğe yeni başlayanlar veya sektör değiştirmek isteyenler için biraz zor olabilir; çünkü başvurduğunuz sektördeki iş sorularını çözme konusunda çok fazla deneyiminiz olmayabilir.
Bizce gerçekten faydalı olan bir yöntem, hedef sektörlerle ilgili projeler üzerinde çalışmak ve bunlardan özgeçmişte ve mülakat süreçlerinde bahsetmektir. Örneğin, finans alanında hiç eğitim almamış olsanız da bir yatırım bankasında veri bilimci rolüne başvurmak istiyorsanız, DataCamp’teki ABD Tahvil Getirilerinin Oynaklığını Modelleme gibi rehberli bir projede çalışmak, finansta çalışan bir veri bilimcisinin çözmesi beklenen iş sorularının türlerini öğrenmenize yardımcı olabilir.
Kaggle da çok sayıda ilginç yarışma ve veri kümesi bulabileceğiniz iyi bir platformdur. Bu projeler üzerinde çalışıp mülakatlarda bunlardan bahsederek, yalnızca o sektöre dair temel bilgi birikimi edinmekle kalmaz, aynı zamanda boş zamanınızı onların kullanım senaryolarını keşfetmeye ayıracak kadar işlerine ilgili olduğunuzu da gösterirsiniz.
İpucu #2: Evde Çalışma Görevlerinde Teknik Uzmanlığınızı Parlatın
Genellikle, veri bilimcileri için işe alım sürecinde adaylara bir veya birden çok veri kümesinin ve çözülmesi gereken birkaç iş sorusunun verildiği bir evde çalışma görevi bulunur. Teslim gereksinimleri farklılık gösterebilse de, adayların genellikle kodu, modelleri ve analiz çıktısını paylaşması beklenir.
Pek çok aday bunu teknik becerilerini sergilemek için harika bir fırsat olarak görür. R ve Python temel veri bilimi dilleridir ve her birinin veri düzenleme, istatistiksel modelleme ve makine öğrenimi için vazgeçilmez paketleri vardır; örneğin Python için pandas, sklearn ve statsmodels; R içinse tidyr, dplyr ve caret. Veri bilimine yeniyseniz, DataCamp’teki şu kariyer yolu kurslarından birkaçını almanız önerilir: Python ile Veri Bilimci ve R ile Veri Bilimci. Geniş bir kurs yelpazesine ek olarak, Datacamp ayrıca öğrenme-yapma arasındaki boşluğu kapatmak için önceden yazılmış kod şablonları ve önceden yapılandırılmış veri kümeleriyle pratik yapabileceğiniz bir çalışma alanı sunar.
Bazen hafife alınan bir nokta da veriyle hikâye anlatımıdır. İyi veri bilimcileri, model çıktılarını paydaşları ikna edecek kadar iyi aktarabilen etkili hikâye anlatıcılarıdır; böylece gerçek değişimleri tetiklerler. Atasözünün dediği gibi, “bir resim bin kelimeye bedeldir”. Bu nedenle, analiz raporunuza sezgisel veri görselleştirmeleri ekleyerek mülakatçıların verideki örüntüleri nasıl ortaya çıkardığınızı ve modelinizin nasıl değer yaratabileceğini anlamasına yardımcı olun. Matplotlib (Python), seaborn (Python) ve ggplot2 (R) gibi yaygın paketlere ek olarak, web tabanlı, etkileşimli bir pano oluşturmak isterseniz plotly denemeye değerdir. DataCamp’teki şu kurs faydalı olabilir: Python’da Plotly ile Veri Görselleştirmeye Giriş.
Alternatif olarak, Tableau, Power BI ve Google Data Studio gibi kodsuz BI araçlarını da deneyebilirsiniz. Bu araçlar size iki avantaj sağlar. Bir yandan, veri analistleri ve ürün yöneticileri gibi teknik olmayan çoğu paydaşın kullandığı popüler görselleştirme araçlarıdır. Dolayısıyla, bu araçlara hâkim olmanız, şirketin kullandığı veri analitiği yığınlarına kolayca entegre olabileceğinizi gösterir. Öte yandan, Python veya R paketlerinden daha fazla özelleştirme sunarlar; bu da slayt tarzında, etkileşimli bir analiz raporunu kolayca oluşturmanıza imkân tanır. Bu araçlara yeniyseniz, DataCamp’teki şu kurs iyi bir başlangıç noktasıdır: Tableau’ya Giriş.
Son olarak ve en az bunlar kadar önemli olan, kodunuzu nasıl teslim ettiğinizdir. Aksi belirtilmedikçe, çözümünüzü Git üzerinde inşa etmek ve tüm bağımlılıkları kodunuza eksiksiz dâhil etmek her zaman iyi bir fikirdir. Mülakatçıların bir zip dosyası alıp kodu çalıştırmaya çalıştıklarında “XYZ paketi bulunamadı” gibi hata mesajları görmekten daha fazla hayal kırıklığı yaratan pek bir şey yoktur. Aynı zamanda, insanların düşünce akışınızı kolayca takip edebilmesini sağlayacak temiz ve düzgün bir dokümantasyonla kodunuzu sunmayı unutmayın.
İpucu #3: Önceki Proje Deneyiminizi Paylaşırken Veri Ürünü Yaşam Döngüsünü Akılda Tutun
Çoğu zaman, veri bilimi işine başvuran adaylardan önceki proje deneyimlerini paylaşmaları beklenir. Yaygın bir hata, fazla zamanı teknik çabalara ayırmaktır; örneğin veriyi nasıl temizlediklerini ve (hiper) parametreleri nasıl ince ayar yaptıklarını anlatmak. Bu, mülakatçıları tam olarak anlamayabilecekleri bilgilerle bunaltmanıza yol açabilir ve aynı zamanda sınırlı sürelerini, iş sezginizi ve paydaş yönetimi becerilerinizi keşfetmekten alıkoyar.
Bu nedenle, önceki projelerinizle ilgili mülakat sorusuna hazırlanırken, yanıtınızın STAR çerçevesini izlemesine ve veri ürünü yaşam döngüsünün tüm aşamalarını kapsamasına dikkat edin; bu alanların tümünde doğrudan yer almamış olsanız bile:
- İş hedefleri ve soruları: Projeniz hangi iş problemlerini çözmeyi amaçlıyor? Projeniz hangi hedef(ler)e veya KPI’lara katkıda bulunuyor?
- Veri toplama: Verileri toplarken hangi zorluklarla karşılaştınız ve bunları nasıl aştınız?
- Keşifsel veri analizi: Analiz sonucunuzu teknik olmayan paydaşlara nasıl sundunuz? Onlar hangi soruları veya eleştirileri getirdi ve siz bunlara nasıl yanıt verdiniz?
- Modelleme ve mantık: Sonunda uyguladığınız modeli(leri) neden seçtiniz (hem teknik hem teknik olmayan motivasyonları tartışın)? Yaklaşımınızın temel sınırlamaları nelerdir?
- Test ve canlıya alma: Model(ler)i nasıl test ettiniz ve devreye aldınız?
- İzleme: Model performansını değerlendirmek için hangi metrikleri seçtiniz? Ne öğrendiniz ve bu öğrenimler doğrultusunda modeli nasıl geliştirdiniz?
Ayrıca, sürece dâhil olan farklı rolleri (ör. ürün yöneticileri, veri analistleri, veri mühendisleri, QA’lar ve iş operasyon yöneticileri), sorumluluklarını ve onlarla nasıl etkileşim kurduğunuzu vurgulamayı unutmayın. Bunu duyduklarında, mülakatçılarınız hem iş sezginizden hem de ekip çalışmanızdan etkilenecektir.
Sonuç
Bu blog yazısında, veri bilimcilere yönelik talepteki son büyümeye baktık. Ardından, teknik ve teknik olmayan veri bilimci mülakat sorularını aşmanıza yardımcı olabilecek birkaç ipucunu tartıştık. Gelecekte bir veri bilimci işi hedefliyorsanız, bu ipuçlarını denemek veya akredite bir veri bilimi kursuyla başlayarak hayalinizdeki teklife giden yolu inşa etmek ilginizi çekebilir.
