Bu makale, Rosana de Oliveira Gomes (Omdena’da Kıdemli Makine Öğrenimi Mühendisi) ve Joseph Itopa A ( Omdena’da Junior Makine Öğrenimi Mühendisi) tarafından yazılmıştır.
Yeni bir kariyere geçmek, kalkışa geçmiş bir uçağa binmek gibi gelebilir. Veri bilimi mesleği nispeten yeni; bu da pek çok veri bilimci ve makine öğrenimi mühendisinin kariyerine bu yoldan başlamadığı anlamına geliyor. Bizim gibi başka alanlardan geçiş yaptılar ve belki siz de öylesiniz. O hâlde veri bilimine geçiş için hangi araç ve becerilere ihtiyacınız olduğundan bahsedelim—karşılaşabileceğiniz zorlukları vurgulayacak ve bunların üstesinden nasıl geleceğinize dair pratik öneriler vereceğiz.
Veri bilimine geçişte teknik zorlukların üstesinden nasıl gelinir
1. Matematik ve programlama bilgilerinizi tazeleyin
Veri bilimi, herhangi bir fen bilimleri derecesi için gerekenlerin ötesinde ileri düzey matematik bilgisi gerektirmez. Ancak her yapay zekâ algoritması, anlamanız gereken bir matematiksel yapıya dayanır. Bu genellikle lineer cebir ve kalkülüsün bazı kavramlarını içerir. Sonuçları yorumlamak için istatistiksel analiz yapmanız gerekir; bu da olasılık ve istatistik bilgisi gerektirir.
Matematik kavramları sağlarken, programlama dilleri bu kavramları somutlaştıran araçlardır. Bu da öğrenmek için bir programlama dili seçmeniz gerektiği anlamına gelir; bu alanda genellikle Python veya R olur ve muhtemelen SQL ile Bash ile desteklenir. Veri bilimcilerin kullandığı programlama yazılımlarına dair bir KDnuggets anketi, Python’ın tercih edilen araç olarak R’ı geçtiğini ortaya koyuyor.
Ancak programlama dili seçimi esasen eldeki göreve ve üslup tercihlerine bağlıdır. Programlama deneyimi olan biri için Python öğrenmesi kolaydır ve veri bilimi ile makine öğrenimi gibi alanlar dâhil pek çok sektörde yaygın kullanılır. İstatistik geçmişiniz varsa ve ağırlıklı olarak analiz yapacaksanız R de iyi bir seçimdir. Ayrıca raporlar aracılığıyla sonuçları aktarmak için yerleşik araç ve kütüphanelere sahiptir. Tavsiyemiz, tek bir dilde kalmanız ve temelleri bitirdikten sonra bir şeyler inşa etmeye başlamanızdır.
Deneyimlerimize dayanarak şunu öğrendik: Veri bilimi için gerekli becerileri edinmek istiyorsanız, aynı anda yalnızca bir öğrenme sağlayıcısını seçin ve ona bağlı kalın. Yapabileceğiniz en kötü şey, aynı şeyleri tekrar tekrar öğrenmeye devam etmektir.
2. Bir problem çözücü olun
Veri biliminin bilimini, yaratıcı ve mantıksal düşünmeyle sorun çözme yeteneği olarak görebilirsiniz. Bu, pratik yaparak edinilen algoritma bilgisi ve programlama bilgisi gerektirir.
Programlamaya dair bazı temel bilgileri edindikten sonra, kurslar veya platformlar aracılığıyla pratik yaparak gerçek dünya sorunlarını çözmeye başlayabilirsiniz. GeeksforGeeks, yarışmacı kodlama, Python, JAVA ve SQL için uygulamalı projeler sunar. Bazı Kaggle yarışma problemlerini çözmek de problem çözme becerilerinizi artırabilir; zira pratik yapmak için gerçek dünya verilerini kolayca kullanabilir ve toplulukta bolca yardım bulabilirsiniz. DataCamp’in yönlendirmesiz projeleri, ucu açık projelere kendi çözümlerinizi bulmanın harika bir yoludur.
Bu başarıların sizde keyif uyandırması, veri bilimi kariyerini sürdürmeniz açısından önemlidir. Omdena’nın yakın tarihli bir webinarında veri bilimi etkileyicisi Eric Weber şunları söyledi: “Sadece gelire göre optimize etmeyin; size neyin neşe getirdiğine göre optimize edin; aksi halde hızlıca tükenebilirsiniz.”
3. İşbirlikçi projelere katılın
Bazı algoritmalarla çalışıp birkaç projede pratik yaptıktan sonra daha ileri düzey projelere hazır olacaksınız. İşte burada işbirlikçi platformlar devreye girer. İşbirlikçi veri bilimi programları, projeleri çeşitli ve verimli şekilde geliştirmek için topluluklara dayanır. Sokak kodlamasının o pürüzlü ama eğlenceli ruhu en iyi işbirlikçi projelerde bulunur. Başkalarından öğrenirken onlar da sizden öğrenecek. Yapılandırılmamış ve dağınık verilerle boğuşurken arkadaşlar edineceksiniz—benzeri yok.
İlham verici işbirlikçi girişimler arasında Data Kind, Science to data science ve Data Science for Social Good yer alır. Bu seçenekler çoğunlukla konuma özeldir ve sınırlı kontenjan ile kapsamlı başvuru süreçleri nedeniyle maliyetli veya rekabetçi olabilir.
İşbirlikçi projelere alternatif olarak, ayda birkaç proje başlatan ve çevrimiçi işbirliği yoluyla gerçek dünya problemlerini çözmek için gönüllülük ilkesini uygulayan Omdena vardır. Öğrenenler, onları webinarlar, kurslar, kitaplar ve blog yazılarıyla motive edecek alan uzmanlarıyla birlikte çalışırlar.
Veri bilimi kariyerine geçişte teknik olmayan zorlukların üstesinden nasıl gelinir
1. Organizasyon ve zaman yönetimi becerileri
Kariyer değiştirmek bir projedir. Stratejik bir plan, zaman çizelgesi ve belirli (ve gerçekçi) kilometre taşları gerektirir. Kendinize şu soruları sorun:
- Neden veri bilimci olmak istiyorum ve hangi konulara tutkuyla bağlıyım?
- İşimden ayrılıp ihtiyaç duyduğum becerileri öğrenmek için zaman mı ayıracağım, yoksa mevcut işimle paralel bir geçiş mi yapacağım?
- Nelerde iyiyim? Zayıf yönlerim neler?
- Kariyer değiştirmek için ne kadar zaman ve para harcamaya hazırım?
- Yeni kariyer yolu için edinmem gereken yeni beceri ve nitelikler neler?
- Öğrenme tarzım nedir?
Bunları dürüstçe yanıtladıktan sonra bir plana ihtiyacınız var. Sonuçta size uyan yöntemi bulmalısınız. Yapabileceklerinizden bazıları şunlar:
- Haftalık bir planı yazdırın ve duvarınıza asın.
- Günlük programınızı Google Takvim’de organize edin.
- Planınızda neyin işe yaradığını ve neyin yeniden ayarlanması gerektiğini belirleyin. Belki bir kurs için ne kadar zamana ihtiyacınız olduğunu hafife aldınız ya da seçtiğiniz öğrenme kaynağı düşündüğünüz gibi çıkmadı.
- Stratejinizi değiştirmekten çekinmeyin. Çevrimiçi forumlara gidin ve daha iyi bir kaynak arayın. Ya da zaman yönetimi üzerine bazı makaleler okuyun ve SMART hedefler koymanın yollarını inceleyin.
- Yapılacaklar listenizdeki görevleri işaretlemeye devam edin. Bu ivme, yeni bir şey öğrenmenin o ilk hayal kırıklığı döneminden sizi çıkaracaktır.
2. Daha iyi bir iletişimci olun
Veri bilimi için gerekli bir diğer beceri de iletişimdir. Bir veri bilimci, yığınlarca veriyi karar vericiler ve paydaşlar için uygulanabilir içgörülere dönüştürür. Ancak iletişim kurmanız gerekecek kişilerin hepsi veri bilimci ya da STEM geçmişine sahip olmayacaktır. İçedönükseniz, topluluk önünde konuşmaktan veya sürekli iletişimden pek heyecan duymayabilirsiniz. Veri biliminde iletişim, yalnızca iyi bir konuşmacı olmak değil, şu alışkanlık ve becerileri de geliştirmektir:
- Uzman olmayanlara karmaşık kavramları iyi açıklamak.
- Kod ve analizleri belgelendirerek, diğer ekip üyelerinin gelecekte yaptıklarınızdan (ya da gelecekteki kendinizin) faydalanabilmesini sağlamak.
- Kariyer yolunuzda yaptığınız her şeyi yazmayı alışkanlık hâline getirerek iyi bir yazar olmak.
Dokümantasyon güçtür; yazın ve yazmaya devam edin. Çok yakın gelecekte, özgeçmişinize yazdığınız becerileri göstermeniz gerekecek ve bunları güzelce belgelenmiş kod depoları (örneğin GitHub’da), blog yazılarıyla ve çalışmalarınız hakkında düzenlediğiniz webinarlar veya konuşmalarla destekleyebilirsiniz. Ne kadar erken başlarsanız, o kadar hızlı ilerlersiniz.
3. Sahtekâr sendromuyla mücadeleye hazırlıklı olun
Pek çok kariyer geçişinin ortak bir zorluğu sahtekâr sendromudur. Yerleşik bir kariyere sahipken birdenbire acemi olmak hiç kolay değildir. Bu noktada her şey bakış açısına bağlı: Kendinizi motive edin ve öğreneceğiniz tüm yeni şeyler için heyecan duyun! Omdena, bir veri bilimcisi olarak sahtekâr sendromunun nasıl aşılacağına dair bir webinar düzenledi; bu da kapatmanız gereken beceri farkını bilmek ve önceki kariyerinizden zaten öğrendiğiniz becerileri belirlemeyi içeriyor.
4. Ağınızı oluşturun
İş ararken ağ kurmak tuhaf olmak zorunda değil. Hatta istatistiklere göre iş fırsatlarının çoğu, başvurulardan değil kişinin kendi ağından gelir (referanslar için buraya ve buraya bakın). Ağ kurarken aslında yalnızca sizinle benzer ilgi alanlarına sahip kişilerle bağlantı kurar, veri bilimi konularındaki görüşlerini alır ve kariyerlerine bir göz atarsınız. Bu kişiler gelecekteki çalışma arkadaşlarınız olabilir. Olabilecek en kötü şey yanıt alamamaktır—kaybedecek neyiniz var?
Ağ kurmanın en kolay yollarından biri, bilgi paylaşma, deneyimli uygulayıcılarla çalışma, farklı rollerdeki kişilerden içgörüler edinme ve iş fırsatları bulma imkânı sunan işbirlikçi projelerdir.
Bir diğer iyi yol da şu veri bilimi otoritelerini takip etmektir:
İlginç bulduğunuz herkesle iletişime geçin—beğendiğiniz bir podcastin konuşmacısı, çevrimiçi bir kurstaki eğitmeniniz ya da yazılarını keyifle okuduğunuz bir blog yazarı. Altın kural şu: Ortaya çıkın ve soru sorun. Geri bildirim almanın en iyi yolu budur.
Joseph şu anda Mühendislikten, Rosana ise Astrofizikten veri bilimine geçiş yapıyor. Onlarla iletişime geçin ve bu sohbeti LinkedIn’de sürdürün: Joseph ve Rosana.
