درود دوستان عزیز، با سپاس از پیوستن به این کانال

در کانال "فراتر از الگوریتم" هر روز درباره این موارد خواهم نوشت:

✅ مسیر شغلی علم داده (دیتاساینس) برای تازه‌کارها و حرفه‌ای‌ها،
✅ مهارت‌های نرم لازم برای موفقیت در این حرفه،
✅ تغییر مسیر شغلی به علم داده
✅ نکات مدیریتی فنی و کسب و کار در حوزه علم داده

با پیوستن دوستان دیگر و رسیدن به ۱۰۰ عضو، شروع به انتشار روزانه نکات، تجارت، و آموزه‌ها خواهم کرد. لطفا دیگران را هم به کانال دعوت کنید.

ارادتمند - دکتر علیرضا دهقانی
مدیر برنامه‌ی تکنولوژی در حوزه هوش مصنوعی و علم داده، و میزبان پادکست آدمهای معمولی @ordmenpodcast

با درود و سپاس از دوستانی که تاکنون به کانال پیوستید. تا قبل از ۱۰۰ نفری شدن‌مون و شروع به انتشار محتوا (که به زودی خواهد بود)‌ از شما دعوت می‌کنم اولین ویدیوی تولید و منتشر شده در کانال یوتیوب انگلیسی‌مون رو مشاهده کنید.

ویدیو درباره تفاوت بین انتظارات و واقعیت در مسیر شغلی دیتاساینس هست. کانال رو هم برای ویدیوهای بعدی سابسکرایب کنید خوبه.
ارادتمند - علیرضا

https://www.youtube.com/watch?v=SB2hsOILLGQ&t=2s

@beyondalgorithms

🔹دوستانی که هنوز به این پول پاسخ ندادن ممنون میشم مشارکت کنند

🔹 دوستانی هم پاسخشون موارد دیگر بوده خوشحال میشم در کامنت پول بنویسید در چه موردی جای می‌گیرید.

به ۱۰۰ نفر رسیدیم، سپاس از دوستانی که عضو شدید. از فردا انتشار محتوا رو شروع می‌کنیم.
ارادتمند - علیرضا

درود دوستان عزیز

انشالله از پنج‌شنبه اول تیرماه کانال رو به طور رسمی شروع می‌کنم و هر طور طبق برنامه پست منتشر می‌کنم.

برای امروز، اگه با پادکست آدمهای معمولی که من میزبانش هستم آشنا باشید، چند تا اپیزودش که با دوستان فعال در حوزه دیتا (دیتایاسنتیست، مهندس دیتا، و غیره) صحبت کردم که حرف‌های خوبی از مسیر شغلی و مهاجرت شغلی‌شون زدند. اونا رو اینجا معرفی می‌کنم که اگه دوست داشتید ببینیدشون:

۱- اپیزود هشتم علی محمدی - دیتاساینتیست در استرالیا. مسیر علی از رشته برق به دیتاساینس و مهاجرت خیلی الهام‌بخش هست.

۲- اپیزود دوازدهم پویان جمشیدی - استاد دانشگاه کارولینای جنوبی. این اپیزود برای کسانی که دنبال مسیر آکادمیک هستن خیلی خوبه.

۳- اپیزود هجدهم حسام کرکی - مهندس داده در لوکزامبورگ. مسیر ناموفق اپلای تحصیلی حسام به آمریکا (نیومدن ویزا) و بعد چطور یه مهاجرت تمیز و موفق کاری داشتن خیلی عالیه.

۴- اپیزود نوزدهم سعید حاجی - مدیر پروژه‌های هوش مصنوعی در ایرلند. صحبت‌های سعید خیلی عالی تلاش برای پیدا کردن و علاقه و رسالت در مسیر شغلی رو مطرح می‌کنه.

۵- اپیزود بیست و دوم محسن کامرانی - متخصص دواپس در استرالیا. اگه به دواپس علاقه دارید این اپیزود رو حتما ببینید.

۶- اپیزود بیست و سوم مهسا رضایی - کارآفرینی که از برق و دیتاساینس به کارآفرینی اجتماعی رسیدند. شاگرد اول دانشگاه شیراز با معدل ۲۰ باشی اما به جای دکتری برق و این چیزا از کارآفرینی اجتماعی سر در بیاری و ازش لذت ببری خیلی درس‌ها رو به ما می‌ده.

۷- اپیزود سی و سوم لیلا قايدی - دیتاساینتیست در آمریکا. قصه لیلا در این اپیزود خیلی الهام‌بخشه و اگه در مسیر شغلی دیتاساینس هستید خیلی براتون می‌تونه مفید باشه.

۸- اپیزود سی و هفتم حمیده ایرج - که از مهندسی صنایع به دیتاساینس و کوانتوم‌کامپیوتینگ در استرالیا رسیدند. گشتن و تلاش حمیده خیلی الهام‌بخشه و حتما پیشنهاد میدم اپیزودش رو ببینید.

۹- اپیزود سی و هشتم علی میری - که اهل درس نبودند اما یه مهندس فروش موفق در آلمان هستند. اگه با درس و رشته‌تون ارتباط برقرار نمی‌کنید اپیزود علی خیلی عالیه براتون. برای خود من یکی از بهترین اپیزودها بود اپیزود علی.

اپیزودهای دیگه هم پر از درس و تجربه هستند اگه دوست داشتید ببینیدشون.

دوستان گرامی علاقه‌مند به حوزه دیتا

در اولین پست کانال بیایید به این موضوع بپردازیم که مسیر شغلی دیتا، حتی وقتی در موضوع خاصی در این حوزه مثل مهندسی داده یا دیتا ساینس و غیره ریز می‌شید، برای همه یکسان نیست.

پارامترهای مختلفی سبب می‌شه که این مسیر شغلی برای افراد مختلف متفاوت بشه و حتی برای یک نفر هم اگه مسیرش رو دوباره شروع کنه ممکنه شکل دیگری به خودش بگیره. علت این تفاوت عواملیه که در شکل گرفتن مسیر شغلی در حوزه داده موثر هستند. بیایید نگاهی بهشون بندازیم.

۱- بکگراند تحصیلی: ملت از رشته‌های مختلفی شامل مهندسی و علوم کامپیوتر، آمار و ریاضی (و رشته‌های دیگر علوم)، اقتصاد، و حتی فیلدهایی مثل بیولوژی و حتی علوم انسانی ممکنه وارد حوزه دیتا بشن ... این تفاوت بکگراند باعث میشه نگاهشون به حل مسيله متفاوت باشه و همچنین کمک می‌کنه بتونن خودشون رو در جای متفاوتی از این صنعت جا بندازن ... که البته به این غنی‌تر شدن، همه‌گیری، و کابردی‌تر شدن علوم داده در صنعت و زندگی روزمره ما کمک زیادی کرده.

۲- مهارت و تخصص: مهارت و تخصص‌هایی که هر فرد داره اون رو سمت یه بخش از این مسیر شغلی می‌کشونه ... این که شما ماشین لرنینگ خوب بدونید ... یا کارهای آماری رو بهتر بتونید انجام بدید ... یا در ویژالایز کردن داده‌ها دستتون بهتر باشه ... و یا حتی با ابزارهای سر و سامان دادن به داده‌ها بتونید بهتر کار کنید شما رو در مسیر متفاوتی قرار می‌ده. نکته مهم: یادتون نره مهم نیست کجای این صنعت باشید (دیتاساینتیست یا دینا آنالیست یا مهندسی داده یا مدیر هر کدام از این بخش‌ها ...)، چیزی که مهمه اینه که بهش علاقه داشته باشید و در اون مهارت بالایی کسب کنید. بنابراین اینا بالا و پایین نداره و مقدمه و موخره همدیگه نیستند اگرچه ربط‌هایی به هم دارن.

۳- تجربه قبلی: تجربه قبلی می‌تونه مسیر شغلی شما رو به طور کل عوض کنه ... مثلا اگه تجربه بودن در صنعت سلامت رو داشته باشید و با داده‌هایی از اون جنس کار کرده باشید این برای شما فرصت‌های شغلی بیشتری در اون صنعت ایجاد می‌کنه ... البته داشتن دانش در صنعت خاص همیشه مورد بحث بوده که آیا لازمه یا نه و آیا کمک به پیشرفت شغلی می‌کنه که پاسخش بله هست و اگر وارد صنعت خاصی در حوزه داده شدید کسب دانش تخصصی اون حوزه می‌تونه به رشدتون به عنوان فعال حوزه داده در اون صنعت کمک چشمگیری بکنه.

۴- علایق شخصی: این می‌تونه جهت شما رو در مسیر شغلی‌تون تغییر جدی بده ... این که مثلا به موضوعات تئوری در این حوزه بیشتر علاقه دارید، ... یا دوست دارید بیشتر کار عملی بکنید، ... یا حتی مدیریت فنی در این حوزه رو بیشتر دوست داشته باشید شما رو به جاهای مختلفی می‌بره.

همونطوری که در بخش مهارت نوشتم، بخش بهتر یا بدتری در مسیرهای شغلی حوزه داده نداریم ... همه چیز به خود شما، علاقه‌تون، و چیزی که در اون می‌تونید بهتر باشید بستگی داره. آخر سر مهم اینه که از کاری که می‌کنید خوشحال باشید چون این هم سبب رشدتون می‌شه و هم زندگی رو برای شما دلپذیر‌تر می‌کنه.

Join at @beyondalgorithms

من اگه پست‌های طولانی‌تر رو در ایمیل دست‌تون برسونم می‌تونیم بیشتر و بهتر بنویسم ... کلی لینک به متن اضافه کنم (در تلگرام هم میشه اما سخت‌تره دیگه) و خلاصه پر بازده‌تر خواهد بود ...
اینجا هم می‌تونم کلی پست‌های casual تر براتون بنویسم ...
لذت می‌برید چقدر دموکراسی داریم اینجا ... 😍

درود و روز بخیر
جالبه که از بین ۳۰ رای، ۶۰ درصدتون می‌خواید همه چیز اینجا باشه و با ایمیل راحت نیستید ... این با مسیر شغلی دیتا همخوانی نداره چون اونجا بسیار کامیونیکیشن و خصوصا ارتباط ایمیلی مهم هست ... در پست‌ها به اهمیتش می‌پردازم.
پس فعلا همینجا ادامه می‌دیم اما امیدوارم که خداوند شما رو به راه راست هدایت کنه 😃😇🥸

دیتا آنالیست و دیتا ساینتیست
مقایسه بین دو موقعیت شغلی دیتا آنالیست و دیتا ساینتیست و چه کسانی بهتره مسیر شغلی دیتا آنالیست رو انتخاب کنند

این دو موقعیت شغلی از مهم‌ترین موقعیت‌های فضای کاری دیتا هستند ... با این حال یه سری تفاوت‌های ریزی دارن که از جنبه‌های زیر مقایسه‌شون می‌کنیم.

۱- مهارت:
🔹از دیتا آنالیست‌ها انتظار میره که درک عمیق‌تری از آمار توصیفی، اصول ریاضیات و زبان SQL داشته باشند. اونا باید با ابزارهایی مثل اکسل، گوگل‌شیت، تبلو، مایکرواستراتژی و پاور بی‌آی هم آشنایی داشته باشند.
🔸در حالیکه دیتاساینتیست‌ها باید درک بیشتری از آمار پیشرفته، جبر خطی، حساب دیفرانسیل و انتگرال، و زبان‌های برنامه‌نویسی مثل پایتون و آر داشته باشند. اونها همچنین باید با آر استودیو، ژوپیتر نوت‌بوک، گوگل کو لب، و مبانی مرور کد هم آشنا باشند.

۲- تسک‌ها:
🔹دیتا آنالیست‌ها بیشتر کارشون ساختن چیزهای ملموس مثل دشبورد یا گزارش از روی داده‌ها هست تا بتونن برای افراد درگیر و سهیم در پروژه اینسایت ایجاد کنن …
🔸در حالیکه دیتا ساینتیست‌ها تمرکز پژوهش-محوری دارن و مدل‌های آماری و مبتنی بر یادگیری ماشینی از داده‌ها توسعه میدن. با اینکه این در حوزه داده کار و تسک خیلی مهمیه اما مثل کارهایی که دیتا آنالیست‌ها انجام می‌دن خروجیش خیلی ملموس و به چشم دیدنی نیست.

۳- ارتقاء شغلی:
🔹مسیر ارتقاء شغلی برای دیتا آنالیست‌ها مشخص‌تر و از پیش تعیین شده‌تر هست.
🔸در حالیکه برای دیتا ساینتیست‌ها به دلیل عدم رویه استاندارد، مسیر شغلی کمی مبهم‌تر هست و ارتقاء شغلی برای فعالان این حوزه سخت‌تر و با با ابهام بیشتری روبرو هست.


اما موقعیت شغلی دیتا آنالیست ممکنه به دلایل زیر برای بعضی افراد مسیر شغلی مناسب‌تری باشه:

۱- سادگی ورود: ورود به مسیر شغلی دیتا آنالیست نسبت به دیتا ساینتیست ساده‌تر هست و موانع کمتری بر سر راهش هست. در حالیکه برای ورود به دیتا ساینتیست اغلب فوق‌لیسانس و گاهی حتی دکتری نیاز هست، برای دیتا آنالیست‌ها مدرک لیسانس، بعضی وقت‌ها یک سرتیفیکیت دوره آنلاین، و یا حتی کسی که یه سری خودآموزی کرده و یه سری پروژه انجام داده هم می‌تونه کفایت کنه.

۲- خروجی محسوس: اگه روحیات‌تون جوریه که دوست خروجی کارتون محسوس باشه و بتونید ببینیدش و اینطوری بهتر با کارتون ارتباط برقرار می‌کنید دیتا آنالیست شدن احتمالا براتون انتخاب بهتری از دیتا ساینتیست شدن هست. همونطوری که در بخش قبل گفتیم اینجا شما خروجی‌هایی مثل دشبورد و گزارش و این چیزا درست می‌کنید.

۳- وظایف تعریف شده: چون در دیتا آنالیست وظایف تعریف شده‌تر هستند … این کار مصاحبه و ورود به این مسیر شغلی رو ساده‌تر می‌کنه و ارتقاء شغلی هم در اون ساده‌تر خواهد بود.

در پایان باید بگم، که اینطور نیست که این یکی بهتر باشه و اون یکی بدتر … انتخاب مسیر شغلی درست به علایق شما، اینکه به پژوهش بیشتر علاقه دارید یا تولید خروجی‌های مشخص و محسوس بستگی داره … پس اینطوری نیست که فکر کنید دیتا ساینتیست‌ها خیلی خفن‌تر از دیتا آنالیست‌ها هستند و حقوقشون ضرورتا بالاتره و دیتا آنالیست‌ها بعد از ارتقاء میشن دیتا ساینتیست‌ها …

درسته که دیتا ساینتیست‌ها یه ذره بیس حقوقی‌شون بالاتر هست اما شما ممکنه دیتا آنالیست خفن‌تر و چیره‌دست‌تری باشید، حقوق بیشتری بگیرید، و براتون موقعیت‌های بیشتری باشه اما یه نفر دیگه نه صرفا یه دیتا ساینتیست معمولی باشه … پس سعی کنید با شناختن خودتون مسیر درست رو انتخاب کنید و توی اون خبره بشید …

میزان حقوق و موقعیت شغلی در هر دوی اینها هم به کشور، صنعتی که بهش وارد می‌شید، اندازه شرکت، و تجربه‌ها و مهارت‌های فردی بستگی داره. همچنین با این که حقوق برای ما ایرانی‌ها خصوصاً یکی از مهمترین معیارها برای انتخاب موقعیت شغلی هست اما نباید این تنها میعار شما برای انتخاب باشه و باید به مواردی مثل میزان رضایت شغلی، علاقه به کاری که انجام می‌دید، فضا برای یادگیری و رشد، و همچنین تعادل بین کار و زندگی هم توجه داشته باشید. بعضی وقت‌ها یه شغل با حقوق کمتر ممکنه به در نظر گرفتن این پارامترها موقعیت شغلی بهتری از آب در بیاد.

Join @beyondalgorithms

دوستان این #کانال_جدید رو هم شروع کردم که به زودی محتوا منتشر می‌کنم. اگه براتون مفید هست لطفا بپیوندید. دوستان رو هم دعوت کنید لطفا. سپاس

https://t.me/SoloEdVentures

خوب یه خبر خوب داریم و یه خبر ناخوب (برای دوستان عاشق تلگرام و ضد ایمیل) ...
خبر خوب اینه که برای امروز مقاله ورود به مسیر شغلی دیتاساینس رو نوشتم که کاربردی و مفیده (خصوصا برای تازه‌کارها و کسانی که دارن شیفت شغلی می‌دن) ...
اما خبر ناخوب اینه که، همونطوری که در تصویر می‌بینید شده ۱۲۰۰ کلمه ... تازه هنوزم هست که بهش اضافه کنم) معنیش اینه که با پست در تلگرام با این جور محتوا کارمون نمیشه

پس تا ساعت ۱۶ ایران که پست رو منتشر می‌کنم وقت دارید عضو خبرنامه ایمیلی بشید تا مقاله رو دریافت کنید
https://beyondalgorithms.substack.com/

Join @beyondalgorithms