Veri Bilimcisinin Hayatında Bir Gün: Ne yapıyorlar?

En sık sorulan sorulardan biri “ bir veri bilimcisinin hayatındaki bir günü” tanımlamaktır. Burada, bu kariyer seçiminin sizin için doğru olup olmadığı konusunda bilinçli bir karar vermenin nasıl göründüğüne dair hafif bir açıklama vermeye çalıştık.

Başlangıçta, çok net olalım. Bir veri bilimcisinin hayatında sadece bir günü karakterize etmek neredeyse imkansızdır . İş çok çeşitli ve meslek çok karmaşık olduğundan, tipik bir gün birçok faktöre bağlı olacaktır. Birincil faktörlerden biri, üzerinde çalıştığınız ve aylık veya üç ayda bir değişebilen veri projesinin türüdür. İkinci düşünce daha sistematiktir ve çalıştığınız organizasyonun türüne bağlıdır.

Oradaki yapı hiyerarşik ise deneyim farklı, ekip bazlı ise farklı olacaktır. Tipik bir günü etkileyen üçüncü parametre, ekip içindeki rolünüzdür. İster kıdemli, ister ast, ister ekibin tek veri bilimcisi olun, ya da bu tür diğer rol değerlendirmeleri tipik iş gününüzü etkiler.

Ancak hepsinin ortalamasını aldığınızda, bir veri bilimcisi için sıradan bir gün aşağıdaki gibi görünebilir. Bir veri bilimcisinin bir günde gerçekleştirdiği üç ana işlev vardır. Şaşırtıcı olmayan bir şekilde, zamanın çoğu kodlamaya gider. Denge zamanı, her ikisi de kabaca eşit olarak bölünmüş olan toplantılarda ve düşüncede geçer.

Burada düşünme, kişisel yansıma anlamına gelir ve grup-düşünmesini toplantı zamanına dahil edebiliriz. Bir günde bitirebileceğiniz hiçbir yerde proje olmadığını unutmamak gerekiyor. Bu nedenle, çoğu gün işiniz, önceki gün kaldığınız yerden devam eden tartışmalar, düşünceler veya mevcut proje üzerinde çalışma ile ilgili üçünden birini içerecektir. Bazılarını biraz daha ayrıntılı olarak tartışalım.

kodlama

Bir veri bilimcisi olarak, zamanınızın yaklaşık %70'ini almasını bekleyebilirsiniz. Hatta bunu aşabilir. Bir veri bilimcisinin birincil işinin kodlama olduğunu düşünürsek, bu şaşırtıcı değil. Her bilim insanı gibi, bir veri bilimcisi de çeşitli araçlara ve dillere sahiptir.

Daha tanıdık olanlardan bazıları Python, SQL ve Bash'dir. Bu nedenle kodlama, veri bilimcisi olmak istiyorsanız öğrenebileceğiniz tüm becerilerden en önemlisidir. İstatistikler ve İş Düşüncesi, diğer temel becerileri tamamlar, ancak kodlamanın önemi azalır. Mevcut veri bilimcisi araçları hakkında daha fazla bilgi edinin.

Bununla birlikte, kodlama çok geniş bir kelimedir ve kodlamaya giren bazı tipik görevleri öğrenmek için girişimlerde bulunmalıyız. Bunlardan bazıları aşağıdaki cümlelerde kısaca verilmiştir. Veri temizleme ve biçimlendirme , kodlamada belki de en zahmetli ve zaman alan iştir.

Size açıkladığımızda size mantıksız gelebilir ama yine de geçerli. Bu süreç, verileri projenin sonraki aşamalarında kodlayabileceğiniz tanınabilir bir biçime getirmeyi içerir. Bu bir satırda anlatılabilirken, bunu başarmak en zorlu süreçlerden biridir.

Veri temizleme ve biçimlendirmeyi tamamladığımızda, sonraki görev tipik olarak prototip oluşturmayı içerir. Verileri çeşitli analitik yöntemlerine ve makine öğrenimi yöntemlerine göre kontrol etmek için prototipleme yaparsınız.

Bu, hangi yöntemin en uygun olduğunu seçmenize yardımcı olur. Bu aşama çoğu zaman birçok veri bilimcisi tarafından zorlu olarak kabul edilir, ancak bunun aynı zamanda tüm dizinin en heyecan verici kısımlarından biri olduğunu ilk belirten onlar olacaktır. Bunun nedeni, bir cevherden değerli metal çıkarmak gibi, bu adımla ham verilerin değerli hale gelmesidir.

Bazı araçlardan daha önce bahsetmiştik ve her biri için uyumlu prototipleme yazılımı var. Burada karıştırıp eşleştirebilir ve belirli bir ortamda neyin işe yaradığını ve sizin için en rahat olanı görebilirsiniz. Bu aşamanın verilerin nihai bir çıkarımı için olmadığını unutmayın. Bunun yerine, neyin işe yarayıp neyin yaramadığını kontrol etmek istediğiniz nokta budur.

Aşağıdaki adımlar, projenin nihai amacına bağlı olarak değişebilir. Örneğin, ekibinizle veya kıdemlilerinizle bir toplantı için olabilir. Bu gibi durumlarda, verilerinizi görsel sunuma dönüştürmeniz ve bulguları raporlamanız gerekir. Bu şeylerin daha sonra sunumunuza girmesi gerekecek.

Öte yandan, iş arkadaşlarınızın gelecekte kullanabileceği bir raporsa, prototiplemeden sonraki asıl işiniz onu nasıl otomatikleştireceğiniz ve şirketteki herkes için erişilebilir hale getireceğiniz olmalıdır. Son olarak ve belki de en heyecan verici olanı, bir hizmete veya ürüne dönüştürülecek makine öğrenimi veya analizden sorumluysanız, işiniz uygulamayı bulmak olacaktır. Bu noktada geliştiriciler de size yardımcı olacaktır.

Okuyun: Hindistan'da Veri Bilimcisi Maaşı

Bu nedenle, kodlamada şimdiye kadar öğrendiklerimizi özetlemek gerekirse, ilk birkaç adım veri temizleme ve biçimlendirmeyi ve ardından prototip oluşturmayı içerir. Sonraki adımlar, birkaçını saymak gerekirse, veri görselleştirmeleri oluşturmayı, projeyi otomatikleştirmeyi, modellerinizi bir ürün veya hizmet olarak kullanmak üzere uygulamayı içerebilir.

Bu bölüme başka çeşitli faaliyetler de dahil edilebilirdi, ancak bunlar zaman zaman ortaya çıkıyor ve normal sürecin bir parçası değiller. Hata düzeltme, yeni paketler ve kitaplıklar hakkında öğreticiler ve önceden yazılmış komut dosyalarının bakımını içerirler. Veri bilimcisi olduğunuzda her zaman yapacak bir şey vardır.

Grupla Toplantı, Sunum, Konuşma ve Beyin Fırtınası

Kodlama zamanın yaklaşık %70'ini kapladığı için geriye %30'luk bir bakiye kalıyor. Dengede, toplam zamanın %15'i insanlarla tanışmak için harcanıyor. Bunlar resmi toplantılar, bire bir oturumlar, sunumlar, su soğutucusu üzerinde tartışmalar ve hatta grup sohbeti gibi farklı şekillerde olabilir.

Ekip üyelerinizle iletişim kurmak hayati derecede önemlidir çünkü tüm ekipte genellikle yalnızca bir veri bilimcisi bulunur ve onlar ne yaptığınızın tam olarak farkında değildir. Onları yanınıza almalısınız. Ancak bunu çok titiz göstermeyelim çünkü bunu yapmak onlarla daha fazla işbirliği yapmanızı sağlar. Büyük veri projelerinizde onlardan daha fazla yardım alabilir ve bu nedenle daha büyük bir etkiye sahip olabilirsiniz.

Bu nedenle, bir veri bilimcisi olarak doğal olarak içe dönük olsanız bile, iş arkadaşlarınızla uyum geliştirmeniz önemlidir. Ancak burada bir uyarı kelimesi gereklidir. Özellikle büyük şirketlerde gün boyu toplantı yapma alışkanlığı vardır. Bu, oturmayı ve konuşmayı ve gerçek kodlama yapmak için zamanın olmamasını içerir. Günün sonunda, sizi destekleyecek kimse olmadan işinizin biriktiğini göreceksiniz. Bu nedenle, iş arkadaşlarınızla iletişim halinde kalın, ancak ters etki yaratacak kadar aşırıya kaçmayın.

Bu sorunu yönetme şekliniz, kuruluşta ilerleme şansınız için çok önemli olabilir. Her şeyden önce, bir tahminde bulunmak için çalışma saatinizin %15'inden fazlasını bir toplantıda geçirmemeniz gerektiğini unutmayın. Bu kriteri göz önünde bulundurarak, başlangıçta takım arkadaşlarınızla ve yöneticinizle bir bağ geliştirin. Bundan sonra, onlarla oturun ve onlara işinizin ne anlama geldiğini açıklayın, böylece yalnızca işiniz için gerekli olan toplantılarda bulunmanız gerekir.

düşünme zamanı

Bu bazılarına saçma gelebilir, ancak günün en az %15'ini düşünerek geçirmek kesinlikle çok önemlidir. Veri bilimi çocuk oyuncağı değildir ve çok fazla zorlu çalışmayı içerir. Bu nedenle, gününüzü düşünmez ve planlamazsanız, ilerlemeniz neredeyse imkansızdır. En iyi istatistiksel modelleri bulmanız gerekiyor, verileri doğru yorumlamanız gerekiyor, bulguları rapor etmek için kelimelere ihtiyacınız var ve tüm bunlar için yalnız düşünmek için zamana ihtiyacınız var.

Düşünürken, düşüncelerinizi organize edemediğinizi fark ederseniz, karalama veya eskiz yapmaya geçin. Yakınınızda bir beyaz tahta bulundurun. Veya düz, eski kağıt kullanın. Ancak bir veri bilimcisi olarak, çevrimiçi bir zihin haritalama aracı olan Miro gibi yüksek teknolojili bir aracı her zaman kullanabilirsiniz.

Kodlama işinizin en önemli kısmıdır, ancak onu eskiz ve düşünme ile birleştirdiğinizde harikalar yaratabilir. Düşünmek için geri adım atmak, genellikle küçük kodlama ayrıntılarında kaybolan daha büyük resmi görmenizi sağlar. Arıza süresi gibi görünse de, üretkenliği artırmak için genellikle en kritik zamandır.

Çeşitli Faaliyetler ve Sonuç

Gün için ayrılmadan önce, tüm e-postaları yanıtlamak için zaman ayırmalısınız. Aynı gün içinde yanıt vermeniz kibarlık olur ve bunu yapmalısınız. Gün boyunca meşgul olmanız beklenir, bu nedenle günün sonunda zaman ayırın. Yeni bitirdiğiniz günü gözden geçirin ve sürekliliği ve verimliliği sürdürmek için bir sonraki günü planlayın.

Özetlemek gerekirse, bir veri bilimcisi için çalışma süresinin %70'i kodlamaya gider. Her biri toplantılara ve düşünmeye giden %15'lik bakiye, günün sonunda çeşitli etkinlikler için tutulur. Birçok kişinin arzuladığı ödüllendirici bir kariyer.

Hızlı teknolojik gelişmelerin önünde olmak için veri bilimi öğrenmeyi merak ediyorsanız, upGrad & IIIT-B'nin Veri Biliminde Yönetici PG Programına göz atın ve gelecek için kendinizi geliştirin.