കുറിപ്പുകൾ തീയതി ശാസ്ത്രജ്ഞൻ: എവിടെ തുടങ്ങണം, അത് ആവശ്യമാണോ?

TL;DR എന്നത് ഡാറ്റാ സയൻസിനെ കുറിച്ചുള്ള ചോദ്യങ്ങൾ/ഉത്തരങ്ങൾ, ഈ തൊഴിലിൽ എങ്ങനെ പ്രവേശിക്കാം, എങ്ങനെ വികസിപ്പിക്കാം എന്നിവയെ കുറിച്ചുള്ള ഒരു പോസ്റ്റാണ്. ലേഖനത്തിൽ ഞാൻ അടിസ്ഥാന തത്വങ്ങളും പതിവുചോദ്യങ്ങളും വിശകലനം ചെയ്യും, നിങ്ങളുടെ നിർദ്ദിഷ്ട ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ ഞാൻ തയ്യാറാണ് - അഭിപ്രായങ്ങളിൽ (അല്ലെങ്കിൽ ഒരു സ്വകാര്യ സന്ദേശത്തിൽ) എഴുതുക, കുറച്ച് ദിവസത്തിനുള്ളിൽ എല്ലാത്തിനും ഉത്തരം നൽകാൻ ഞാൻ ശ്രമിക്കും.

“സാത്താനിസ്റ്റ് തീയതി” കുറിപ്പുകളുടെ പരമ്പരയുടെ വരവോടെ, എങ്ങനെ ആരംഭിക്കണം, എവിടെ കുഴിക്കണം എന്നതിനെക്കുറിച്ചുള്ള ചോദ്യങ്ങളുമായി നിരവധി സന്ദേശങ്ങളും അഭിപ്രായങ്ങളും വന്നു, പ്രസിദ്ധീകരണങ്ങൾക്ക് ശേഷം ഉയർന്നുവന്ന പ്രധാന കഴിവുകളും ചോദ്യങ്ങളും ഇന്ന് ഞങ്ങൾ വിശകലനം ചെയ്യും.

ഇവിടെ പ്രസ്താവിച്ചിരിക്കുന്നതെല്ലാം ആത്യന്തികമായ സത്യമാണെന്ന് അവകാശപ്പെടുന്നില്ല, അത് രചയിതാവിന്റെ ആത്മനിഷ്ഠമായ അഭിപ്രായമാണ്. ഈ പ്രക്രിയയിൽ ഏറ്റവും പ്രധാനപ്പെട്ടതായി തോന്നുന്ന പ്രധാന കാര്യങ്ങൾ ഞങ്ങൾ നോക്കും.

എന്തുകൊണ്ട് ഇത് കൃത്യമായി ആവശ്യമാണ്?

ലക്ഷ്യം മികച്ചതായി കൈവരിക്കുന്നതിന്, അത് കുറച്ച് പ്രത്യേകമായി കാണുന്നതിന് - നിങ്ങൾ Facebook/Apple/Amazon/Netflix/Google-ൽ ഒരു DS അല്ലെങ്കിൽ റിസർച്ച് സയന്റിസ്റ്റ് ആകാൻ ആഗ്രഹിക്കുന്നു - ആവശ്യകതകളും ഭാഷകളും ആവശ്യമായ കഴിവുകളും നോക്കുക. പ്രത്യേകിച്ച് ഏത് സ്ഥാനത്തിന്. എന്താണ് നിയമന പ്രക്രിയ? അത്തരമൊരു വേഷത്തിൽ ഒരു സാധാരണ ദിവസം എങ്ങനെ കടന്നുപോകുന്നു? അവിടെ ജോലി ചെയ്യുന്ന ഒരാളുടെ ശരാശരി പ്രൊഫൈൽ എങ്ങനെയിരിക്കും?

മിക്കപ്പോഴും മൊത്തത്തിലുള്ള ചിത്രം, ഒരു വ്യക്തിക്ക് എന്താണ് വേണ്ടതെന്ന് കൃത്യമായി മനസ്സിലാകുന്നില്ല, ഈ അവ്യക്തമായ ഇമേജിനായി എങ്ങനെ തയ്യാറാകണമെന്ന് പൂർണ്ണമായും വ്യക്തമല്ല - അതിനാൽ നിങ്ങൾക്ക് കൃത്യമായി എന്താണ് വേണ്ടതെന്ന് ഒരു ഏകദേശ പദ്ധതിയെങ്കിലും ഉണ്ടായിരിക്കുന്നത് മൂല്യവത്താണ്.

നിലവിലെ ഗോൾ കാഴ്‌ച കോൺക്രീറ്റൈസ് ചെയ്യുക

അത് വഴിയിൽ മാറുകയാണെങ്കിൽപ്പോലും, നാടകത്തിനിടയിൽ പ്ലാനുകൾ മാറ്റുന്നത് പൊതുവെ സാധാരണമാണെങ്കിലും, ഒരു ലക്ഷ്യം ഉണ്ടായിരിക്കുകയും അതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ആനുകാലികമായി വിലയിരുത്തുകയും പുനർവിചിന്തനം നടത്തുകയും ചെയ്യുന്നത് മൂല്യവത്താണ്.

അത് ഉണ്ടാകുമോ അതോ ഇപ്പോഴും പ്രസക്തമാണോ?

നിങ്ങൾ ഒരു സ്ഥാനത്തേക്ക് വളരുമ്പോഴേക്കും.

നിങ്ങളുടെ സ്ഥാനത്തിന് മുമ്പ് നിങ്ങൾക്ക് പിഎച്ച്‌ഡി നേടണമെന്നും വ്യവസായത്തിൽ 2-3 വർഷം ജോലി ചെയ്യണമെന്നും മൊണാസ്ട്രിയിൽ ധ്യാനിക്കുമ്പോൾ മുടി വെട്ടണമെന്നും സങ്കൽപ്പിക്കുക - ഡാറ്റാ സയൻസിന്റെ സ്ഥിതി ഒരു കാലത്ത് സാമ്പത്തിക വിദഗ്ധരുടേതും അതുപോലെ ആയിരിക്കില്ലേ? അഭിഭാഷകരോ? നിങ്ങൾ പിന്തുടരാൻ ആഗ്രഹിക്കുന്ന മേഖലയിൽ എല്ലാം തിരിച്ചറിയാൻ കഴിയാത്തവിധം മാറുമോ?

എല്ലാവരും ഇപ്പോൾ അവിടേക്ക് ഓടിയെത്താനുള്ള നല്ല അവസരമില്ലേ, പ്രൊഫഷനിലേക്ക് പ്രവേശിക്കാൻ ശ്രമിക്കുന്ന ആളുകളുടെ വിശാലമായ ഒരു പാളി ഞങ്ങൾ കാണും - കൂടാതെ ഒരു ചെറിയ ആരംഭ സ്ഥാനം മാത്രമേ ഉണ്ടാകൂ.

ഒരു പാത തിരഞ്ഞെടുക്കുമ്പോൾ നിലവിലെ ട്രെൻഡുകൾ പരിഗണിക്കുന്നത് മൂല്യവത്താണ്, തൊഴിൽ വിപണിയുടെ നിലവിലെ അവസ്ഥ മാത്രമല്ല, അത് എങ്ങനെ മാറുന്നു, എവിടെയാണ് എന്നതിനെക്കുറിച്ചുള്ള നിങ്ങളുടെ ആശയവും.

ഉദാഹരണത്തിന്, രചയിതാവ് ഒരു സാത്താനിസ്റ്റാകാൻ പദ്ധതിയിട്ടിരുന്നില്ല, പക്ഷേ പിഎച്ച്ഡി സമയത്ത് ഡിഎസുമായി സാമ്യമുള്ള ശക്തമായ കഴിവുകളുള്ള മൂന്നാം കക്ഷി പ്രോജക്റ്റുകളിൽ അദ്ദേഹം പ്രവർത്തിച്ചു, ബിരുദാനന്തര ബിരുദം നേടിയ ശേഷം, അവൻ സ്വാഭാവികമായും പരിസ്ഥിതിയിലേക്ക് മാറി, നല്ലത് കണ്ടു. സ്ഥാനം.

നാടകത്തിനിടയിൽ മറ്റെവിടെയെങ്കിലും മാറേണ്ടത് ആവശ്യമാണെന്ന് മാറുകയാണെങ്കിൽ - കാരണം ഇപ്പോൾ ഏറ്റവും ചലനം ഉള്ളതിനാൽ ഏറ്റവും രസകരമായ എല്ലാ പ്രവർത്തനങ്ങളും നടക്കുന്നു, അപ്പോൾ ഞങ്ങൾ സ്വാഭാവികമായും അവിടെ നീങ്ങും.

നൈപുണ്യ തകർച്ച

DS-ൽ പൂർണ്ണവും ഫലപ്രദവുമായ പ്രവർത്തനത്തിന് പ്രധാനമായി എനിക്ക് തോന്നുന്ന കഴിവുകളുടെ സോപാധിക വിഭാഗങ്ങളാണിവ. ഞാൻ ഇംഗ്ലീഷ് പ്രത്യേകം ഹൈലൈറ്റ് ചെയ്യും - നിങ്ങൾ CS-ൽ ചെയ്യുന്നതെന്തും പഠിക്കുക. അടുത്തത് പ്രധാന വിഭാഗങ്ങളാണ്.

പ്രോഗ്രാമിംഗ്/സ്ക്രിപ്റ്റിംഗ്

ഏത് ഭാഷകളാണ് നിങ്ങൾക്ക് പരിചയപ്പെടാൻ ഉറപ്പുള്ളത്? പൈത്തൺ? ജാവ? ഷെൽ സ്ക്രിപ്റ്റിംഗ്? ലുവാ? Sql? C++?

പ്രോഗ്രാമിംഗിന്റെ കാര്യത്തിൽ നിങ്ങൾക്ക് കൃത്യമായി എന്താണ് ചെയ്യേണ്ടത്, എന്തുകൊണ്ട് - ഇവിടെ സ്ഥാനങ്ങളുടെ പരിധി വളരെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു.

ഉദാഹരണത്തിന്, എനിക്ക് പലപ്പോഴും സങ്കീർണ്ണമായ ലോജിക്, അന്വേഷണങ്ങൾ, മോഡലുകൾ, അനലിറ്റിക്‌സ് എന്നിവ നടപ്പിലാക്കേണ്ടതുണ്ട്, കൂടാതെ പൊതുവായി വ്യാഖ്യാനിച്ച സിസ്റ്റങ്ങൾ വികസിപ്പിക്കുകയും വേണം, എന്നാൽ ഏറ്റവും സാധാരണവും ന്യായയുക്തവുമായവ ഒഴികെ കോഡിന്റെ വേഗതയ്ക്ക് ഒരിക്കലും ആവശ്യകതകളില്ല.

അതിനാൽ, ടെൻസർഫ്ലോ ലൈബ്രറി എഴുതുന്നവരിൽ നിന്ന് എന്റെ നൈപുണ്യ സെറ്റ് വളരെ വ്യത്യസ്തമാണ്, കൂടാതെ l1 കാഷെയുടെയും സമാന കാര്യങ്ങളുടെയും കാര്യക്ഷമമായ ഉപയോഗത്തിനായി കോഡ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനെക്കുറിച്ച് ചിന്തിക്കുക, അതിനാൽ നിങ്ങൾക്ക് കൃത്യമായി എന്താണ് വേണ്ടതെന്ന് നോക്കുകയും പഠനത്തിലേക്കുള്ള ശരിയായ പാത വിലയിരുത്തുകയും ചെയ്യുക.

ഉദാഹരണത്തിന്, പൈത്തണിനായി, ആളുകൾ ഇതിനകം തന്നെ ഉണ്ടാക്കുന്നു ഒരു മാപ്പ് ഭാഷാ പഠനം.

തീർച്ചയായും, നിങ്ങളുടെ ആവശ്യങ്ങൾക്കായി ഇതിനകം പരിചയസമ്പന്നരായ ഉപദേശങ്ങളും നല്ല ഉറവിടങ്ങളും ഉണ്ട് - നിങ്ങൾ ഒരു ലിസ്റ്റ് തീരുമാനിക്കുകയും അതിൽ പ്രവർത്തിക്കാൻ തുടങ്ങുകയും വേണം.

ബിസിനസ്സ് പ്രക്രിയകൾ മനസ്സിലാക്കുന്നു

ഇത് കൂടാതെ നിങ്ങൾക്ക് എവിടെയും പോകാൻ കഴിയില്ല: ഈ പ്രക്രിയയിൽ നിങ്ങൾ എന്തിനാണ് ആവശ്യമെന്നും നിങ്ങൾ എന്താണ് ചെയ്യുന്നതെന്നും എന്തുകൊണ്ടാണെന്നും നിങ്ങൾ മനസ്സിലാക്കേണ്ടതുണ്ട്. പലപ്പോഴും ഇത് നിങ്ങൾക്ക് ധാരാളം സമയം ലാഭിക്കാനും നിങ്ങളുടെ നേട്ടം പരമാവധിയാക്കാനും സമയവും വിഭവങ്ങളും ബുൾഷിറ്റിനായി പാഴാക്കാതിരിക്കാനും കഴിയും.

സാധാരണയായി, ഞാൻ എന്നോട് തന്നെ ഇനിപ്പറയുന്ന ചോദ്യങ്ങൾ ചോദിക്കുന്നു:

• കമ്പനിയിൽ ഞാൻ കൃത്യമായി എന്താണ് ചെയ്യുന്നത്?
• എന്തുകൊണ്ട്?
• ആരാണ് അത് എങ്ങനെ ഉപയോഗിക്കും?
• എനിക്ക് എന്ത് ഓപ്ഷനുകൾ ഉണ്ട്?
• പരാമീറ്ററുകളുടെ പരിധികൾ എന്തൊക്കെയാണ്?

പാരാമീറ്ററുകളെക്കുറിച്ച് കുറച്ചുകൂടി വിശദമായി ഇവിടെയുണ്ട്: എന്തെങ്കിലും ത്യജിക്കാൻ കഴിയുമെന്ന് നിങ്ങൾക്കറിയാമെങ്കിൽ നിങ്ങൾക്ക് പലപ്പോഴും ജോലി സാഹചര്യം വളരെയധികം മാറ്റാൻ കഴിയും: ഉദാഹരണത്തിന്, വ്യാഖ്യാനമോ തിരിച്ചും, രണ്ട് ശതമാനം ഇവിടെ ഒരു പങ്ക് വഹിക്കില്ല, ഞങ്ങൾക്ക് വളരെ വേഗതയുണ്ട്. പരിഹാരം, കൂടാതെ ക്ലയന്റിന് അത് ആവശ്യമാണ്, കാരണം AWS-ൽ പൈപ്പ്ലൈൻ പ്രവർത്തിക്കുന്ന സമയത്തിന് അവൻ പണം നൽകുന്നു.

മാത്തമാറ്റിക്സ്

ഇവിടെ നിങ്ങൾ എല്ലാം സ്വയം ചിന്തിക്കുകയും മനസ്സിലാക്കുകയും ചെയ്യുന്നു - അടിസ്ഥാന ഗണിതത്തെക്കുറിച്ചുള്ള അറിവില്ലാതെ നിങ്ങൾ ഗ്രനേഡുള്ള (ക്ഷമിക്കണം റാൻഡം ഫോറസ്റ്റ്) കുരങ്ങുകളല്ലാതെ മറ്റൊന്നുമല്ല - അതിനാൽ നിങ്ങൾ അടിസ്ഥാന കാര്യങ്ങളെങ്കിലും മനസ്സിലാക്കേണ്ടതുണ്ട്. ഞാൻ വളരെ കുറഞ്ഞ ഒരു ലിസ്റ്റ് കംപൈൽ ചെയ്യുകയാണെങ്കിൽ, അതിൽ ഉൾപ്പെടും:

• ലീനിയർ ബീജഗണിതം - ധാരാളം ഉറവിടങ്ങൾ Google-ന് എളുപ്പമാണ്, നിങ്ങൾക്ക് ഏറ്റവും അനുയോജ്യമായത് നോക്കുക;
• ഗണിത വിശകലനം - (കുറഞ്ഞത് ആദ്യ രണ്ട് സെമസ്റ്ററുകളിലെങ്കിലും);
• മെഷീൻ ലേണിംഗിൽ പ്രോബബിലിറ്റി തിയറി എല്ലായിടത്തും ഉണ്ട്;
• കോമ്പിനേറ്ററിക്സ് - ഇത് യഥാർത്ഥത്തിൽ സിദ്ധാന്തത്തിന് പൂരകമാണ്;
• ഗ്രാഫ് സിദ്ധാന്തം - കുറഞ്ഞത് ബേസിക്;
• അൽഗോരിതങ്ങൾ - കുറഞ്ഞത് ആദ്യ രണ്ട് സെമസ്റ്ററുകൾക്കെങ്കിലും (കോർമെന്റെ പുസ്തകത്തിലെ ശുപാർശകൾ കാണുക);
• ഗണിതശാസ്ത്രം - കുറഞ്ഞത് അടിസ്ഥാനം.

പ്രായോഗിക ഡാറ്റ വിശകലനവും ദൃശ്യവൽക്കരണവും

ഡാറ്റ ഉപയോഗിച്ച് നിങ്ങളുടെ കൈകൾ വൃത്തികെട്ടതാക്കാൻ ഭയപ്പെടാതിരിക്കാനും ഡാറ്റാസെറ്റിന്റെ സമഗ്രമായ വിശകലനം നടത്താനും പ്രോജക്റ്റ് നടത്താനും ദ്രുത ഡാറ്റ ദൃശ്യവൽക്കരണം സൃഷ്ടിക്കാനും കഴിയുന്നതാണ് ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യങ്ങളിലൊന്ന്.

പര്യവേക്ഷണ ഡാറ്റാ വിശകലനം മറ്റെല്ലാ ഡാറ്റാ പരിവർത്തനങ്ങളെയും പോലെ സ്വാഭാവികമായ ഒന്നായി മാറണം, കൂടാതെ unix നോഡുകളിൽ നിന്ന് ഒരു ലളിതമായ പൈപ്പ്ലൈൻ സൃഷ്ടിക്കുന്നതിനുള്ള കഴിവ് (മുമ്പത്തെ ലേഖനങ്ങൾ കാണുക) അല്ലെങ്കിൽ വായിക്കാവുന്നതും മനസ്സിലാക്കാവുന്നതുമായ ഒരു നോട്ട്ബുക്ക് എഴുതുക.

വിഷ്വലൈസേഷൻ പരാമർശിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു: നൂറ് തവണ കേൾക്കുന്നതിനേക്കാൾ ഒരു തവണ കാണുന്നത് നല്ലതാണ്.

മാനേജർക്ക് ഒരു ഗ്രാഫ് കാണിക്കുന്നത് ഒരു കൂട്ടം നമ്പറുകളേക്കാൾ നൂറിരട്ടി എളുപ്പവും വ്യക്തവുമാണ്, അതിനാൽ matplotlib, seaborn, ggplot2 എന്നിവ നിങ്ങളുടെ സുഹൃത്തുക്കളാണ്.

മൃദു കഴിവുകൾ

നിങ്ങളുടെ ആശയങ്ങളും ഫലങ്ങളും ആശങ്കകളും (മുതലായവ) മറ്റുള്ളവരുമായി ആശയവിനിമയം നടത്താൻ കഴിയുന്നത് ഒരുപോലെ പ്രധാനമാണ് - സാങ്കേതികവും ബിസിനസ്സ് പദങ്ങളും ഉപയോഗിച്ച് നിങ്ങൾക്ക് ചുമതല വ്യക്തമായി പ്രസ്താവിക്കാൻ കഴിയുമെന്ന് ഉറപ്പാക്കുക.

സഹപ്രവർത്തകർ, മാനേജർമാർ, മേലുദ്യോഗസ്ഥർ, ക്ലയന്റുകൾ എന്നിവരോടും അത് ആവശ്യമുള്ള മറ്റൊരാൾക്കും എന്താണ് സംഭവിക്കുന്നത്, ഏത് ഡാറ്റയാണ് നിങ്ങൾ ഉപയോഗിക്കുന്നതെന്നും നിങ്ങൾക്ക് എന്ത് ഫലങ്ങൾ ലഭിച്ചുവെന്നും നിങ്ങൾക്ക് വിശദീകരിക്കാനാകും.

നിങ്ങളുടെ ചാർട്ടുകളും ഡോക്യുമെന്റേഷനും നിങ്ങളില്ലാതെ വായിക്കണം. അതായത്, അവിടെ എന്താണ് എഴുതിയിരിക്കുന്നതെന്ന് മനസിലാക്കാൻ നിങ്ങൾ നിങ്ങളുടെ അടുത്തേക്ക് പോകേണ്ടതില്ല.

പോയിന്റ് മുഴുവനായും/അല്ലെങ്കിൽ പ്രോജക്റ്റ്/നിങ്ങളുടെ ജോലി രേഖപ്പെടുത്തുന്നതിന് നിങ്ങൾക്ക് വ്യക്തമായ അവതരണം നടത്താം.

നിങ്ങൾക്ക് യുക്തിസഹവും വികാരരഹിതവുമായ രീതിയിൽ നിങ്ങളുടെ നിലപാട് അറിയിക്കാം, "അതെ/ഇല്ല" എന്ന് പറയുക അല്ലെങ്കിൽ ഒരു തീരുമാനത്തെ ചോദ്യം ചെയ്യുക/പിന്തുണയ്ക്കുക.

പരിശീലന സെഷനുകൾ

നിങ്ങൾക്ക് ഇതെല്ലാം പഠിക്കാൻ കഴിയുന്ന നിരവധി സ്ഥലങ്ങളുണ്ട്. ഞാൻ ഒരു ചെറിയ ലിസ്റ്റ് തരാം - ഞാൻ അതിൽ നിന്ന് എല്ലാം പരീക്ഷിച്ചു, സത്യം പറഞ്ഞാൽ, ഓരോ ഇനത്തിനും അതിന്റെ ഗുണങ്ങളും ദോഷങ്ങളുമുണ്ട്. ഇത് പരീക്ഷിച്ച് നിങ്ങൾക്ക് അനുയോജ്യമായത് എന്താണെന്ന് തീരുമാനിക്കുക, എന്നാൽ നിരവധി ഓപ്ഷനുകൾ പരീക്ഷിച്ച് ഒന്നിൽ കുടുങ്ങിപ്പോകാതിരിക്കാൻ ഞാൻ വളരെ ശുപാർശ ചെയ്യുന്നു.

• ഓൺലൈൻ കോഴ്സുകൾ: coursera, udacity, Edx മുതലായവ;
• പുതിയ സ്കൂളുകൾ: ഓൺലൈനിലും ഓഫ്‌ലൈനിലും - SkillFactory, ShAD, MADE;
• ക്ലാസിക്കൽ സ്കൂളുകൾ: യൂണിവേഴ്സിറ്റി മാസ്റ്റർ പ്രോഗ്രാമുകളും വിപുലമായ പരിശീലന കോഴ്സുകളും;
• പ്രോജക്‌റ്റുകൾ - നിങ്ങൾക്ക് താൽപ്പര്യമുള്ള ടാസ്‌ക്കുകൾ തിരഞ്ഞെടുത്ത് അവ വെട്ടിമുറിച്ച് ഗിത്തബിലേക്ക് അപ്‌ലോഡ് ചെയ്യാം;
• ഇന്റേൺഷിപ്പുകൾ - ഇവിടെ എന്തെങ്കിലും നിർദ്ദേശിക്കാൻ പ്രയാസമാണ്; നിങ്ങൾ ലഭ്യമായവ നോക്കുകയും അനുയോജ്യമായ ഓപ്ഷനുകൾ കണ്ടെത്തുകയും വേണം.

അത് ആവശ്യമാണോ?

ഉപസംഹാരമായി, ഞാൻ സ്വയം പിന്തുടരാൻ ശ്രമിക്കുന്ന മൂന്ന് വ്യക്തിഗത തത്ത്വങ്ങൾ ഞാൻ ചേർക്കും.

• രസകരമായിരിക്കണം;
• ആന്തരിക ആനന്ദം കൊണ്ടുവരിക (= കുറഞ്ഞത് കഷ്ടപ്പാടുകൾ ഉണ്ടാക്കരുത്);
• "നിങ്ങളുടേതാകാൻ."

എന്തുകൊണ്ട് അവരെ? എല്ലാ ദിവസവും എന്തെങ്കിലും ചെയ്യുന്നത് സങ്കൽപ്പിക്കാൻ പ്രയാസമാണ്, അത് ആസ്വദിക്കുന്നില്ല അല്ലെങ്കിൽ താൽപ്പര്യമില്ല. നിങ്ങൾ ഒരു ഡോക്ടറാണെന്നും ആളുകളുമായി ആശയവിനിമയം നടത്തുന്നത് നിങ്ങൾ വെറുക്കുന്നുവെന്നും സങ്കൽപ്പിക്കുക - ഇത് തീർച്ചയായും എങ്ങനെയെങ്കിലും പ്രവർത്തിക്കും, പക്ഷേ നിങ്ങളോട് എന്തെങ്കിലും ചോദിക്കാൻ ആഗ്രഹിക്കുന്ന രോഗികളുടെ ഒഴുക്കിൽ നിങ്ങൾക്ക് നിരന്തരം അസ്വസ്ഥതയുണ്ടാകും. ഇത് ദീർഘകാലാടിസ്ഥാനത്തിൽ പ്രവർത്തിക്കില്ല.

എന്തുകൊണ്ടാണ് ഞാൻ ആന്തരിക സുഖം പ്രത്യേകം പരാമർശിച്ചത്? കൂടുതൽ വികസനത്തിനും തത്വത്തിൽ, പഠന പ്രക്രിയയ്ക്കും ഇത് ആവശ്യമാണെന്ന് എനിക്ക് തോന്നുന്നു. ചില സങ്കീർണ്ണമായ ഫീച്ചറുകൾ പൂർത്തിയാക്കാനും ഒരു മോഡൽ നിർമ്മിക്കാനും അല്ലെങ്കിൽ ഒരു പ്രധാന പാരാമീറ്റർ കണക്കാക്കാനും എനിക്ക് കഴിയുമ്പോൾ ഞാൻ അത് ശരിക്കും ആസ്വദിക്കുന്നു. എന്റെ കോഡ് സൗന്ദര്യാത്മകവും നന്നായി എഴുതിയതും ആയിരിക്കുമ്പോൾ ഞാൻ അത് ആസ്വദിക്കുന്നു. അതിനാൽ, പുതിയ എന്തെങ്കിലും പഠിക്കുന്നത് രസകരമാണ്, നേരിട്ട് കാര്യമായ പ്രചോദനം ആവശ്യമില്ല.

"നിങ്ങളുടേതായിരിക്കുക" എന്നത് നിങ്ങൾ ചെയ്യാൻ ആഗ്രഹിച്ച അതേ വികാരമാണ്. എനിക്ക് ഒരു ചെറിയ കഥയുണ്ട്. കുട്ടിക്കാലം മുതൽ, എനിക്ക് റോക്ക് സംഗീതത്തിൽ (ഒപ്പം ലോഹവും - സാൽമൺ!) താൽപ്പര്യമുണ്ട്, മറ്റ് പലരെയും പോലെ, എങ്ങനെ കളിക്കണമെന്ന് പഠിക്കാൻ ഞാൻ ആഗ്രഹിച്ചു, അത്രമാത്രം. എനിക്ക് കേൾവിയും ശബ്ദവുമില്ലെന്ന് മനസ്സിലായി - ഇത് എന്നെ ഒട്ടും ബുദ്ധിമുട്ടിച്ചില്ല (ഇത് സ്റ്റേജിലെ പല കലാകാരന്മാരെയും ബുദ്ധിമുട്ടിക്കുന്നില്ലെന്ന് ഞാൻ പറയണം), ഞാൻ സ്കൂളിൽ പഠിക്കുമ്പോൾ എനിക്ക് ഒരു ഗിറ്റാർ ലഭിച്ചു ... മണിക്കൂറുകളോളം ഇരിക്കുന്നതും അതിൽ കളിക്കുന്നതും എനിക്ക് ഇഷ്ടമല്ലെന്ന് വ്യക്തമായി. ഇത് കഠിനമായി നടക്കുന്നു, എന്തെങ്കിലും തരത്തിലുള്ള ബുൾഷിറ്റ് പുറത്തുവരുന്നതായി എനിക്ക് എപ്പോഴും തോന്നിയിരുന്നു - എനിക്ക് അതിൽ നിന്ന് ഒരു സന്തോഷവും ലഭിച്ചില്ല, മാത്രമല്ല നിന്ദ്യവും വിഡ്ഢിയും പൂർണ്ണമായും കഴിവില്ലായ്മയും തോന്നി. ക്ലാസുകളിൽ ഇരിക്കാൻ ഞാൻ അക്ഷരാർത്ഥത്തിൽ എന്നെ നിർബന്ധിച്ചു, പൊതുവേ അത് കുതിരയ്ക്ക് നല്ല ഭക്ഷണമായിരുന്നില്ല.

അതേ സമയം, ഫ്ലാഷിൽ (അല്ലെങ്കിൽ മറ്റെന്തെങ്കിലും) എന്തെങ്കിലും ആനിമേറ്റുചെയ്യാൻ ഒരു സ്ക്രിപ്റ്റ് ഉപയോഗിച്ച് കുറച്ച് കളിപ്പാട്ടങ്ങൾ വികസിപ്പിക്കാൻ എനിക്ക് മണിക്കൂറുകളോളം ശാന്തമായി ഇരിക്കാൻ കഴിയും, കൂടാതെ ഗെയിമിലെ ഘടകങ്ങൾ പൂർത്തിയാക്കുന്നതിനോ ചലനത്തിന്റെ മെക്കാനിക്സ് കൂടാതെ/ അല്ലെങ്കിൽ കൈകാര്യം ചെയ്യുന്നതിനോ എനിക്ക് വന്യമായ പ്രചോദനം ലഭിച്ചു. മൂന്നാം കക്ഷി ലൈബ്രറികൾ, പ്ലഗിനുകൾ എന്നിവയും മറ്റെല്ലാ കാര്യങ്ങളും ബന്ധിപ്പിക്കുന്നു.

ചില സമയങ്ങളിൽ, ഗിറ്റാർ വായിക്കുന്നത് എന്റെ കാര്യമല്ലെന്നും എനിക്ക് കേൾക്കാൻ ഇഷ്ടമാണെന്നും കളിക്കുന്നില്ലെന്നും ഞാൻ മനസ്സിലാക്കി. ഞാൻ ഗെയിമുകളും കോഡുകളും എഴുതുമ്പോൾ എന്റെ കണ്ണുകൾ തിളങ്ങി (ആ നിമിഷം എല്ലാത്തരം ലോഹങ്ങളും കേൾക്കുന്നു) അതാണ് എനിക്ക് അപ്പോൾ ഇഷ്ടപ്പെട്ടത്, അതാണ് ഞാൻ ചെയ്യേണ്ടത്.

നിങ്ങൾക്ക് മറ്റെന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടോ?

തീർച്ചയായും, ഞങ്ങൾക്ക് എല്ലാ വിഷയങ്ങളിലൂടെയും ചോദ്യങ്ങളിലൂടെയും കടന്നുപോകാൻ കഴിഞ്ഞില്ല, അതിനാൽ അഭിപ്രായങ്ങൾ എഴുതുക, എനിക്ക് PM ചെയ്യുക - ചോദ്യങ്ങൾ ഉണ്ടാകുന്നതിൽ ഞാൻ എപ്പോഴും സന്തുഷ്ടനാണ്.

അവലംബം: www.habr.com