تیز شروعات اور کم چھت۔ لیبر مارکیٹ میں ڈیٹا سائنس کے نوجوان ماہرین کا کیا انتظار ہے۔

HeadHunter اور Mail.ru کی تحقیق کے مطابق، ڈیٹا سائنس کے شعبے میں ماہرین کی طلب رسد سے زیادہ ہے، لیکن اس کے باوجود، نوجوان ماہرین ہمیشہ کام تلاش کرنے کا انتظام نہیں کرتے۔ ہم آپ کو بتاتے ہیں کہ کون سے کورس گریجویٹس غائب ہیں اور ان لوگوں کے لیے کہاں پڑھنا ہے جو ڈیٹا سائنس میں بڑے کیریئر کا منصوبہ بنا رہے ہیں۔

"وہ آتے ہیں اور سوچتے ہیں کہ اب وہ 500k فی سیکنڈ کمائیں گے، کیونکہ وہ جانتے ہیں کہ فریم ورک کے نام اور ان سے ماڈل کو دو لائنوں میں کیسے چلانا ہے"

ایمل مہراموف وہ بائیو کیڈ میں کمپیوٹیشنل کیمسٹری خدمات کے ایک گروپ کی رہنمائی کرتا ہے اور انٹرویوز کے دوران اسے اس حقیقت کا سامنا کرنا پڑتا ہے کہ امیدواروں کو پیشے کی منظم سمجھ نہیں ہے۔ وہ کورسز مکمل کرتے ہیں، اچھی تربیت یافتہ Python اور SQL کے ساتھ آتے ہیں، 2 سیکنڈ میں Hadoop یا Spark انسٹال کر سکتے ہیں، اور ایک واضح وضاحت کے مطابق ایک کام مکمل کر سکتے ہیں۔ لیکن ایک ہی وقت میں، اب ایک قدم بھی نہیں ہے. اگرچہ یہ ان حلوں میں لچک ہے جس کی آجر اپنے ڈیٹا سائنس کے ماہرین سے توقع کرتے ہیں۔

ڈیٹا سائنس مارکیٹ میں کیا ہو رہا ہے۔

نوجوان ماہرین کی قابلیت لیبر مارکیٹ کی صورتحال کی عکاسی کرتی ہے۔ یہاں، طلب کافی حد تک رسد سے زیادہ ہے، اس لیے مایوس آجر اکثر مکمل طور پر سبز ماہرین کی خدمات حاصل کرنے اور انہیں اپنے لیے تربیت دینے کے لیے تیار ہوتے ہیں۔ آپشن کام کرتا ہے، لیکن یہ صرف اس صورت میں موزوں ہے جب ٹیم کے پاس پہلے سے تجربہ کار ٹیم لیڈر ہو جو جونیئر کی تربیت سنبھال لے۔

HeadHunter اور Mail.ru کی تحقیق کے مطابق، ڈیٹا کے تجزیہ کے ماہرین مارکیٹ میں سب سے زیادہ مانگ میں ہیں:

• 2019 میں، ڈیٹا کے تجزیہ کے شعبے میں 9,6 گنا زیادہ آسامیاں تھیں، اور مشین لرننگ کے شعبے میں 7,2 کے مقابلے میں 2015 گنا زیادہ۔
• 2018 کے مقابلے میں، ڈیٹا کے تجزیہ کے ماہرین کے لیے خالی آسامیوں کی تعداد میں 1,4 گنا اور مشین لرننگ کے ماہرین کے لیے 1,3 گنا اضافہ ہوا۔
• 38% کھلی آسامیاں IT کمپنیوں میں، 29% مالیاتی شعبے کی کمپنیوں میں، اور 9% کاروباری خدمات میں ہیں۔

اس صورتحال کو متعدد آن لائن اسکولوں کی وجہ سے ہوا دی گئی ہے جو ان ہی جونیئرز کو تربیت دیتے ہیں۔ بنیادی طور پر، تربیت تین سے چھ ماہ تک جاری رہتی ہے، جس کے دوران طلباء بنیادی سطح پر اہم ٹولز میں مہارت حاصل کرنے کا انتظام کرتے ہیں: ازگر، ایس کیو ایل، ڈیٹا تجزیہ، گٹ اور لینکس۔ نتیجہ ایک کلاسک جونیئر ہے: وہ ایک مخصوص مسئلہ کو حل کر سکتا ہے، لیکن پھر بھی مسئلہ کو نہیں سمجھ سکتا اور خود ہی مسئلہ بنا سکتا ہے۔ تاہم، ماہرین کی زیادہ مانگ اور پیشے کے اردگرد کی مقبولیت اکثر اعلیٰ عزائم اور تنخواہ کی ضروریات کو جنم دیتی ہے۔

بدقسمتی سے، ڈیٹا سائنس میں انٹرویوز اب عام طور پر اس طرح نظر آتے ہیں: امیدوار کا کہنا ہے کہ اس نے ایک دو لائبریریوں کو استعمال کرنے کی کوشش کی، اس سوال کا جواب نہیں دے سکتا کہ الگورتھم کیسے کام کرتے ہیں، پھر 200، 300، 400 ہزار روبل ایک ماہ میں مانگتا ہے۔

"کوئی بھی ڈیٹا اینالسٹ بن سکتا ہے"، "تین مہینوں میں ماسٹر مشین لرننگ کر کے بہت پیسہ کمانا شروع کر سکتا ہے" جیسے اشتہاری نعروں کی ایک بڑی تعداد اور فوری پیسے کی پیاس کی وجہ سے، سطحی امیدواروں کا ایک بہت بڑا دھارا ہمارے اندر داخل ہو گیا ہے۔ قطعی طور پر کوئی منظم تربیت کے ساتھ میدان۔

وکٹر کنٹر
ایم ٹی ایس میں چیف ڈیٹا سائنسدان

آجر کس کا انتظار کر رہے ہیں؟

کوئی بھی آجر یہ چاہے گا کہ اس کے جونیئر مسلسل نگرانی کے بغیر کام کریں اور ٹیم لیڈ کی رہنمائی میں ترقی کرنے کے قابل ہوں۔ ایسا کرنے کے لیے، ایک ابتدائی کے پاس موجودہ مسائل کو حل کرنے کے لیے فوری طور پر ضروری آلات کا ہونا ضروری ہے، اور اس کے پاس بتدریج اپنے حل تجویز کرنے اور مزید پیچیدہ مسائل سے رجوع کرنے کے لیے کافی نظریاتی بنیاد ہونا چاہیے۔

مارکیٹ میں نئے آنے والے اپنے ٹولز کے ساتھ کافی اچھا کام کر رہے ہیں۔ قلیل مدتی کورسز آپ کو ان میں تیزی سے مہارت حاصل کرنے اور کام کرنے کی اجازت دیتے ہیں۔

HeadHunter اور Mail.ru کی تحقیق کے مطابق، سب سے زیادہ ڈیمانڈ مہارت Python ہے۔ اس کا تذکرہ 45% ڈیٹا سائنسدان کی اسامیوں اور 51% مشین لرننگ اسامیوں میں ہے۔

آجر یہ بھی چاہتے ہیں کہ ڈیٹا تجزیہ کار SQL (23%)، ڈیٹا مائننگ (19%)، ریاضی کے اعدادوشمار (11%) کو جانیں اور بڑے ڈیٹا (10%) کے ساتھ کام کرنے کے قابل ہوں۔

مشین لرننگ ماہرین کو تلاش کرنے والے آجر توقع کرتے ہیں کہ امیدوار Python کے علم کے علاوہ C++ (18%)، SQL (15%)، مشین لرننگ الگورتھم (13%) اور Linux (11%) میں ماہر ہو۔

لیکن اگر جونیئر ٹولز کے ساتھ اچھی کارکردگی کا مظاہرہ کر رہے ہیں، تو ان کے مینیجرز کو ایک اور مسئلہ کا سامنا ہے۔ زیادہ تر کورس کے فارغ التحصیل افراد کو پیشے کی گہری سمجھ نہیں ہوتی، جس کی وجہ سے ایک ابتدائی کے لیے ترقی کرنا مشکل ہو جاتا ہے۔

میں فی الحال اپنی ٹیم میں شامل ہونے کے لیے مشین لرننگ کے ماہرین کی تلاش کر رہا ہوں۔ ایک ہی وقت میں، میں دیکھ رہا ہوں کہ امیدواروں نے اکثر ڈیٹا سائنس کے مخصوص ٹولز میں مہارت حاصل کی ہے، لیکن ان کے پاس نئے حل پیدا کرنے کے لیے نظریاتی بنیادوں کی اتنی گہری سمجھ نہیں ہے۔

ایمل مہراموف
کمپیوٹیشنل کیمسٹری سروسز گروپ کے سربراہ، Biocad

کورسز کی ساخت اور دورانیہ آپ کو مطلوبہ سطح تک گہرائی تک جانے کی اجازت نہیں دیتا ہے۔ گریجویٹس میں اکثر ان انتہائی نرم مہارتوں کی کمی ہوتی ہے جو عام طور پر نوکری کی آسامی کو پڑھتے وقت چھوٹ جاتی ہیں۔ ٹھیک ہے، واقعی، ہم میں سے کون کہے گا کہ اس کے پاس نظام کی سوچ یا ترقی کی خواہش نہیں ہے۔ تاہم، ڈیٹا سائنس کے ماہر کے سلسلے میں، ہم ایک گہری کہانی کے بارے میں بات کر رہے ہیں۔ یہاں، ترقی کرنے کے لیے، آپ کو تھیوری اور سائنس میں کافی مضبوط تعصب کی ضرورت ہے، جو صرف طویل مدتی مطالعہ کے ذریعے ہی ممکن ہے، مثال کے طور پر، کسی یونیورسٹی میں۔

بہت کچھ اس شخص پر منحصر ہے: اگر تجربہ کار اساتذہ کی طرف سے تین ماہ کا ایک طویل کورس جس میں ٹیم سرفہرست کمپنیوں میں لیڈ ہوتی ہے، ریاضی اور پروگرامنگ میں اچھے پس منظر کے حامل طالب علم کے ذریعے مکمل کیا جاتا ہے، وہ کورس کے تمام مواد کو تلاش کرتا ہے اور "اسفنج کی طرح جذب کرتا ہے۔ "جیسا کہ انہوں نے اسکول میں کہا تھا، پھر ایسے ملازم کے ساتھ مسائل ہوں گے بعد میں نمبر۔ لیکن 90-95% لوگوں کو، ہمیشہ کے لیے کچھ سیکھنے کے لیے، دس گنا زیادہ سیکھنے اور اسے مسلسل کئی سالوں تک منظم طریقے سے کرنے کی ضرورت ہے۔ اور یہ ڈیٹا کے تجزیہ میں ماسٹر کے پروگراموں کو علم کی اچھی بنیاد حاصل کرنے کا ایک بہترین آپشن بناتا ہے، جس کے ساتھ آپ کو انٹرویو میں شرمندہ نہیں ہونا پڑے گا، اور یہ کام کرنا بہت آسان ہو جائے گا۔

وکٹر کنٹر
ایم ٹی ایس میں چیف ڈیٹا سائنسدان

ڈیٹا سائنس میں نوکری تلاش کرنے کے لیے کہاں پڑھنا ہے۔

مارکیٹ میں بہت سے اچھے ڈیٹا سائنس کورسز ہیں اور ابتدائی تعلیم حاصل کرنا کوئی مسئلہ نہیں ہے۔ لیکن اس تعلیم کے مرکز کو سمجھنا ضروری ہے۔ اگر امیدوار کے پاس پہلے سے ہی مضبوط تکنیکی پس منظر ہے، تو ان کی ضرورت کے لیے انتہائی سخت کورسز ہیں۔ ایک شخص اوزاروں میں مہارت حاصل کرے گا، جگہ پر آئے گا اور جلدی سے اس کا عادی ہو جائے گا، کیونکہ وہ پہلے سے ہی جانتا ہے کہ ریاضی دان کی طرح سوچنا، مسئلہ دیکھنا اور مسائل وضع کرنا۔ اگر ایسا کوئی پس منظر نہیں ہے، تو کورس کے بعد آپ ایک اچھے اداکار ہوں گے، لیکن ترقی کے محدود مواقع کے ساتھ۔

اگر آپ کو کسی پیشے کو تبدیل کرنے یا اس خصوصیت میں نوکری تلاش کرنے کے قلیل مدتی کام کا سامنا ہے، تو کچھ منظم کورسز آپ کے لیے موزوں ہیں، جو مختصر ہیں اور فوری طور پر تکنیکی مہارتوں کا کم از کم سیٹ فراہم کرتے ہیں تاکہ آپ اس کے لیے اہل ہو سکیں۔ اس فیلڈ میں داخلہ سطح کی پوزیشن۔

ایوان یامشیکوف
آن لائن ماسٹر پروگرام "ڈیٹا سائنس" کے اکیڈمک ڈائریکٹر

کورسز کے ساتھ مسئلہ یہ ہے کہ وہ تیز لیکن کم سے کم سرعت فراہم کرتے ہیں۔ ایک شخص لفظی طور پر پیشے میں پرواز کرتا ہے اور تیزی سے چھت تک پہنچ جاتا ہے۔ ایک طویل مدت کے لئے پیشے میں داخل ہونے کے لئے، آپ کو فوری طور پر ایک طویل مدتی پروگرام کی شکل میں ایک اچھی بنیاد ڈالنے کی ضرورت ہے، مثال کے طور پر، ماسٹر ڈگری۔

اعلیٰ تعلیم اس وقت موزوں ہے جب آپ سمجھتے ہیں کہ یہ شعبہ آپ کی طویل مدتی دلچسپی رکھتا ہے۔ آپ جلد از جلد کام پر جانے کے خواہشمند نہیں ہیں۔ اور آپ کیریئر کی زیادہ سے زیادہ حد نہیں چاہتے ہیں؛ آپ علم، مہارت کی کمی، عام ماحولیاتی نظام کو سمجھنے کی کمی کے مسئلے کا بھی سامنا نہیں کرنا چاہتے جس کی مدد سے اختراعی مصنوعات تیار کی جاتی ہیں۔ اس کے لیے، آپ کو ایک اعلیٰ تعلیم کی ضرورت ہے، جو نہ صرف تکنیکی مہارتوں کا ضروری مجموعہ تیار کرے، بلکہ آپ کی سوچ کو مختلف طریقے سے تشکیل دے اور آپ کو طویل مدت کے لیے اپنے کیریئر کا کچھ وژن بنانے میں مدد کرے۔

ایوان یامشیکوف
آن لائن ماسٹر پروگرام "ڈیٹا سائنس" کے اکیڈمک ڈائریکٹر

کیریئر کی حد کی عدم موجودگی ماسٹر کے پروگرام کا بنیادی فائدہ ہے۔ دو سالوں میں، ایک ماہر ایک طاقتور نظریاتی بنیاد حاصل کرتا ہے. NUST MISIS میں ڈیٹا سائنس پروگرام کا پہلا سمسٹر ایسا لگتا ہے:

• ڈیٹا سائنس کا تعارف۔ 2 ہفتے.
• ڈیٹا تجزیہ کے بنیادی اصول۔ ڈیٹا پراسیسنگ. 2 ہفتے
• مشین لرننگ۔ ڈیٹا پری پروسیسنگ۔ 2 ہفتے
• ای ڈی اے انٹیلی جنس ڈیٹا کا تجزیہ۔ 3 ہفتے
• بنیادی مشین لرننگ الگورتھم۔ Ch1 + Ch2 (6 ہفتے)

ایک ہی وقت میں، آپ بیک وقت کام پر عملی تجربہ حاصل کر سکتے ہیں۔ جیسے ہی طالب علم نے ضروری آلات میں مہارت حاصل کرلی ہے آپ کو جونیئر پوزیشن حاصل کرنے سے کوئی چیز نہیں روک سکتی۔ لیکن، ایک کورس گریجویٹ کے برعکس، ماسٹر کی ڈگری اپنی پڑھائی کو وہیں نہیں روکتی، بلکہ اس پیشے میں مزید گہرائی تک رسائی حاصل کرتی رہتی ہے۔ مستقبل میں، یہ آپ کو بغیر کسی پابندی کے ڈیٹا سائنس میں ترقی کرنے کی اجازت دیتا ہے۔

یونیورسٹی آف سائنس اینڈ ٹیکنالوجی "MISiS" کی ویب سائٹ پر کھلے دن اور ویبینرز ان لوگوں کے لیے جو ڈیٹا سائنس میں کام کرنا چاہتے ہیں۔ NUST MISIS، SkillFactory، HeadHunter، Facebook، Mail.ru گروپ اور Yandex کے نمائندے، میں آپ کو سب سے اہم چیزوں کے بارے میں بتاؤں گا:

• "ڈیٹا سائنس میں اپنی جگہ کیسے تلاش کریں؟"،
• "کیا شروع سے ڈیٹا سائنسدان بننا ممکن ہے؟"،
• "کیا ڈیٹا سائنسدانوں کی ضرورت 2-5 سالوں میں بھی موجود رہے گی؟"
• "ڈیٹا سائنسدان کن مسائل پر کام کرتے ہیں؟"
• "ڈیٹا سائنس میں کیریئر کیسے بنایا جائے؟"

آن لائن ٹریننگ، پبلک ایجوکیشن ڈپلومہ۔ پروگرام کے لیے درخواستیں تک قبول کر لیا 10 اگست.

ماخذ: www.habr.com