فیکلٹی کی سربراہ الینا گیراسیموا کے ساتھ مل کر "» نیٹولوجی میں ہم یہ سمجھتے رہتے ہیں کہ وہ کس طرح ایک دوسرے کے ساتھ تعامل کرتے ہیں اور ڈیٹا سائنسدان اور ڈیٹا انجینئر کس طرح مختلف ہیں۔
پہلے حصے میں انہوں نے بتایا .
اس مواد میں ہم اس بارے میں بات کریں گے کہ ماہرین کے پاس کون سا علم اور ہنر ہونا چاہیے، آجروں کے لیے کس تعلیم کی قدر کی جاتی ہے، انٹرویو کیسے کیے جاتے ہیں، اور ڈیٹا انجینئرز اور ڈیٹا سائنسدان کتنا کماتے ہیں۔
سائنسدانوں اور انجینئروں کو کیا جاننا چاہئے۔
دونوں ماہرین کے لیے خصوصی تعلیم کمپیوٹر سائنس ہے۔
کوئی بھی ڈیٹا سائنسدان — ڈیٹا سائنسدان یا تجزیہ کار — کو اپنے نتائج کی درستگی ثابت کرنے کے قابل ہونا چاہیے۔ اس کے لیے آپ علم کے بغیر نہیں کر سکتے شماریات اور شماریات سے متعلق بنیادی ریاضی.
جدید دنیا میں مشین لرننگ اور ڈیٹا اینالیٹکس ٹولز ناگزیر ہیں۔ اگر معمول کے اوزار دستیاب نہیں ہیں، تو آپ کو مہارت حاصل کرنے کی ضرورت ہے۔ تیزی سے نئے ٹولز سیکھنا، کاموں کو خودکار کرنے کے لیے آسان اسکرپٹ بنانا.
یہ نوٹ کرنا ضروری ہے کہ ڈیٹا سائنسدان کو تجزیہ کے نتائج کو مؤثر طریقے سے بتانا چاہیے۔ اس سے اس کی مدد ہوگی۔ ڈیٹا تصور یا مفروضوں کی تحقیق اور جانچ کے نتائج۔ ماہرین کو چارٹ اور گراف بنانے، ویژولائزیشن ٹولز استعمال کرنے، اور ڈیش بورڈز سے ڈیٹا کو سمجھنے اور سمجھانے کے قابل ہونا چاہیے۔
ڈیٹا انجینئر کے لیے تین شعبے سامنے آتے ہیں۔
الگورتھم اور ڈیٹا ڈھانچے. کوڈ لکھنے اور بنیادی ڈھانچے اور الگورتھم کو استعمال کرنے میں اچھا ہونا ضروری ہے:
- الگورتھم کی پیچیدگی کا تجزیہ،
- واضح، برقرار رکھنے کے قابل کوڈ لکھنے کی صلاحیت،
- بیچ پراسیسنگ،
- ریئل ٹائم پروسیسنگ۔
ڈیٹا بیس اور ڈیٹا گودام، بزنس انٹیلی جنس:
- ڈیٹا اسٹوریج اور پروسیسنگ،
- مکمل نظام کا ڈیزائن،
- ڈیٹا کی کھپت،
- تقسیم شدہ فائل سسٹم۔
ہڈوپ اور بگ ڈیٹا. زیادہ سے زیادہ ڈیٹا موجود ہے، اور 3-5 سال کے افق میں، یہ ٹیکنالوجیز ہر انجینئر کے لیے ضروری ہو جائیں گی۔ پلس:
- ڈیٹا لیکس
- کلاؤڈ فراہم کرنے والوں کے ساتھ کام کرنا۔
مشین لرننگ ہر جگہ استعمال کیا جائے گا، اور یہ سمجھنا ضروری ہے کہ اس سے کن کاروباری مسائل کو حل کرنے میں مدد ملے گی۔ ماڈل بنانے کے قابل ہونا ضروری نہیں ہے (ڈیٹا سائنسدان اس کو سنبھال سکتے ہیں)، لیکن آپ کو ان کی درخواست اور متعلقہ ضروریات کو سمجھنے کی ضرورت ہے۔
انجینئرز اور سائنسدان کتنا کماتے ہیں؟
ڈیٹا انجینئر کی آمدنی
بین الاقوامی مشق میں Glassdoor کے مطابق، ابتدائی تنخواہیں عام طور پر $100 سالانہ ہوتی ہیں اور تجربے کے ساتھ نمایاں طور پر بڑھ جاتی ہیں۔ اس کے علاوہ، کمپنیاں اکثر اسٹاک کے اختیارات اور 000-5% سالانہ بونس فراہم کرتی ہیں۔
روس میں ایک کیریئر کے آغاز میں، تنخواہ عام طور پر خطوں میں 50 ہزار روبل اور ماسکو میں 80 ہزار سے کم نہیں ہوتی ہے۔ اس مرحلے پر مکمل تربیت کے علاوہ کسی تجربے کی ضرورت نہیں ہے۔
1-2 سال کے کام کے بعد - 90-100 ہزار روبل کا کانٹا۔
کانٹا 120-160 سالوں میں 2-5 ہزار تک بڑھ جاتا ہے۔ پچھلی کمپنیوں کی تخصص، منصوبوں کا سائز، بڑے ڈیٹا کے ساتھ کام وغیرہ جیسے عوامل شامل کیے گئے ہیں۔
5 سال کام کرنے کے بعد، متعلقہ محکموں میں خالی آسامیوں کو تلاش کرنا یا انتہائی خصوصی عہدوں کے لیے درخواست دینا آسان ہو جاتا ہے جیسے:
- ایک بینک یا ٹیلی کام میں معمار یا لیڈ ڈویلپر - تقریبا 250 ہزار.
- اس وینڈر کی جانب سے پری سیلز جس کی ٹیکنالوجیز کے ساتھ آپ نے بہت قریب سے کام کیا ہے - 200 ہزار کے علاوہ ایک ممکنہ بونس (1-1,5 ملین روبل)۔
- انٹرپرائز کاروباری ایپلی کیشنز کے نفاذ میں ماہرین، جیسے SAP - 350 ہزار تک۔
ڈیٹا سائنسدانوں کی آمدنی
کمپنی "نارمل ریسرچ" اور بھرتی کرنے والی ایجنسی New.HR کے تجزیہ کاروں کی مارکیٹ سے پتہ چلتا ہے کہ ڈیٹا سائنس کے ماہرین کو اوسطاً دیگر خصوصیات کے تجزیہ کاروں سے زیادہ تنخواہ ملتی ہے۔
روس میں، ایک سال تک کا تجربہ رکھنے والے ڈیٹا سائنسدان کی ابتدائی تنخواہ 113 ہزار روبل سے ہے۔
تربیتی پروگراموں کی تکمیل کو اب کام کے تجربے کے طور پر بھی مدنظر رکھا جاتا ہے۔
1-2 سال کے بعد، اس طرح کے ایک ماہر پہلے سے ہی 160 ہزار تک حاصل کر سکتے ہیں.
4-5 سال کے تجربے والے ملازم کے لیے کانٹا 310 ہزار تک بڑھ جاتا ہے۔
انٹرویوز کیسے کیے جاتے ہیں؟
مغرب میں، پیشہ ورانہ تربیتی پروگراموں کے فارغ التحصیل افراد کا گریجویشن کے اوسطاً 5 ہفتوں بعد پہلا انٹرویو ہوتا ہے۔ تقریباً 85% 3 ماہ کے بعد نوکری تلاش کرتے ہیں۔
ڈیٹا انجینئر اور ڈیٹا سائنسدان کے عہدوں کے لیے انٹرویو کا عمل عملی طور پر ایک جیسا ہے۔ عام طور پر پانچ مراحل پر مشتمل ہوتا ہے۔
خلاصہ. غیر بنیادی پیشگی تجربہ (مثلاً، مارکیٹنگ) کے حامل امیدواروں کو ہر کمپنی کے لیے ایک تفصیلی کور لیٹر تیار کرنا ہوگا یا اس کمپنی کے نمائندے سے ایک حوالہ حاصل کرنا ہوگا۔
تکنیکی اسکریننگ. یہ عام طور پر فون پر ہوتا ہے۔ آجر کے موجودہ اسٹیک سے متعلق ایک یا دو پیچیدہ اور اتنے ہی آسان سوالات پر مشتمل ہے۔
HR انٹرویو. فون پر کیا جا سکتا ہے۔ اس مرحلے پر، امیدوار کو عمومی مناسبیت اور بات چیت کرنے کی صلاحیت کے لیے جانچا جاتا ہے۔
تکنیکی انٹرویو. اکثر یہ شخصی طور پر ہوتا ہے۔ مختلف کمپنیوں میں، اسٹافنگ ٹیبل میں عہدوں کی سطح مختلف ہوتی ہے، اور عہدوں کو مختلف نام دیا جا سکتا ہے۔ لہذا، اس مرحلے پر یہ تکنیکی علم ہے جس کا تجربہ کیا جاتا ہے۔
CTO/چیف آرکیٹیکٹ کے ساتھ انٹرویو. انجینئر اور سائنسدان اسٹریٹجک پوزیشنز ہیں، اور بہت سی کمپنیوں کے لیے وہ نئے بھی ہیں۔ یہ ضروری ہے کہ مینیجر ممکنہ ساتھی کو پسند کرے اور اس کے خیالات میں اس سے اتفاق کرے۔
سائنسدانوں اور انجینئروں کو ان کے کیریئر کی ترقی میں کیا مدد ملے گی؟
ڈیٹا کے ساتھ کام کرنے کے لیے کافی نئے ٹولز سامنے آئے ہیں۔ اور بہت کم لوگ سب کے لیے یکساں اچھے ہوتے ہیں۔
بہت سی کمپنیاں کام کے تجربے کے بغیر ملازمین کی خدمات حاصل کرنے کے لیے تیار نہیں ہیں۔ تاہم، کم سے کم پس منظر اور مقبول ٹولز کی بنیادی باتوں کا علم رکھنے والے امیدوار ضروری تجربہ حاصل کر سکتے ہیں اگر وہ خود سیکھیں اور ترقی کریں۔
ڈیٹا انجینئر اور ڈیٹا سائنسدان کے لیے مفید خصوصیات
خواہش اور سیکھنے کی صلاحیت. آپ کو کسی نئے ٹول کے لیے فوری طور پر تجربے کا پیچھا کرنے یا ملازمتیں تبدیل کرنے کی ضرورت نہیں ہے، لیکن آپ کو ایک نئے علاقے میں جانے کے لیے تیار ہونے کی ضرورت ہے۔
معمول کے عمل کو خودکار کرنے کی خواہش. یہ نہ صرف پیداواری صلاحیت کے لیے اہم ہے، بلکہ ڈیٹا کے اعلی معیار اور صارفین کو ترسیل کی رفتار کو برقرار رکھنے کے لیے بھی اہم ہے۔
عمل کی "ہڈ کے نیچے کیا ہے" کی توجہ اور سمجھ. ایک ماہر جس کے پاس عمل کا مشاہدہ اور مکمل علم ہے وہ اس مسئلے کو تیزی سے حل کرے گا۔
الگورتھم، ڈیٹا ڈھانچے اور پائپ لائنز کے بہترین علم کے علاوہ، آپ کو ضرورت ہے۔ مصنوعات میں سوچنا سیکھیں۔ - فن تعمیر اور کاروباری حل کو ایک ہی تصویر کے طور پر دیکھیں۔
مثال کے طور پر، کسی بھی معروف سروس کو لینا اور اس کے لیے ڈیٹا بیس کے ساتھ آنا مفید ہے۔ پھر سوچیں کہ ای ٹی ایل اور ڈی ڈبلیو کو کیسے تیار کیا جائے جو اسے ڈیٹا سے بھرے، صارفین کس قسم کے ہوں گے اور ان کے لیے ڈیٹا کے بارے میں جاننا کیا ضروری ہے، اور یہ بھی کہ خریدار درخواستوں کے ساتھ کیسے تعامل کرتے ہیں: نوکری کی تلاش اور ڈیٹنگ، کار کرایہ پر لینا پوڈ کاسٹ ایپلیکیشن، تعلیمی پلیٹ فارم۔
ایک تجزیہ کار، ڈیٹا سائنسدان اور انجینئر کی پوزیشنیں بہت قریب ہوتی ہیں، اس لیے آپ دوسرے علاقوں کی نسبت ایک سمت سے دوسری سمت تیزی سے جا سکتے ہیں۔
کسی بھی صورت میں، یہ ان لوگوں کے لیے آسان ہو گا جو کسی بھی IT پس منظر کے حامل ہیں ان لوگوں کے مقابلے میں جن کے پاس یہ نہیں ہے۔ اوسطاً، حوصلہ افزائی والے بالغ افراد ہر 1,5-2 سال بعد دوبارہ تربیت دیتے ہیں اور ملازمتیں تبدیل کرتے ہیں۔ یہ ان لوگوں کے لیے آسان ہے جو گروپ میں اور ایک سرپرست کے ساتھ تعلیم حاصل کرتے ہیں، ان لوگوں کے مقابلے جو صرف کھلے ذرائع پر انحصار کرتے ہیں۔
نیٹولوجی کے ایڈیٹرز سے
اگر آپ ڈیٹا انجینئر یا ڈیٹا سائنٹسٹ کے پیشے کو دیکھ رہے ہیں، تو ہم آپ کو اپنے کورس پروگرامز کا مطالعہ کرنے کی دعوت دیتے ہیں:
- پیشہ"'.
- پیشہ"'.
- خیر"'.
ماخذ: www.habr.com