บทความ IT เจ๋งๆ
5 ตัวอย่าง Data Scientist ยอดแย่
23-มี.ค.-18
คัมภีร์เทพ IT
ปัจจุบันมีการใช้ Data Science ในธุรกิจกันมากขึ้น ส่งผลให้เกิดความต้องการคนในสายงานนี้เพิ่มขึ้นเช่นกัน ทำให้หลายคนอยากเป็น Data Scientist ถ้าหากคุณคือหนึ่งในนั้นล่ะก็ นี่คือ 5 ตัวอย่างของ Data Scientist ยอดแย่ ที่คุณไม่ควรคิดหรือทำตามเป็นแบบอย่าง จะมีอะไรบ้างเรามาดูกันเลยครับ
1. ฉันต้องการเป็น Data Scientist (เพราะเงินดี) จะเริ่มต้นตรงไหนดี
คนที่คิดแบบนี้ พวกเขาคงเคยทราบว่างาน Data Science นั้นได้เงินดี ก็เลยอยากเข้ามาทำด้านนี้ แต่พวกเขาอาจไม่รู้ว่า ต้องใช้ความพยายามอย่างหนักในการศึกษาหาความรู้และต้องใช้ทักษะหลายอย่างที่เกี่ยวข้อง, Data Science เป็นงาน Research ที่ต้องทำอย่างต่อเนื่อง เป็นงานที่แทบจะไม่มี Solution ที่ชัดเจนเลย นี่คือเรื่องจริงเกี่ยวกับ Deep Learning ซึ่งมีเทคโนโลยีหรือไอเดียใหม่ๆ เกิดขึ้นทุกวัน และตัวคุณเองก็ควรมีไอเดียใหม่ๆ ด้วยเช่นกัน แต่ถ้าหากคุณยังโพสต์ถามใน Social Media ว่า “จะเริ่มต้นจากตรงไหนดี” อยู่ละก็ คุณคงไม่มีทางไปถึงจุดนั้นหรอก คุณต้องปรับทัศนคติเสียใหม่ และคิดเกี่ยวกับ Innovation อยู่เสมอ ก่อนจะเข้ามาทำงานในด้านนี้
2. ฉันสามารถทำงานด้าน Data Science แต่ช่วยส่ง “CLEAN” Data มาให้ด้วยนะ
ถ้าคุณแค่ผ่านพวกคอร์ส Data Science มาแค่คอร์สเดียวหรือผ่านมาบ้างเล็กน้อย หรือไม่ก็อาจเคยผ่านการแข่งขันใน Kaggle มาบ้าง นั่นอาจเป็นภาพลวงตา เพราะ Data ที่คุณเห็นจากคอร์สที่เรียนหรือจากที่แข่งขัน Kaggle มันถูกเตรียม ถูก Clean (หรือทำให้พร้อมใช้งาน) ไว้แล้ว ซึ่งช่วยทำให้คุณไปทางไปถึงแก่นของปัญหาและเรียนรู้เกี่ยวกับ Machine Learning ได้ไวขึ้นเท่านั้นเอง แต่ในโลกความเป็นจริง Data ที่ได้มามันไม่พร้อมใช้งานหรอก คุณต้องเตรียมมันด้วยตัวเอง บางครั้งคุณอาจต้องเก็บข้อมูลด้วยตัวเองด้วยซ้ำ ส่วนที่ดีที่สุดของงานที่ Data Scientist ทำ คือการได้เล่นกับ Data ต่างๆ, เตรียม Data, ได้ทำการ Clean Data รวมทั้งอื่นๆ อีกมากมาย หากคุณยังไม่เคยทำ ยังทำไม่ได้ หรือยังไม่สามารถหาสาเหตุและทางแก้ปัญหานั้นได้ด้วยตัวคุณเอง มันก็ยากที่คุณจะได้ทำงานนี้
3. ทักษะคณิตศาสตร์ของฉันแย่(มาก) แต่คนอื่นบอกว่า ฉันเป็น Data Scientist ได้
ถ้าคุณคิดแบบนี้อยู่ ถือว่าผิดถนัดเลย ถ้าคุณไม่มีความรู้ทางคณิตศาสตร์ วันหนึ่งคุณอาจพบทางตันเพราะต้องเจอสถานการณ์ที่ต้องใช้ความรู้คณิตศาสตร์ขั้นสูง ซึ่งคุณจะไม่สามารถผ่านมันไปได้แน่นอน สิ่งแรกที่ควรทำหากต้องการเริ่มเรียนรู้คณิตศาสตร์ คือ กำจัดความคิดที่ว่า “คณิตศาสตร์เป็นเรื่องที่ยากมาก” ออกไปให้ได้เสียก่อน ความรู้ด้านคณิตศาสตร์ที่คุณควรรู้ เช่น Calculus, Statistics รวมทั้งฝึกพูดและคิดในเรื่องที่เกี่ยวกับคณิตศาสตร์
4. ช่วยระบุปัญหาที่ “ชัดเจนแล้ว” มาให้ฉัน
บางคนก็เหมาะหรือสามารถทำอะไรได้ดีเฉพาะในเรื่องที่ไม่มีความซับซ้อนยุ่งยาก แต่ในความเป็นจริงแล้วไม่เพียง Data ที่มีความยุ่งเหยิงเท่านั้น แต่ปัญหาที่ต้องแก้ก็มีความยุ่งยากซ่อนอยู่ด้วย แถมอาจขาดความชัดเจนและมีความคลุมเครือ คุณต้องหาทางออกให้ได้ คุณควรกำหนดปัญหาให้เป็นและสามารถปรับแก้มันให้ได้ด้วยตัวเอง คุณต้องอยู่กับความยุ่งเหยิงเหล่านี้ให้ได้ ถ้าคุณไม่สามารถหา Objective (ทั้งๆ ที่ยังไม่ชัดเจน) แล้วทำให้มันชัดเจนขึ้นด้วยการ คิด, วิจัย และพูดคุยกับผู้เกี่ยวข้องจนได้ Solution ออกมาแล้วล่ะก็ อย่าคาดหวังว่าจะได้เป็น Data Scientist ง่ายๆ ยังมีความเข้าใจผิดๆ อีกเรื่อง คือ ถ้าคุณคิดว่าจบปริญญาเอกมาแล้วจะแก้ปัญหาได้ดี นั่นอาจจะไม่จริง เพราะแม้แต่คนที่เก่งมากๆ ก็อาจต้องใช้พยายามอย่างหนักเหมือนกับคนอื่นๆ อยู่ดี ดังนั้น จงมุ่งมั่น และพร้อมรับกับความท้าทายต่างๆ
5. หลังจากที่เรียนรู้ Data Science แล้ว ฉันมีทั้ง Blog/Portfolio…ฉันทำได้ทุกอย่าง
มีบางคนที่เรียนรู้ Data Science ขณะเดียวกันก็รู้ว่าสามารถใช้สิ่งเหล่านี้เพื่อสร้างแบรนด์ให้ตัวเองได้ ผ่าน Portfolio, Blog หรือบทความ แต่ความจริงแล้ว พวกเขายังไม่เคยได้ลองทำอย่างจริงจังเลย คนเหล่านั้นมักจะคิดว่า พวกเขารู้ทุกอย่างและสามารถหาทางแก้ปัญหาได้ เป็นไปได้ว่าคนกลุ่มนี้เชื่อในโฆษณาเกินจริงเกี่ยวกับความสามารถด้าน Data Science และ Machine Learning ซึ่งสุดท้ายแล้วความคิดแบบนี้ มันอาจเป็นปัญหาในวิชาชีพนี้เสียมากกว่า ดังนั้น ก่อนจะเข้ามาอยู่ในสายงานนี้ จงลงมือทำมันจริงๆ และทำอย่างจริงจัง
ถ้าคุณอยากเป็น Data Scientist สิ่งที่คุณควรทำคือ เรียนรู้ให้มากๆ ฝึกฝนให้เยอะๆ หาข้อมูลในเรื่องที่คุณสนใจเพื่อเพิ่มความรู้ให้ตัวเอง เรียนรู้สิ่งใหม่ๆ อยู่เสมอ อย่าจำกัดตัวเองแค่การเรียนรู้จากคอร์สต่างๆ ลองฝึกฝนจากตัวอย่างจริงๆ ซื่อสัตย์กับสิ่งที่ทำ กับสิ่งที่ทั้งรู้และไม่รู้
ที่มา: https://towardsdatascience.com/
รับตำแหน่งงานไอทีใหม่ๆ ด้วยบริการ IT Job Alert
|
|
อัพเดทบทความจากคนวงในสายไอทีทาง LINE ก่อนใคร
อย่าลืมแอดไลน์ @techstarth เป็นเพื่อนนะคะ
|
|
บทความที่เกี่ยวข้อง