نقشه راه شغلی: مهندس داده

ترکیبی از آموزش، آموزش در حین کار، و گواهی در علم داده، راه را از علوم بهداشتی به مهندسی داده هموار کرد.

• آموزش اولیه و اشتغال
• از علوم بهداشتی تا تجزیه و تحلیل داده
• مهندس داده شدن
• یک هفته کاری معمولی
• لحظه کاری به یاد ماندنی
• آموزش مداوم و توسعه شغلی
• الهام‌ها و توصیه‌هایی برای دیگران

مهندسی داده عناصر مهندسی نرم‌افزار و علم داده را ترکیب می‌کند و یکی از سریع‌ترین نقش‌ها در فناوری اطلاعات است. به گفته Indeed.com، مهندسان داده معماری مورد استفاده در علم داده را توسعه و حفظ می کنند. پروژه ها. آنها مسئول اطمینان از جریان بدون وقفه داده ها بین سرورها و برنامه ها هستند.

مهندسین داده باید با طیف وسیعی از سیستم عامل ها و پایگاه های داده آشنا باشند و بتوانند نرم افزار بنویسند و برنامه ریزی کنند. آنها در انبار داده ها و تجزیه و تحلیل داده ها تجربه دارند و باید تفکر انتقادی و مهارت های ارتباطی عالی داشته باشند. مهندسان داده ممکن است مهارت های خود را از طریق ترکیبی از آموزش، آموزش در حین کار و گواهینامه های مداوم بیاموزند. Indeed خاطرنشان می کند که اخذ گواهینامه راهی عالی برای نشان دادن توانایی ها و پیشرفت در این زمینه است.

لنس مایلز یک مهندس داده در unitQ است.

برای اینکه بفهمیم چه چیزی در مهندس داده شدن نقش دارد، با لنس مایلز، مهندس داده در unitQ.

آموزش اولیه و اشتغال

مایلز در سال ۲۰۱۳ مدرک لیسانس علوم اعصاب را از دانشگاه کالیفرنیا، سانتا کروز دریافت کرد. گواهینامه در علم داده از دانشگاه واشنگتن در سال ۲۰۱۷؛ و مدرک کارشناسی ارشد علوم اطلاعات و داده از دانشگاه کالیفرنیا، برکلی، در سال ۲۰۲۰.

مایلز می‌گوید: «وقتی به حرفه‌ام و قدم‌هایی که برداشته‌ام فکر می‌کنم، یک تجربه خاص تأثیر زیادی روی من گذاشت. “در سه ماهه پایانی کالج، یک دوره پایتون، برنامه نویسی برای زیست شناسان، زمینه را برای یک اشتیاق جدید فراهم کرد.”

مایلز هر روز را صرف نوشتن کد برای استخراج اطلاعات از مجموعه داده‌های توالی‌یابی عظیم، توسعه روش‌هایی برای محاسبه خواص فیزیکی-شیمیایی توالی‌های پروتئین، شناسایی طول و مکان ژن‌ها و مشخص کردن DNA ویروسی می‌کرد.

مایلز می‌گوید: «توانایی تقطیر مجموعه‌های داده‌های ناکارآمد در نتایج مختصر، قدرت جفت کردن برنامه‌نویسی با زیست‌شناسی را برجسته می‌کند. “این دوره من را به روش های جدیدی به چالش کشید و من کاملاً درگیر شدم. در سطح شخصی، عمل ساده کدنویسی برای من شادی و خشنودی به ارمغان آورد.»

از علوم بهداشتی تا تجزیه و تحلیل داده

اگرچه مایلز همیشه به فناوری علاقه داشت، اما کار خود را در بخش مراقبت های بهداشتی در Gilead Sciences، یک شرکت داروسازی آغاز کرد.

“سفر من برای تبدیل شدن به یک مهندس داده چندان ساده نبوده است، اما چیزی که همه اینها را به هم مرتبط کرده است، بدون شک علاقه من به استفاده از داده ها برای تغییر نحوه نگاه تیم ها و شرکت ها به کارشان و تاثیر آن بوده است.” مایلز می گوید.

مایلز در Gilead Sciences به عنوان یک پژوهشگر ارشد در زیست شناسی آزمایشگاهی کار کرد و نشانگرهای زیستی قابل ترجمه بالینی را که نشان دهنده سلامت قلب و عروق هستند شناسایی کرد. هر آزمایشی که او روی آن کار کرد هزاران نقطه داده به دست آورد، اما تجزیه و تحلیل داده ها زمان بر بود.

مایلز می‌گوید: «من فرصتی برای ساده‌سازی تحلیل، ایجاد ماکروهای اکسل دیدم که به‌طور مؤثر داده‌ها را تجزیه و اطلاعات حیاتی را استخراج می‌کردند». این به تیم اجازه داد تا روی هضم نتایج و تصمیم گیری در مورد آزمایشات بعدی تمرکز کند. با دیدن تأثیر کارم در شناسایی نشانگرهای زیستی مؤثر، به دنبال تمرکز بر پروژه‌هایی بودم که تأثیر آن بر بیماران واضح و فوری بود.»

پس از تکمیل پروژه های پیش بالینی، مایلز به گروه فارماکولوژی بالینی به عنوان هدایت کننده عملیات بیوآنالیتیک برای مطالعات بالینی ضد ویروسی منتقل شد. او می‌گوید: «با استفاده از ریشه‌های تجزیه و تحلیل داده‌هایم، با اطلاعات ثبت‌نام بالینی کار کردم تا پیش‌بینی کنم چه زمانی داده‌های فارماکوکینتیک برای ارسال دارو در دسترس خواهیم بود. “علاوه بر این، من فرصت هایی برای کار با داده های بالینی داشتم، جایی که داده های بیمار را در چندین مطالعه بالینی جمع آوری، پاکسازی و تجزیه و تحلیل کردم تا کیفیت داده ها را ارزیابی کنم.”

مهندس داده شدن

با تشویق و کمک رهبری ارشد، مایلز در یک برنامه گواهینامه علم داده از طریق دانشگاه واشنگتن ثبت نام کرد. او می‌گوید: «این اولین مواجهه من با یادگیری ماشینی بود و چیزی که در نهایت تمایل من برای تغییر شغل را تقویت کرد.

برای دو سال بعد، مایلز به عنوان مشاور برای Vir Biotechnology مشغول به کار شد و مدرک کارشناسی ارشد خود را دریافت کرد. او می‌گوید: «کار درسی ما بر چرخه حیات یک پروژه علم داده، از جمع‌آوری و تمیز کردن داده‌ها تا توسعه و استقرار مدل متمرکز بود. کار با داده‌ها هر روز به من اصول علم داده را آموخت. قدردانی عمیقی از مهندسی داده و یادگیری ماشین به دست آوردم.”

مایلز پس از اخذ مدرک فوق لیسانس، به عنوان مهندس ارشد علم داده برای استارت آپی به نام Popdog مشغول به کار شد. با پیشرفت استارتاپ ها، کارهای زیادی برای انجام دادن وجود داشت. پروژه‌ها گسترده بودند و تأثیر فوری داشتند.

پروژه ها از تجزیه و تحلیل داده ها و مهندسی داده تا علم داده و یادگیری ماشین را شامل می شود. مایلز می‌گوید: «در طول مدتی که در پاپ‌داگ بودم، متوجه شدم که به سمت پروژه‌های مهندسی داده گرایش پیدا کردم و شروع به خرید کتاب و شرکت در کلاس‌های آنلاین برای تقویت درک خود از این زمینه کردم. با توجه به اینکه این قطعه چقدر برای موفقیت پروژه های علم داده مهم است، با توجه به اینکه پروژه ها آمدند، شروع به تمرکز بر جنبه های مهندسی داده کردم.

در پایان دوره تصدی خود در Popdog، مایلز تیمی از مهندسان را رهبری کرد تا یک سیستم بینایی کامپیوتری سرتاسری ایجاد کنند که روزانه میلیون‌ها پیش‌بینی را بر روی داده‌های ویدئویی انجام می‌داد. او می‌گوید: «این شامل بسیاری از کار مهندسی داده‌ها و در عین حال ادغام فناوری‌های جدید در پشته داده‌های ما بود.

در سال ۲۰۲۱، مایلز فرصتی را در unitQ پذیرفت، جایی که در حال حاضر به عنوان مهندس داده برای تیم داده کار می کند. او می‌گوید این شرکت «مظهر همه چیزهایی است که می‌توان امیدوار بود در یک استارت‌آپ فناوری داشته باشد – محیطی که همکاری، نوآوری و رشد را تقویت می‌کند». واحد کیو با استفاده از روش‌های بسیار جدید برای نگاه کردن به داده‌ها، راه‌حل‌های یادگیری ماشینی پیشرفته‌ای را توسعه داده است که مشکلات بسیار واضحی را برای مشتریان واقعاً جالبی مانند Spotify، Quizlet و Pandora به روشی جدید برطرف می‌کند.

اکنون، مشکلات مهندسی داده که مایلز به نظر می‌رسد حل کند بسیار چالش برانگیز هستند، او می‌گوید: «و من واقعاً برای مسیر پیش رو هیجان‌زده هستم. “این یک فرصت عالی برای یادگیری و استفاده از خودم بوده است.”

یک هفته کاری معمولی

“در unitQ ما بر روی پنج v داده‌ها – حجم، ارزش، تنوع، سرعت و صحت – تمرکز می‌کنیم و ابتکارات تیم داده حول حل مشکلاتی است که به این دسته‌ها می‌پردازند.” مایلز می گوید. ما بینش‌های مبتنی بر داده‌ها را از بازخورد کاربران ارائه می‌کنیم تا شرکت‌ها بتوانند کیفیت محصول را بهبود بخشند. سیستم‌های ما روزانه میلیون‌ها بازخورد را از ده‌ها منبع داده دریافت می‌کنند و فهرست منابع داده‌ای پشتیبانی‌شده هر ماه در حال افزایش است.»

مایلز می‌گوید

پروژه‌ها و وظایف حول چیزهایی مانند ایجاد قابلیت‌های جدید برای تمیز کردن و آماده‌سازی داده‌ها برای خدمات می‌چرخند. او می‌گوید: «علاوه بر این، ما میکروسرویس‌های خود را برای رسیدگی به حجم بسیار بیشتری از داده‌ها کاهش می‌دهیم تا بتوانیم با رشد پایگاه مشتریانمان به نیازهای مشتریان خود پاسخ دهیم.» “یک هفته کاری معمولی از همه این ابتکارات بیرون می آید.”

یک لحظه به یاد ماندنی شغلی

یکی از خاطره انگیزترین لحظات در حرفه مایلز همین چند ماه پیش اتفاق افتاد. او می‌گوید: «ما یک مشتری unitQ داشتیم که علاقه‌مند بود تمام بازخوردهایشان را در مجموعه‌ای از سطل‌های منحصربه‌فرد دسته‌بندی کند. «مردم از تمام بخش‌های سازمان گرد هم آمدند تا راه‌حلی جدید و هیجان‌انگیز بسازند. ما به سرعت چندین مدل یادگیری ماشین را نمونه‌سازی کردیم تا ببینیم آیا می‌توانیم سیستمی بسازیم که بتواند به طور قابل اعتماد این مشکل را برطرف کند.”

پس از آزمایش‌های فراوان و بررسی داخلی، تیم تنها در یک ماه راه‌حلی را برای مشتری ایجاد کرد. مایلز می گوید: «مشتری ما از نتایج ما راضی بود. “علاوه بر این، ویژگی‌ای که ما ساختیم برای بسیاری از مشتریان دیگر ارزشمند بود و گواهی واقعی بر رهبری، کار گروهی و توانایی‌های ما بود.”

آموزش مستمر و توسعه شغلی

مایلز برای کسب دانش بیشتر در مورد رشته خود، کتاب می خواند، دوره های آنلاین می گذراند و از سایر منابع آنلاین اطلاعات استفاده می کند.

او می‌گوید: «من کاملاً معتقدم که یادگیری فناوری‌های جدید و به‌روز ماندن در جدیدترین و بهترین‌ها بسیار مهم است – به‌ویژه به این دلیل که بخش فناوری به طور مداوم در حال پیشرفت است. “علائق فعلی من در مورد افزایش خدمات جریان داده ما است.”

مایلز می‌گوید:

برنامه گواهی‌نامه علم داده از طریق دانشگاه واشنگتن یک مؤلفه حیاتی برای ورود به مقطع کارشناسی ارشد بود. او می‌گوید: «و مدرک کارشناسی ارشد من در علم اطلاعات و داده‌ها برای تبدیل شدن به صنعت فناوری بسیار مهم بود. “با داشتن تجربه کمی در زمینه برنامه نویسی در دوره کارشناسی خود، این به من تجربه ای را داد که به دنبالش بودم.”

الهام‌ها و توصیه‌هایی برای دیگران

یک مربی یک بار توصیه کرد، “قرار نگیرید. من نمی خواهم شما را تا یک سال دیگر اینجا ببینم. می‌خواهم ببینم که به دنبال علایقت می‌روی.» مایلز می‌گوید که این موضوع خشن و تا حدودی کلیشه‌ای به نظر می‌رسید، «اما این موضوع مهمی بود که در هنگام کار برای تغییر مسیرهای شغلی در ذهن داشتم. این ترسناک بود که از چیزی که در آن مهارت داشتم به حوزه جدیدی حرکت کنم که در آن از نقطه اول شروع کنم. اما این چیزی است که من برای خودم می‌خواستم، بنابراین توصیه‌ها را جدی گرفتم.»

مایلز می‌گوید: «میلیون‌ها راه برای ورود به مهندسی داده‌ها وجود دارد. «مسیرهای سنتی و مسیرهای غیر سنتی مانند مسیر من وجود دارد. اگر علاقه مند و پرشور هستید، راه هایی برای کسب تجربه پیدا کنید و شروع به کندوکاو در داده ها کنید. چه از طریق تجربه در حین کار، بازگشت به مدرسه، شرکت در یک برنامه گواهینامه، یا خواندن کتاب و تماشای ویدیوهای YouTube، راه‌های زیادی برای کسب تجربه و دانش مرتبط در مهندسی داده وجود دارد.”