บทความนี้เป็นของคุณ Soner Yıldırım ที่ได้ศึกษาเรียนรู้เกี่ยวกับ Data Science มาตั้งแต่ปี 2019 และใช้เวลาเกือบ 2 ปีกว่าที่จะได้ทำงานเป็น Data Scientist ในช่วงที่เรียนรู้ ตัวเขาเองได้ทำสิ่งต่าง ๆ มากมาย ทั้งที่สำเร็จและล้มเหลว และในบทความนี้ เขาจะมาบอกถึง 3 ข้อผิดพลาด ที่ควรหลีกเลี่ยง ขณะเรียนรู้ Data Science ซึ่งมาจากประสบการณ์ของเขา
1. ใช้เวลาไปกับ “การดู” มากเกินไป
การเรียนรู้ Data Science เป็นเรื่องที่ท้าทาย สิ่งที่ทำให้เป็นเรื่องยากไม่ได้มาจากการขาด Resources เพราะอันที่จริงมี Resources มากมายที่จะเรียนรู้ Data Science ไม่ว่าจะเป็น Video และ Tutorials, Articles, MOOC Courses, Micro Degrees และอื่น ๆ อีกมากมาย
แต่การมี Resources จำนวนมาก ไม่ได้รับประกันเส้นทางการเรียนรู้ที่มีประสิทธิภาพ เราต้องเลือกและใช้อย่างชาญฉลาด ไม่อย่างนั้นจะเป็นการเสียเวลาไปเปล่า ๆ
ในช่วงเริ่มต้นของเส้นทางสาย Data Science คุณ Soner ใช้เวลาส่วนใหญ่ไปกับการดู Video Tutorials พวกมันช่วยให้รู้คำศัพท์และ Concept ที่สำคัญได้อย่างชัดเจน และส่วนใหญ่ก็ง่ายต่อการปฏิบัติตามเช่นกัน เขารู้สึกเหมือนกำลังเรียนรู้อย่างรวดเร็ว
ผ่านไปไม่นานเขาก็ได้ตระหนักว่า เขาแค่เข้าใจ แต่ไม่ได้เรียนรู้ เขาคิดว่ามีการเข้าใจผิดอย่างมากเกี่ยวกับการดู Video Tutorials เนื่องจากมีการอธิบายสิ่งต่าง ๆ ได้ชัดเจน คุณจึงรู้สึกเหมือนว่าได้เรียนรู้ แต่ที่จริงคุณเพียงแค่เข้าใจ
เราต้องมีส่วนร่วมกับการเรียนรู้อย่างกระตือรือร้น ในกรณีส่วนใหญ่ เรามักไม่สามารถเรียนรู้ได้ทั้งหมดจากการดู Video Tutorials เราจำเป็นต้องมีช่วงฝึกฝน การลงมือปฏิบัติจริง ๆ อาจต้องใช้เวลามากขึ้น แต่แน่นอนว่า มันมีประสิทธิภาพมากกว่าการเรียนรู้เพียงอย่างเดียว
หลีกเลี่ยงการใช้เวลาหลายชั่วโมงในการดู Video Tutorials คุณควรพยายามจัดการกับปัญหาที่ท้าทายแทน เมื่อคุณแก้ปัญหาดังกล่าว คุณมักจะพบกับปัญหาหรืออุปสรรคที่ Video Tutorials และ MOOC Courses ไม่ได้กล่าวถึงไว้อย่างครอบคลุม ดังนั้น การลงมือปฎิบัติ จึงเป็น Resource ที่ดีเยี่ยมสำหรับการเรียนรู้ของคุณ
2. การละเลย SQL
SQL ถูกใช้สำหรับการโต้ตอบกับ Relational Databases ตอนแรก คุณ Soner คิดว่า SQL เป็น Tools ในการดึงข้อมูลจาก Relational Databases เพียงเท่านั้น แต่อันที่จริงมันเป็นมากกว่านั้น
เขาตระหนักว่า ต้องเรียนรู้ SQL เขาได้เรียนรู้พื้นฐานและวิธีเขียน Queries ง่าย ๆ เขาคิดว่ามันอยู่ในระดับที่เพียงพอสำหรับ Data Scientist แต่เขาคิดผิด
SQL เป็นทักษะที่จำเป็นต้องมีสำหรับ Data Scientist คุณต้องไปไกลกว่าการแค่เขียน Queries ง่าย ๆ SQL มี Function และ Methods มากมายที่สามารถใช้ในการวิเคราะห์และจัดการข้อมูล
ดูเหมือนว่า Data Analysis Tool ที่มีชื่อเสียงที่สุดน่าจะเป็น Pandas Library ของ Python การ Operations ส่วนใหญ่ที่คุณทำได้ด้วย Pandas สามารถทำได้ด้วยการใช้ SQL แม้ว่า Syntax อาจไม่ง่ายเหมือน Pandas แต่ก็มักจะมีวิธีการแทบจะทุกครั้ง
ข้อได้เปรียบที่สำคัญที่สุดของการใช้ SQL สำหรับการวิเคราะห์และจัดการข้อมูล ก็คือ มันช่วยให้สามารถดึงแค่ข้อมูลที่คุณต้องการเท่านั้น เห็นได้ชัดว่า มันมีประสิทธิภาพมากกว่าการดึงข้อมูลเป็นจำนวนมาก ๆ แล้วค่อยทำในส่วน Operations หลังจากที่ได้เริ่มทำงานเป็น Data Scientist คุณ Soner ก็ได้ตระหนักว่า SQL มีความสำคัญต่อ Data Scientist มากเพียงใด
3. ทำหลาย Projects แทนที่จะทำเพียง 1 Project
หากคุณไม่เคยมีประสบการณ์การทำงานด้าน Data Science มาก่อน วิธีที่ดีที่สุดในการแสดงทักษะของคุณคือการทำ Projects มี Blog Posts มากมายที่เน้นย้ำถึงความสำคัญของ Projects สำหรับ Data Scientist ที่ฝึกฝนฝีมือด้วยตนเอง
การทำ Projects ไม่ได้ส่งผลเสียอะไรเลย แต่ปัญหาคือ Projects โดยส่วนใหญ่ มีความท้าทายที่ไม่มากเพียงพอ Projects ที่คุณสามารถทำเสร็จได้ภายใน 1-2 วัน ดูเหมือนจะไม่ดึงดูดใจผู้ที่สัมภาษณ์งานมากนัก
Projectsเหล่านี้ ดีและเหมาะสำหรับการเรียนรู้และฝึกฝน อย่างไรก็ตาม การใช้พวกมันเพื่อการหางาน ดูจะเป็นสิ่งที่ไม่ตอบโจทย์นัก แทนที่คุณจะทำ Projects เป็นโหล ๆ คุณควรพยายามทำสัก Project ให้เสร็จ แต่เป็น Project ที่มีความโดดเด่นและน่าสนใจ
การเป็น Data Scientist ไม่ใช่แค่การใช้ Tools และ Packages เท่านั้น Data Scientist ควรจะสามารถระบุปัญหาที่สามารถแก้ไขได้ด้วยข้อมูล จากนั้นจึง Design และ Implement วิธีแก้ปัญหา Project ที่แสดงให้เห็นว่า คุณมีทักษะในการใช้ข้อมูลเพื่อค้นหาวิธีแก้ปัญหา ถือเป็นสิ่งที่ช่วยพลิกสถานการณ์ได้
คุณควรหลีกเลี่ยงที่จะ Focus กับการทำ Project เล็ก ๆ หลาย Projects ให้เสร็จ แต่คุณควรพยายามสร้าง Idea ที่สร้างสรรค์หรือไม่ซ้ำใครขึ้นมาแทน มันอาจไม่ใช่เรื่องง่าย แต่ถ้าคุณสามารถทำได้ มันก็ช่วยดึงดูดใจผู้สัมภาษณ์งานจำนวนหนึ่งได้
ISM Technology Recruitment Ltd. (#1 Tech Recruiter in Thailand) เราเชี่ยวชาญในธุรกิจ IT Recruitment & IT Outsourcing โดยเฉพาะ เปิดทำการมา 30 ปี มีพนักงานทุกสายและทุกระดับทางด้าน IT ที่ได้ร่วมงานกับลูกค้าองค์กรใหญ่ที่มีชื่อเสียงและบริษัทข้ามชาติมากมาย
หากคุณเป็นคน IT ที่อยากทำงานท้าทายและร่วมงานกับองค์กรชั้นนำ สามารถฝากประวัติการทำงาน (Resume) ของคุณไว้กับ ISM ได้ที่ https://www.ismtech.net/submit-your-resume แล้วคุณจะพบว่าอนาคตและโอกาสก้าวหน้ากำลังรอคุณอยู่
Source: https://towardsdatascience.com/