გაიცანი მონაცემთა მეცნიერების ლექტორი, ციცი ტეფნაძე
ბიზნეს პროცესების გასაუმჯობესებლად და ეფექტურად სამართავად მნიშვნელოვანია, რომ ორგანიზაციებმა მონაცემებზე დაფუძნებული გადაწყვეტილებები მიიღონ. მონაცემთა მეცნიერება კი სწორედ ამ მხრივ ეხმარება მათ – აღმოაჩინონ ნედლ მონაცემებში მიმოფანტული ღირებული მიგნებები. შედეგად, შესაძლებელი ხდება სხვადასხვა წყაროდან მომხმარებლების შესახებ ინფორმაციის შეგროვება და ანალიზის შემდგომ მათი გამოყენება პროექტების დაგგემვისას.
თუ გაინტერესებს მონაცემთა ანალიტიკა და მისი გამოყენებით პრობლემების გადაჭრა, სწორ ადგილას მოხვდი. ამ ბლოგში გაგაცნობ commschool-ის ლექტორს, ციცი ტეფნაძეს, რომელიც მონაცემთა მეცნიერების კურსს გაუძღვება.
ციცი მაგისტრატურისა და დოქტორანტურის საფეხურზე, მათემატიკის მიმართულებით სწავლობდა. თეორიული ცოდნის პრაქტიკაში გამოყენების მიზნით, საცხოვრებლად გერმანიაში გადავიდა, სადაც კომპიუტერული მეცნიერებების საბაკალავრო პროგრამაზე განაგრძო სწავლა.
ამ პერიოდში, ციცინომ ხელოვნური ინტელექტის დეპარტამენტიდან მიიღო შეთავაზება, სადაც პირველად ჰქონდა შეხება მანქანური სწავლებისა და Deep Learning-ის პროექტებთან. სწორედ ამ პროცესში გააცნობიერა, რომ ეს სფერო იდეალურად ერწყმოდა მის მათემატიკურ ცოდნას, ანალიტიკურ უნარებსა და ტექნოლოგიებისადმი ინტერესს.
ძალიან მსიამოვნებდა პროექტებზე მუშაობა, პრობლემების გადაჭრა და ინოვაციური მეთოდების გამოყენება. სწორედ ამიტომ, გადავწყვიტე ჩემი კარიერა მონაცემთა მეცნიერების მიმართულებით გამეგრძელებინა.
ციცის კარიერული გზა სტუდენტობის პერიოდიდან დაიწყო, როდესაც მონაცემთა ანალიტიკოსის პოზიცია დაიკავა. ამ პოზიციაზე შეისწავლა მონაცემების შეგროვება, ანალიზი და ვიზუალიზაცია, რაც კარგი საფუძველი იყო მისი მომავალი საქმიანობისთვის.
სწავლის დასრულების შემდეგ, გადავიდა სრულ განაკვეთზე მონაცემთა მეცნიერის პოზიციაზე, სადაც აქტიურად მუშაობდა მანქანური სწავლების მოდელებსა და დროითი რიგების ანალიზზე.
ციცინოს სამუშაო გამოცდილება, მონაცემთა მეცნიერებაში, სამ წელს ითვლის და საკმაოდ მრავალფეროვანია. ამჟამად ის უფრო მონაცემთა მეცნიერის პოზიციას იკავებს Point 8 GmbH-ში, სადაც მუშაობს ისეთ პროექტებზე, რომლებიც ოპტიმიზაციას უწევენ ინდუსტრიულ პროცესებსა და ბიზნეს გადაწყვეტილებებს. მას ასევე უთანამშრომლია ისეთ კომპანიებთან, როგორებიცაა Dürr GmbH და utilution GmbH.
მონაცემთა მეცნიერებაში, აუცილებელია მუდმივი განვითარება, რადგან ეს სფერო ძალიან სწრაფად ვითარდება. ვცდილობ, ყოველთვის ვიყო ინფორმირებული ახალი ალგორითმებისა და ტექნოლოგიების შესახებ; ვკითხულობ ბლოგებსა და სამეცნიერო ნაშრომებს. ჩემი მიზანია, მუდმივად გავიღრმავო ცოდნა, სხვა მიდგომებიც გავითვალისწინო და მიღებული ინფორმაცია პროექტებში გამოვიყენო.
მონაცემთა მეცნიერი: პროფესიის შესახებ
ამერიკულმა Forbes-მა იმ პროფესიების ათეული გამოაქვეყნა, რომლებიც, გამოცემის შეფასებით, 2024 წელს დასაქმებულთათვის ექვსნიშნა ანაზღაურების მომტანი იქნება; მათ შორისაა, მონაცემთა მეცნიერებაც.
მოსალოდნელია, რომ 2025 წლისთვის, გლობალურად გენერირებული მონაცემების მოცულობა 200 ზეტაბაიტს გადააჭარბებს, რაც კიდევ უფრო გაზრდის მოთხოვნას მონაცემთა მეცნიერებზე. საქართველოში მონაცემთა მეცნიერება, ნელ-ნელა იკიდებს ფეხს და სულ უფრო მეტად პოპულარული ხდება. კომპანიები ამ მიმართულებით კიდევ უფრო მეტი კადრების აყვანას იწყებენ. მოთხოვნა ძალიან მაღალია მსოფლიოშიც, განსაკუთრებით ტექნოლოგიების, ფინანსების და ჯანდაცვის სფეროებში.
მონაცემთა მეცნიერება მოიცავს მონაცემების შეგროვებას, ანალიზსა და ინტერპრეტაციას. მისი საშუალებით, შეგვიძლია გამოვავლინოთ მონაცემებში დამალული კანონზომიერებები, რაც მნიშვნელოვან ინფორმაციას გვაძლევს ბიზნეს გადაწყვეტილებების მისაღებად და პროცესების დასაგეგმად. ის აერთიანებს სხვადასხვა დარგს, როგორებიცაა მათემატიკა, სტატისტიკა და კომპიუტერული მეცნიერებები. დღეს ეს პროფესია განსაკუთრებით აქტუალურია, რადგან ორგანიზაციები დიდწილად ეყრდნობიან მონაცემებზე დაფუძნებულ გადაწყვეტილებებს.
ყოველდღიური სამუშაო პროცესი მოიცავს შემდეგს:
- ყოველ დილით გუნდის წევრები მოკლედ განიხილავენ, რას გეგმავენ იმ დღისთვის და რაიმე დახმარება ხომ არ სჭირდებათ;
- მონაცემთა გააზრება, ურთიერთკავშირების პოვნა და დამოკიდებულებების გამოკვლევა;
- მონაცემების მთავარი მახასიათებლების იდენტიფიცირება და მათი ვიზუალიზაცია, მოდელის განვითარება და გაუმჯობესება;
- დამკვეთთან მიღებული შედეგების პრეზენტაცია და მათთან აქტიური კომუნიკაცია;
გუნდში ხშირია თანამშრომლობა მონაცემთა ინჟინრებთან, პროგრამისტებთან და პროექტის მენეჯერებთან. ჯგუფს გარეთ კი აქტიური კომუნიკაცია დამკვეთებთან.
მონაცემთა მეცნიერისთვის საჭირო ცოდნა მოიცავს პროგრამირების ენებს (Python, R), მონაცემთა ბაზებთან მუშაობის უნარს, სტატისტიკას, მანქანურ სწავლებასა და ღრმა დასწავლას. საჭირო რბილი უნარები კი მოიცავს – კრიტიკული აზროვნების, კომუნიკაციისა და პრობლემის გადაჭრის გზების ცოდნას.
მონაცემთა მეცნიერი VS მონაცემთა ინჟინერი VS მონაცემთა ანალიტიკოსი
მონაცემთა მეცნიერი (Data Scientist) პასუხისმგებელია მონაცემების ანალიზისა და მოდელების შექმნაზე, რომლებიც შესაძლებელია სხვადასხვა ბიზნეს პრობლემების გადაჭრისთვის გამოიყენონ.
მონაცემთა ინჟინერი (Data Engineer) კი, მუშაობს მონაცემთა არქიტექტურის, სისტემებისა და ინფრასტრუქტურის შექმნაზე, რათა უზრუნველჰყოს მონაცემთა ეფექტური შეგროვება, დამუშავება და შენახვა.
რაც შეეხება მონაცემთა ანალიტიკოსს (Data Analyst), იგი აანალიზებს მონაცემებს, მუშაობს ვიზუალიზაციაზე და აკვირდება მონაცემების ქცევას, რათა დაადგინოს მახასიათებლები და ტენდენციები.
მონაცემთა მეცნიერება: კურსის შესახებ
როგორც უკვე აღვნიშნეთ, ციცი მონაცემთა მეცნიერების კურსს გაუძღვება. ამ პროგრამის მიზანია, სტუდენტებმა შეძლონ რეალურ ცხოვრებაში მონაცემთა მეცნიერების პროექტების წარმატებით განხორციელება. ყოველი ლექცია მოიცავს როგორც თეორიულ, ისე პრაქტიკულ ნაწილს, სადაც სტუდენტებს შეეძლებათ ცოდნის გაღრმავება და მისი პრაქტიკაში გამოყენება. ყოველი მოდულის შემდეგ, სტუდენტები მიიღებენ დავალებებს, რითიც შეეძლებათ განიმტკიცონ ის თემები, რომლებიც ლექციაზე განიხილეს.
კურსი იწყება მონაცემთა მეცნიერების ზოგადი შესავლითა და Python-ის საფუძვლებით, რასაც მოდევს მონაცემების დამუშავების ტექნიკები, სხვადასხვა მანქანური სწავლებისა და ღრმა დასწავლის მეთოდები.
პროგრამის დასასრულს, სტუდენტები მიიღებენ ფინალურ დავალებას, სადაც გამოიყენებენ მიღებულ ცოდნასა და პრაქტიკულ უნარებს.
მნიშვნელოვანია, რომ სტუდენტებმა კურსისგან მიიღონ არა მხოლოდ თეორიული ცოდნა, არამედ პრაქტიკული მიდგომები და პრობლემების გადაჭრის უნარი. მონაცემთა მეცნიერება, რეალურ პრობლემებზე მუშაობას მოიცავს, ამიტომ სტუდენტები უნდა იყვნენ დარწმუნებულები, რომ შეძლებენ კონკრეტულ საკითხებზე მკაფიო და დასაბუთებული გადაწყვეტილებების მიღებას. მივესალმები ნებისმიერ კითხვას და ვეცდები, მაქსიმალურად გასაგებად ავხსნა ყველა საკითხი.
ასე რომ, მონაცემთა მეცნიერებით დაინტერესებულ სტუდენტებს, წინ საინტერესო თავგადასავალი გელოდებათ. კურსის შესახებ, უფრო დეტალურ ინფორმაციას, ქვემოთ მოცემულ ბმულზე შეგიძლია გაეცნო.
მანამდე კი თვალი გადაავლე ციცის რეკომენდაციებს მონაცემთა სამყაროს შესახებ:
- YouTube: Stanford Online (Andrew Ng Lectures)
- პოდკასტები: Data Skeptic
- წიგნები: Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow
- ფილმი: Her
რელევანტური ბლოგები
-
ხელოვნური ინტელექტი პრაქტიკაში – გაიცანი ლექტორი, შოთა ნათენაძე...
-
გზამკვლევი მონაცემთა პროფესიებში: ანალიტიკა, მეცნიერება, ინჟინერია...
-
კონტენტ მარკეტინგის კურსის ლექტორი, ირინა ბერიაშვილი პროფესიისა და გამოცდილების შესახებ...
-
-
-
ხელოვნური ინტელექტი პრაქტიკაში – გაიცანი ლექტორი, შოთა ნათენაძე...
-
-
თბილისის კომუნიკაციის სკოლა DataFest Tbilisi 2024-ის პარტნიორია...
-
-
შესაძლოა გაინტერესებდეს
დამწყები
საშუალო
საშუალო
შესვლა Google-ით
შესვლა Facebook-ით