We have already noted in previous articles that a job in data science is the dream of many in recent times, and this matter requires effort to obtain great experience and knowledge due to the high level of competition to obtain this job.
And the most important pillars of the required expertise is not only knowing the tools and dealing with them, but it is necessary for the data scientist to have a comprehensive idea of the main concepts and techniques and use them later according to the requirements of the work to be accomplished.
In this article, we will provide a comprehensive guide for beginners who are about to learn data science
Let’s first learn about the concept of data science
Data science in a simplified way is the integration of a group of sciences such as mathematics, statistics and programming that work together to obtain useful insights when dealing with data.
Many related sciences branch out from data science, and the following sciences are the most common, including:
Machine learning, data analysis, business intelligence, statistics, mathematics and other sciences whose prevalence is no longer a secret
Data science is utilized according to previous features and technologies in several areas, including:
Language translation and text analytics, image sorting, remote sensing and health services management
The three most common tasks in data science
Data Analyst: Analyze data to generate better insights for business decisions
Data Scientist: Extracting useful information from big data
Data architecture: dealing with data pipelines
What are the best ways to learn data work?
Learning data science is distinguished by the fact that the deeper you study it, the more knowledge horizons will increase in front of you, and you will feel that you still have a lot to learn. Through this plan, diversify learning sources, such as using online training courses, viewing certificates, and choosing the appropriate ones. There are other means that we will discuss later.
* Know the basic concepts
Knowing the necessary tools and software used by a data scientist as well as the main techniques is one of the most important necessities to learn
Learning a programming language is the most important pillar necessary to start the journey of learning as the Python language (or any language of your choice), you must learn it to the point of proficiency, and reading articles related to the basics of programming and learning how to write code helps you to enable and consolidate the information you receive
* learning through the implementation of projects
This method is the best for learning, as it will introduce you to the work environment in data science. As you implement projects, you will have clear visions, and you will have your own style in deducing options and exploring appropriate solutions.
The implementation of projects requires conducting many searches and carrying out relevant studies. It is advised to start with simple projects that suit your level as a beginner, and with continuous repetition and good follow-up, you will find yourself starting to learn broader concepts to move on to implementing more complex projects, thus increasing your experience and skills.
What are the most important points that a beginner data scientist should learn?
You must choose a field in which you specialize in data science, and accordingly we mention several concepts that you must learn and master
1. Comprehensive knowledge
You must realize the real world around you by following the news that benefits you in your field of learning and keeping abreast of all updates and technologies. By employing the events around you in your studies in a field of data science, you can get the maximum benefit from the course of events around you.
2. Mathematics and Statistics
mathematics
* Linear Algebra: It is a branch that is useful in machine learning because it relies on the formation of matrices, which is a basic pillar of machine learning, so that the matrix represents the data set
Probability: This branch of mathematics is useful in predicting the unknown outcomes of a particular event
* Calculus: They are useful in collecting small differences to determine the derivatives and integrals of functions, and this appears in deep learning and machine learning
Statistics
Descriptive statistics: includes (average, median, cut statistics, and weighted statistics). This is considered the beginning of the stages of analyzing quantitative data formed in the form of charts and graphs.
Inferential statistics: includes determining working measures A and B tests and creating hypothesis tests, probability value, and alpha values for analyzing the collected data
3. Dealing with databases
When talking about data engineering, we should mention the intersection between a data scientist and a data engineer, where pipelines are created for all data from several sources and stored in a single data warehouse.
As a beginner it is recommended to learn SQL and then move to One RDBMS such as
MySQL and One NoSQL
4. Python and its libraries
It is the most widely used programming language for later use in data analytics due to its simplicity in terms of building code and organizing sentences, and it has many libraries such as NumPy, Pandas, Matplotlib, and Scikit-Learn.
This allows the data scientist to use data more effectively
There are courses for beginners in Python on Udemy or Coursera that can be used to learn the principles of Python
5. Data cleaning
It is a time-consuming task for beginners, but it must be implemented in order to obtain good data analysis resulting from clean data.
For a detailed explanation of data cleaning, you can read a comprehensive article through this link Click here
6. Exploratory data analysis
This type of analysis is meant to detect anomalies in the data and test hypotheses with the help of statistics and graphs
As a beginner, you can use Python to perform EDA according to the following steps
Data collection: It involves gathering, measuring, and analyzing accurate data from multiple sources in order to find a solution to a specific problem
Data cleaning: Troubleshoot incorrect data
Univariate analysis: It is an analysis process based on a single change without addressing complex relationships and aims to describe the data and identify existing patterns
Bivariate Analysis: This process compares two variables to determine how the features affect each other to perform the analysis and determine the causes
7. Visualization
One of the most important pillars of all data analysis projects, visualization is a technique that makes seeing data clear and effective in the end, and reaching effective results in visualization depends on having the right set of visualizations for different types of data
Types of perceptions:
HISTOGRAM
bar chart
BUBBLE CHART
RADAR CHART
WATERFALL CHART
PIE CHART
LINE CHART
AREA CHART
TREE MAP
SCATTERPLOT
BOX PLOT
The most important visualization tools:
Tableau: This is the most popular tool for data visualization due to its reliance on scientific research, which improves analysis results with the required speed
BI Bower: An interactive program developed by Microsoft that is often used in business intelligence
Google Chart: It is widely used by the analyst community due to its provision of graphical visualizations
JupiterR: This web-based application features the convenience of creating and sharing documents with visualizations
So we conclude from the above that visualization is the process of showing data in a visual way without having to plan all the information
I hope that I have been successful in identifying the most important points that help a beginner in data science to stand on his feet and prove himself as a data scientist seeking to develop himself and refine his skills
It is certain that many of you, dear readers, have knowledge of other important points that I did not mention. Share them with us in the comments, Thank you.
إضاءة شاملة على ما يجب أن يتعلمه المبتدئ في علم البيانات
سبق وأن نوهنا في مقالات سابقة أن الوظيفة في علم البيانات هي حلم الكثيرين في الآونة الأخيرة، وأصبح هذا الأمر يتطلب مجهوداً في الحصول على خبرة ومعرفة كبيرين بسبب ارتفاع مستوى المنافسة للحصول على هذه الوظيفة
وأهم ركائز الخبرة المطلوبة ليس فقط معرفة الأدوات والتعامل معها بل من الضروري أن يمتلك عالِم البيانات فكرة شاملة عن المفاهيم والتقنيات الرئيسية واستخدامها فيما بعد وفق متطلبات العمل المراد إنجازه
في هذا المقال سنتقدم دليلاً إرشادياً شاملاً للمبتدئين المقبلين على تعلم علم البيانات
لنتعرف في البداية على مفهوم علم البيانات
علم البيانات بشكل مبسط هو تكامل مجموعة علوم كالرياضيات والإحصاء والبرمجة تؤدي عملها مع بعضها للحصول على رؤى مفيدة عند التعامل مع البيانات
:يتفرع عن علم البيانات العديد من العلوم ذات الصلة وتعد العلوم الآتية هي الأكثر شيوعاً نذكر منها
التعلم الآلي وتحليل البيانات وذكاء الأعمال والإحصائيات والرياضيات وغيرها من العلوم التي لم يعد انتشارها يخفى على أحد
:يُستفاد من علم البيانات وفق الميزات والتقنيات السابقة في عدة مجالات نذكر منها
ترجمة اللغة وتحليلات النص، فرز الصور، الاستشعار عن بعد وإدارة الخدمات الصحية
المهام الثلاث الأكثر شيوعاً في علم البيانات
محلل البيانات: تحليل البيانات لتكوين رؤى أفضل لقرارات العمل
عالِم البيانات: استخراج المعلومات المفيدة من البيانات الضخمة
مهندس بيانات: التعامل مع خطوط أنابيب البيانات
ما هي الطرق الأمثل لتعلم عمل البيانات؟
يتميز تعلم علم البيانات بأنه كلما تعمقت في دراسته أكثر كلما ازدادت الأفق المعرفية أمامك أكثر وستشعر بأن ما زال أمامك الكثير لتتعلمه، وبإمكانك كمتعلم مبتدئ أن تضع لنفسك خطة تدريبية تعينك على التعلم بمرونة وسهولة لتتجنب الوقوع في فخ الملل ثم اليأس كما يحصل مع الكثيرين ويمكنك من خلال هذه الخطة تنويع مصادر التعلم كالاستعانة بالدورات التدريبية عبر الإنترنت والاطلاع على الشهادات واختيار المناسب منها وهناك وسائل أخرى سنتطرق إليها لاحقاً
التعرف على المفاهيم الأساسية *
التعرف على الأدوات والبرامج اللازمة التي يستخدمها عالِم البيانات إضافة إلى التقنيات الرئيسية هي من أهم الضرورات التي يجب تعلمها
فتعلم لغة برمجة هو أهم الركائز الضرورية لبدء رحلة التعلم كلغة بايثون (أو أي لغة تختارها)، يجب عليك تعلمها إلى درجة الإتقان كما وأن قراءة المقالات المتعلقة بأساسيات البرمجة وتعلم كيفية كتابة الكودات البرمجية يساعدك على تمكين وترسيخ المعلومات التي تتلقاها
طريقة التعلم عن طريق تنفيذ المشاريع *
تعتبر هذه الطريقة هي الأفضل للتعلم فهي ستدخلك في بيئة العمل في علم البيانات فقيامك بتنفيذ المشاريع ستتشكل لديك الرؤى الواضحة وسيتكون عندك أسلوباً خاصاً بك في استنتاج الخيارات واستكشاف الحلول المناسبة
يتطلب تنفيذ المشاريع إجراء العديد من عمليات البحث وتنفيذ الدراسات ذات الصلة وينصح بالبدء بمشاريع بسيطة تناسب مستواك كمبتدئ، ومع التكرار المستمر والمتابعة الجيدة ستجد نفسك بدأت تتعلم مفاهيم أوسع لتنتقل إلى تنفيذ مشاريع أكثر تعقيداً فتزداد خبرتك ومهاراتك
ما هي أبرز النقاط التي يجب على عالِم البيانات المبتدئ أن يتعلمها؟
يجب عليك اختيار مجال تختص فيه في علم البيانات وبناءً عليه نذكر لك عدة مفاهيم يجب أن تتعلمها وتتقنها
1. المعرفة الشاملة
عليك أدراك العالم الواقعي من حولك عن طريق متابعة الأخبار التي تفيدك في مجال تعلمك ومواكبة كافة التحديثات والتقنيات، فمن خلال توظيف الأحداث من حولك في دراستك في مجال من مجالات علم البيانات يمكنك تحصيل الاستفادة القصوى من مجريات الأحداث من حولك
2. الرياضيات والإحصاء
الرياضيات
الجبر الخطي: هو فرع يفيد في التعلم الآلي لاعتماده على تشكيل المصفوفات التي هي ركيزة أساسية في التعلم الآلي، بحيث تمثل المصفوفة مجموعة البيانات
* الاحتمالات: يفيد هذا الفرع من الرياضيات في التنبؤ بالنتائج الجهولة لحدث معين
التفاضل والتكامل: يفيدان في جمع الفروق الصغيرة لتحديد مشتقات وتكاملات الوظائف وهذا يظهر في التعلم العميق والتعلم الآلي
الإحصاء
الإحصاء الوصفي: يشمل (المتوسط والوسيط والإحصاءات المقطوعة والإحصاءات الموزونة) وتعتبر هذه بداية مراحل تحليل البيانات الكمية المتشكلة على هيئة مخططات ورسوم بيانية
الإحصاء الاستدلالي: تشمل تحديد مقاييس العمل اختبارات أ وَ ب وإنشاء اختبارات الفرضيات والقيمة الاحتمالية وقيم ألفا لتحليل البيانات المجمعة
3. التعامل مع قواعد البيانات
عند التطرق إلى الحديث عن هندسة البيانات فيجدر بنا التنويه إلى التقاطع بين عالم البيانات ومهندس البيانات، بحيث يتم إنشاء خطوط أنابيب لجميع البيانات من عدة مصادر وتخزينها في مستودع بيانات واحد
SQL وكمبتدئ ينصح بتعلم
One RDBMS ومن ثم الانتقال إلى نظام
One NoSQL و MySQL مثل
4. لغة بايثون والتعرف على مكتباتها
وهي اللغة الأكثر استخداماً في البرمجة للاستخدام اللاحق في تحليلات البيانات نظراً لبساطتها من حيث بناء الكودات وتنظيم الجُمل
وهي تمتلك العديد من المكتبات
NumPy و Pandas و Matplotlib و Scikit-Learn مثل
ما يتيح لعالِم البيانات باستخدام البيانات بفاعلية أكبر
يوجد دورات تدريبية للمبتدئين في بايثون
Coursera أو Udemy على
يمكن الاستفادة منها في تعلم مبادئ بايثون
5. تنظيف البيانات
وهي مَهمة تستهلك بالنسبة للمبتدئين كثيراً من الوقت لكن لابد من تنفيذها وذلك من أجل الحصول على تحليل بيانات جيد ناتج عن بيانات نظيفة
وللتوضيح بشكل تفصيلي عن تنظيف البيانات يمكنك قراءة مقال شامل من خلال هذا الرابط
6. تحليل البيانات الاستكشافية
يقصد بهذا النوع من التحليل اكتشاف حالات الشذوذ في البيانات واختبار الفرضيات بمساعدة الإحصاءات والرسوم البيانية
كمبتدئ يمكنك استخدام بايثون
وفق الخطوات التالية EDA لإجراء
جمع البيانات: تتضمن جمع البيانات الدقيقة من مصادر متعددة وقياسها وتحليلها بغية إيجاد حل لمشكلة معينة
تنظيف البيانات: استكشاف البيانات غير الصحيحة وإصلاحها
التحليل أحادي المتغير: وهي عملية تحليل تعتمد على تغير واحد دون التطرق إلى العلاقات المعقدة والهدف منها وصف البيانات وتحديد الأنماط الموجودة
التحليل الثنائي المتغير: تجري هذه العملية مقارنة بين متغيرين لتحديد كيفية تأثير الميزات على بعضها البعض لإجراء التحليل وتحديد الأسباب
7. التصور
أحد أهم الدعائم الأساسية لكافة مشاريع تحليل البيانات، فالتصور هو تقنية تجعل من رؤية البيانات بشكل واضح وفعال في النهاية، والوصول إلى نتائج فعالة في التصور يعتمد على امتلاك المجموعة الصحيحة من التصورات لأنواع البيانات المختلفة
:أنواع التصورات
HISTOGRAM
BAR CHART
BUBBLE CHART
RADAR CHART
WATERFALL CHART
PIE CHART
LINE CHART
AREA CHART
TREE MAP
SCATTERPLOT
BOX PLOT
: أهم أدوات التصور
:Tableau
تعد هذه الأداة الأكثر شيوعاً في تصور البيانات لاعتمادها على البحث العلمي مما يحسن نتائج التحليل بالسرعة المطلوبة
:Bower BI
برنامج تفاعلي مطوَّر من قِبَل شركة مايكروسوفت يستخدم غالباً في ذكاء الأعمال
:Google Chart
يستخدم بكثرة عند مجتمع المحللين نظراً لما يوفره من إنتاج التصورات الرسومية
:JupiterR
يعتمد هذا التطبيق على الويب ويتميز بأنه يتيح إنشاء المستندات التي تتضمن التصورات ومشاركتها بكل أريحية
إذاً نستنتج مما سبق أن التصور هو عملية إظهار البيانات بشكل مصوَّر مرئي دون الحاجة إلى تخطيط جميع المعلومات
أرجو أن أكون قد وُفِّقت في تحديد أكثر النقاط أهمية والتي تعين المبتدئ في علم البيانات على الوقوف على قدميه وإثبات نفسه كعالِم بيانات يسعى إلى تطوير ذاته وصقل مهاراته
من المؤكد أن كثيراً منكم أعزاءي القراء لديهم المعرفة بنقاط هامة أخرى لم أقم بذكرها شاركونا بها في التعليقات ولكم الشكر
Data World 