امروز علم داده به یکی از پر کاربرد ترین و جذاب ترین حوزه مهندسی صنایع تبدیل شده و من مایلم در اینجا برخی از نظراتم دربارهی اینکه علم داده چیست را با شما عزیزان در میان بگذارم.
برای درک بهتر باید از پاسخ به این سوال شروع کنیم که علم داده به چه چیزهایی گفته نمیشود.
نکته ی اول این است که علم داده یک کار مهندسی نرمافزار نیست و این یعنی که علم داده مربوط به تولید محصول و یا ویژگیهای محصول یا هر چیز مطلوب دیگر نیست.
ثانیا علم داده یک کار تجسمی نیست. ایجاد یک تصور مناسب نه شروع کار و نه هدف نهایی یک دانشمند علم داده است. و نیازی به گفتن نیست که علم داده تولید اینفوگرافیکهای موثر نیست.
نکته ی دیگر این است که علم داده یک کار علمی نیست. به ویژه دانشمندان علم داده، در محیط آکادمیک کار نمیکنند و این علم نیاز مخصوص صنعت و بازارهای تجاری است. دانشمندان علم داده معمولا مقاله چاپ نمیکنند و همچنین چاپ مقاله و کتاب دغدغهی کاری هیچ یک دانشمندان علم داده نیست.
از نظر من اینکه علم داده در بیشتر اوقات، آمار است مخالفم. در تصور عامه علم داده علم استفاده از آمار است که این مطلب خلاف واقعیت است و من قصد دارم امروز این را برای شما عزیزان تشریح کنم.
علم داده:
علم داده جمع کاملی از مهارتهای برنامهنویسی، دانش آماری،برخی تکنیکهای تصویرسازی و مقدار زیادی شم تجاری میباشد. منظور از شم تجاری، تمایل به ترجمهی هر سوال در زمینهی تجارت به سوالی است که با دادههایی که یا موجود هستند یا در آینده در اختیار قرار میگیرند، قابل پاسخ دادن باشد. در حقیقت علم داده یک راه به خصوص را برای اتصال تمام نقاط در دنیای تصادفی پر از داده که بیشتر انها در وهلهی اول مفید به نظر نمیرسند، بهکار میگیرد.
یک دانشمند در حوزهی علم داده فردی است که بین جهان تجارت و جهان داده ارتباط برقرار میکند.
بهتر است از یک مثال برای اینکه بتوانم منظورم را به شما برسانم اسفاده کنم. فعالیت در حوزهی علم داده مانند تهیهی غذاست. این کار شامل دادهکاوی که شامل ETL (استخراج، انتقال و بارگذاری) میشود اما به آنها محدود نیست، تمیزکاری داده و رفع نقص دادهها و … میباشد.
این مرحله مشابه مرحلهی آمادهسازی غذاست که شما سبزیها و گوشت را تمیز میکنید و مواد غذایی را به قطعات با سایز مناسب ریز میکنید و آنها را کنار قرار میدهید.
بعد از انجام این امور، شما آمادهی طبخ مواد غذایی هستید که این مرحله، مرحلهی نظیر جستو جوی دادهها، ساخت ویژگیها و اجرای الگوریتمها و … میباشد. این مرحله همان مرحلهی طبخ گوشت و سبزیجات طبق یک دستور مرحله به مرحله و طبق زمانبندیست و سپس باید مواد خام را که تبدل به غذای آمادهی سرو میشوند نظاره کنید. مرحلهی اخر سرو غذا است.
وقتی که شما غذای طبخ شده را به صورت هنری تزیین میکنید و آن را به ترتیبی که سفارش داده شده سرو میکنید. این همان مرحله است که شما نتایج دادهکاوی خود را در یک تصویرسازی هنری آماده میکنید و گزارشهایی تهیه میکنید تا برای کاربرانی که اینکار را سفارش داده بودند ارسال میکنید.به طور خلاصه، فرایند علم داده شامل دادهکاوی و ارائهی نتایج قابل بکارگیری میباشد.
در اینجا میخواهم شما را با مجموعهی ابزاری که میتوان به کمک آن تمام یا بخشی از این فرآیند را انجام داد که شامل Python، R، Tableau، SQL و … می باشد، آشنا کنم.
پایتون
پایتون ( Python) به عنوان یک ابزار مفید برای تمام اهداف و به ویژه برای آمادهسازی داده بکار میرود. این نرمافزار میتواند برای دادهکاوی نیز استفاده شود. علاوه براین پایتون میتواند برای انتقال اطلاعات مورد استفاده قرار گیرد چرا که امکانات رسم گراف در ان روز به روز در حال رشد است.
R
نرم افزار R در زمینهی آمادهسازی داده در مقایسه با Python اندکی ضعیف است. اما بهخاطر طبیعتش که تمام مفاهیم آماری که با آن سروکار داریم را شامل میشود. این نرمافزار را تبدیل به یک نرمافزار عالی برای جستوجو در دادهها و اجرای الگوریتمها برای پارامترهای مختلف و تولید پیشالگو برای علم داده میکند. R همچنین در تصویرسازی نیز بسیار قوی عمل میکند و میتواند یک فرایند تکراری دادهکاوی را به یک گزارش درخشنده تبدیل کند.
Tableau
صحبت از تصویرسازی دادهها است، Tableau یکی از بهترین نرمافزارهای تجاری برای جستو جوی تصویری دادههاست. این نرمافزار به علاوه برای تولید گزارشهای تصویری واکنشپذیر نیز به کار میرود.
در کنار Python، R و Tableau یک نرمافزار دیگر در حوزهی علم داده وجود دارد که تمایل دارم قبل از اتمام این پست به معرفی ان بپردازم. SQL در حوزهی امادهسازی داده مانند زبان انگلیسی است. این زبان برنامهنویسی در یکپارچهسازی منابع مختلف داده بسیار قدرتمند است و همچنین در جستوجوی دادهها و عیبیابی انها بسیار مفید است.
امیدوارم که انچه گفته شد برای شما قابل درک باشد. من همچنان در حال اموزش هستم و در حال تعمیق بخشیدن به دانش خود در این زمینه میباشم. در آینده مطالب کامل تر ،تخصصی تر و کاربردی تری برای استفاده هر چه بیشتر شما عزیزان بارگذاری خواهم کرد.
گزارش