DATA SCIENCE

«علم داده» دانشگاه مسینا دربارهٔ این است که چگونه از مجموعه‌ای از عددها، متن‌ها یا ثبت‌های دیجیتال به نتیجه‌ای برسیم که بتوان آن را آزمود. مسیر از سؤال شروع می‌شود، نه از الگوریتم. باید بفهمی چه داده‌ای لازم داری و چرا. این دوره در مقطع ارشد و به زبان انگلیسی ارائه می‌شود و برای ورود به آن، پایهٔ ریاضی و برنامه‌نویسی کمک زیادی می‌کند.

در طول تحصیل معمولاً آمار، یادگیری ماشین، برنامه‌نویسی، مدیریت داده و روش‌های بصری‌سازی را می‌خوانی. ممکن است مدلی برای پیش‌بینی بسازی، گروه‌های مشابه را پیدا کنی یا رابطهٔ چند متغیر را بررسی کنی. پیش از همهٔ این‌ها باید داده را تمیز و ساختارش را درک کنی. این مرحله زمان‌بر است، اما بدون آن نتیجهٔ پیچیده هم ارزش چندانی ندارد.

یکی از خطرهای رایج، عاشق‌شدن به مدلی است که روی دادهٔ تمرین عالی عمل می‌کند. باید آن را روی نمونهٔ مستقل بسنجی و ببینی آیا تغییر کوچک در داده نتیجه را به هم می‌ریزد یا نه. همبستگی نیز علت را ثابت نمی‌کند. وقتی تحلیل برای تصمیم واقعی استفاده می‌شود، لازم است عدم قطعیت، سوگیری و پیامد خطا را روشن بیان کنی.

پس از فارغ‌التحصیلی می‌توانی در تحلیل داده، علم داده، هوش تجاری، فناوری مالی، بازاریابی تحلیلی یا پژوهش کار کنی. برای نقش‌های فنی‌تر، تسلط بر کدنویسی و مهندسی نرم‌افزار اهمیت بیشتری پیدا می‌کند. بهتر است نمونه‌کارت فقط نتیجهٔ نهایی نباشد و روند انتخاب داده، روش ارزیابی و اشتباه‌هایی را که اصلاح کرده‌ای نیز نشان بدهد.

اگر مدرکت را از ایران گرفته‌ای، رشته‌های مستقیم‌تر برای ورود به این دوره معمولاً علم داده، علوم کامپیوتر، مهندسی کامپیوتر، آمار، ریاضی و مهندسی صنایع هستند. با مدرک اقتصاد، مهندسی برق، فیزیک یا مدیریت مالی هم ممکن است بتوانی اقدام کنی، اما بهتر است ریزنمراتت نشان بدهد که برنامه‌نویسی، آمار، احتمال، جبر خطی و الگوریتم را به‌اندازهٔ کافی گذرانده‌ای. اسم مدرک به‌تنهایی تعیین‌کننده نیست و دانشگاه تطابق درس‌ها و واحدها را جداگانه بررسی می‌کند؛ پس این فهرست را راهنمای اولیه بدان، نه تضمین پذیرش.