خلفية:

جئت إلى كندا في عام 2010 لدراسة إدارة الأعمال والتسويق أثناء حصولي على درجة البكالوريوس. هندسة الإنشاءات المدنية والصناعية ولدي خبرة في العمل كمهندس إنشاءات لأكثر من عامين. لقد اخترت هذا المجال من الدراسة للخروج من منطقة الراحة الخاصة بي وتعلم شيء جديد لا علاقة له بالهندسة. خلال دراستي، تعرفت على التسويق الرقمي (تسويق محركات البحث وتسويق تحسين البحث)، لقد انبهرت بـ SEO ومفاهيمه، وقررت اختيار SEO و SEM وخطوتي المهنية التالية. أثناء عملي كمدير تحسين محركات البحث/التسويق عبر محركات البحث، صادفت أوراق Google الشهيرة “Map Reduce” و”Page Rank“، وقد حفزت هذه المفاهيم والأفكار شغفي لتعلم كيفية عمل محركات البحث وتقدير مدى تعقيدها وتعقيدها وأشعلت الفضول والتقدير لكيفية عمل Google. يقوم بمسح وفهرسة الويب بالكامل. ساعدتني المعرفة التي حصلت عليها في التصنيف لمصطلحات البحث التنافسية للغاية أثناء عملي كمدير تحسين محركات البحث/التسويق عبر محركات البحث.

ما الذي جعلك مهتمًا بعلوم البيانات وهندسة البيانات؟

كبرت، أحببت كل ما يتعلق بالتكنولوجيا والرقمية، وأثناء عملي في مجال التسويق أدركت أهمية تحليل البيانات حيث أن جميع قراراتك تحتاج إلى التحقق من البيانات وبما أن Google تستخدم أكثر من 300 إشارة لتصنيف المواقع التي لا تزال غير معروفة أحتاج إلى تصميم وإدارة الكثير من حالات الاستخدام وقياس النتائج.

في عام 2014 تقريبًا، قررت الحصول على شهادة الدراسات العليا في التحليلات الرقمية. شعاري الشخصي هو الاستثمار في تعليمي كل بضع سنوات. أرى أن التعليم فرصة لاكتساب المعرفة قطعة قطعة، والتي، مثل قطع أحجية الصور المقطوعة، تسمح لك برؤية الصورة الأكبر.

مع مرور الوقت، دفعني شغفي بتحليل البيانات إلى التحول من مجال التسويق والتركيز فقط على البيانات. وفي نهاية عام 2018، قررت الانتقال إلى مجال البيانات لمتابعة شغفي بالبيانات الضخمة وهندسة البيانات والتحليلات التنبؤية والتعلم الآلي. لقد أجريت بعض الأبحاث وقررت الالتحاق ببرنامج تحليلات البيانات الضخمة وعلوم البيانات المتقدمة والتحليلات التنبؤية من جامعة يورك. زودني هذا البرنامج بالكثير من المفاهيم الأساسية للتعلم الآلي وهندسة البيانات.

عندما بدأت هذا البرنامج لم تكن لدي أي خبرة في البرمجة ولكن كان لدي معرفة واسعة جدًا بأجهزة الكمبيوتر وأنظمة التشغيل المختلفة. يستخدم البرنامج لغة R وPython، لذلك قررت الحصول على حساب DataCamp للحصول على بعض المعرفة الأساسية باللغتين، وفي ذلك الوقت أقضي حوالي 30-40 ساعة كل أسبوع في تعلم مواد البرنامج والقيام بتمارين ومشاريع DataCamp أثناء العمل بشكل كامل. وقت. لقد ساعدتني هذه التجربة بشكل كبير في إتقان البرنامج.

بعد التخرج بنجاح من البرنامج، اتخذت قرارًا باكتساب معرفة أعمق بالتعلم الآلي والتسجيل في برنامج شهادة التعلم الآلي من جامعة يورك. يوفر هذا البرنامج فهمًا رائعًا للتعلم الآلي والتعلم العميق أيضًا. لقد استمتعت جدًا بهذا البرنامج على الرغم من أنه كان صعبًا للغاية ولكنه مجزٍ. ومع ذلك، بعد التخرج، أدركت أنني كنت أفتقد المعرفة حول كيفية الحصول على البيانات وتحويلها وتوجيهها لنماذج التعلم الآلي المستقبلية.

لماذا المعسكر التدريبي ولماذا WeCloudData؟

لذلك، عدت للبحث عن برامج مختلفة يمكن أن تلبي رغبتي في أدوات البيانات الضخمة. لقد أكملت بعض دورات Udacity التي أود أن أقول إنها قدمت فهمًا قويًا لأفكار وتقنيات هندسة البيانات وأود بالتأكيد أن أوصي بدراسة Udacity – Data Engineering Nanodegree. ومع ذلك، بدت هذه البرامج ضحلة جدًا وأردت معرفة أكثر اتساعًا بتقنيات Spark وHadoop، وسرعان ما عثرت على شهادة WeCloudData وشهادة Big Data for Data علماءها. أنا ممتن لأنني وجدت هذا البرنامج، فقد زودني بفهم ملموس لجميع أدوات وتقنيات البيانات الضخمة الرئيسية. بحلول نهاية هذه الدورة التدريبية، تمكنت من إنشاء مسار للتعلم الآلي في الوقت الفعلي كان يستوعب بيانات تدفق الارتباط من Kinesis، ويحول البيانات ويغذيها إلى نموذج للتعلم الآلي على مجموعة Spark للتنبؤ باحتمالية النقر على الإعلانات . لقد استمتعت كثيرا بهذه الدورة والمدرب.

بعد تخرجي من برنامج البيانات الضخمة لعلماء البيانات، تلقيت دعوة للانضمام إلى برنامج هندسة البيانات التطبيقية بدوام كامل الذي أطلقته WCD للتو. وبحلول ذلك الوقت كنت قد اتخذت قراري بشأن ما أريد أن أفعله في المستقبل القريب وقررت أن ألتزم بجهدي وألتحق بهذا البرنامج بدوام كامل. أود أن أقول إن السمة الرئيسية لبرنامج الدوام الكامل التي أثرت على قراري بالالتحاق به هي القدرة على العمل مع شركات حقيقية لحل مشاكل أعمالها واكتساب خبرة قيمة. إذا نظرنا إلى الوراء، فأنا لست نادمًا على أخذ هذا البرنامج حقًا. لقد زودني البرنامج بمهارات هندسة البيانات المطلوبة للغاية والخبرة العملية باستخدام أفضل أدوات الصناعة. قدم البرنامج معرفة ملموسة حول التقنيات السحابية (AWS/CGP) والعديد من أدوات DE الأخرى لمعالجة كميات هائلة من البيانات. الآن، أنا واثق تمامًا من أنني سأتمكن من بناء خطوط أنابيب بيانات معقدة وشاملة وتصميم بنية تعتمد على البيانات.

تجربة التعلم:

كانت تجربة التعلم الشاملة رائعة، وربما كانت الأفضل حتى الآن. ومع ذلك، كانت هناك بعض العوائق، وكان ذلك متوقعًا منذ انضمامي إلى الدفعة الأولى من البرنامج. أعتقد أن هذا البرنامج سوف يتحسن. أود أيضًا أن أشير إلى أن البرنامج بدوام كامل يتطلب تفانيك وعملك الجاد وبعض الساعات كل أسبوع للمساهمة. يتمتع المدربون الذين يقودون البرنامج والمساعدين الفنيين بمعرفة كبيرة ويتمتعون بخبرة واسعة في الصناعة ومستعدون دائمًا لمساعدتك على فهم المفاهيم التكنولوجية المعقدة. أود أن أقول إن الجميع في WeCloudData يهتمون بنجاحك ويعملون بجد للتأكد من أنه يمكنك تطبيق معرفتك بثقة في مكان العمل.

مسابقة / المشاريع والتحديات:

كانت المشاريع مثيرة جدًا للاهتمام ومليئة بالتحديات في نفس الوقت وتعلمت الكثير. لقد تعرفت على أساليب وأدوات مختلفة لمعالجة البيانات المجمعة وفي الوقت الفعلي. أتاح برنامج الدوام الكامل إمكانية العمل مع عملاء حقيقيين، وهناك قمت بتطبيق ما تعلمته أثناء العمل في مشاريع العملاء وحل مشكلات العمل الحقيقية.

تجربة البحث عن وظيفة وتحدياته:

أود أن أقول إن البرمجة المباشرة كانت التحدي الأكبر بالنسبة لي عندما كنت أبحث عن وظيفة. كوني لا أمتلك خلفية في علوم الكمبيوتر، كان من الصعب جدًا فهم بعض المفاهيم، ومع ذلك، ساعدتني الخدمات عبر الإنترنت مثل LetCode و HackerRank كثيرًا في اكتساب المعرفة المفقودة حول خوارزميات الكمبيوتر. لقد أخذت أيضًا Udacity – Data Structures & برنامج Nanodegree للخوارزميات ساعدني بشكل كبير.

كيف ساعدتك تجربة BeamData؟

لقد ساعدتني تجربة BeamData بشكل كبير في الحصول على وظيفتي الحالية. باعتباري محوّلًا وظيفيًا، وجدت هذه التجربة ذات قيمة كبيرة لتكون واثقًا من المعرفة التي تكتسبها خلال فترة التعليم. لقد عملت على مشروعين للعميل، بالنسبة للمشروع الأول عملت كقائد للمشروع وكنت أعمل على تحديث قاعدة البيانات الخاصة بأداة ذكاء الأعمال الرئيسية وتحسين قدرات التخزين المؤقت للأداة، بالإضافة إلى ذلك، عملت على تحسين حل مستودع العميل الذي كان المنتشرة في كتلة ندفة الثلج. لقد أفادت الحلول التي قدمتها الشركة بشكل كبير من خلال توفير التكلفة وتحسين تجربة المحلل باستخدام أدوات ذكاء الأعمال. بالنسبة للمشروع الثاني، أعمل في شركة ناشئة في تورنتو تزود عملائها بأجهزة إنترنت الأشياء، وتستقبل بيانات العميل وتخزنها وتقدم تحليلات متعمقة لها. لقد كنت مسؤولاً عن تحسين البنية التحتية بشكل عام وقدمت بعض التحسينات الرئيسية التي أدت إلى تقليل تعقيد خطوط الأنابيب، وعرضت الكشف عن الحالات الشاذة في الوقت الفعلي من خلال التنبيهات في الوقت الفعلي وخفض التكلفة على نفقات AWS الشهرية.

الجدول الزمني للبحث عن وظيفة:

لقد استغرق الأمر مني حوالي شهر وإجراء حوالي 20 مقابلة لتلقي ثلاثة عروض عمل مختلفة. جميع العروض كانت لها نقاطها الجميلة وكان من الصعب جدًا الاختيار بينها. أعتقد أنها لم تكن أسوأ مشكلة واجهتها، لكنها كانت مرهقة بعض الشيء. بعد فترة طويلة من الوقت عندما كنت أقرر العرض الذي سأقبله، قررت اختيار العرض المتعلق بهندسة البيانات والأمن السيبراني. أعتقد أن هذا سيمنحني ميزة اكتساب الخبرة في الصناعات المتطورة والمتطلبة للغاية.

اقتراحات للطلاب الجدد:

تعجبني مقولة نيلسون مانديلا: “يبدو الأمر دائمًا مستحيلًا حتى يتم إنجازه”. الآن عندما أنظر إلى المسار الذي سلكته لأدرك أن ما أحب القيام به قد يبدو مستحيلاً إلى حد ما، لكن التركيز والتفاني والعاطفة يمكن أن يقودك إلى تحقيق بعض تلك الأشياء المستحيلة. أنصحك بأن تجد شغفك وتستمر في متابعته. فيما يتعلق بالمتطلبات الفنية، ركز على SQL وPython، هذين الأمرين “يجب أن تعرفهما” إذا كنت تريد أن تصبح مهندس بيانات ناجحًا.

الخطة للسنوات القليلة القادمة:

استمر في النمو بشكل احترافي في مجال هندسة البيانات وتعلم التقنيات الجديدة باستمرار. هدفي التالي هو الحصول على شهادات في Cyber Security وDevOps ثم متابعة درجة الماجستير لاحقًا.