Terkadang saya suka menjelajahi kumpulan data yang menarik minat saya. Jika saya membangun model yang berhasil pada data dari Kaggle, di mana model yang tak terhitung jumlahnya telah dibuat, tidak akan ada nilai praktisnya, tetapi setidaknya itu akan memungkinkan saya untuk mempelajari sesuatu yang baru. Tetapi ilmuwan data adalah orang-orang yang berusaha keras untuk menciptakan sesuatu yang baru, unik, sesuatu yang dapat membawa manfaat nyata bagi dunia.
Bagaimana Anda menghasilkan ide-ide baru? Untuk menemukan jawaban atas pertanyaan ini, saya menggabungkan pengalaman saya sendiri dan hasil penelitian tentang kreativitas. Hal ini menyebabkan fakta bahwa saya dapat membentuk 5 pertanyaan, yang jawabannya membantu menemukan ide-ide baru. Di sini saya juga akan memberikan contoh ide yang ditemukan berkat metodologi yang saya usulkan. Saat Anda mencari jawaban atas pertanyaan yang disajikan di sini, Anda akan berjalan di jalur menghasilkan ide-ide baru dan akan dapat menggunakan potensi kreatif Anda secara maksimal. Hasilnya, Anda akan memiliki ide unik baru yang dapat diterapkan dalam proyek Ilmu Data Anda.
1. Mengapa saya ingin mulai mengerjakan proyek baru?
Ketika Anda berpikir untuk memulai proyek baru, Anda memiliki maksud atau tujuan di kepala Anda. Pertama, Anda perlu menemukan jawaban atas pertanyaan mengapa Anda ingin membuat proyek lain di bidang ilmu data. Memiliki garis besar kasar tentang tujuan yang Anda tuju akan membantu Anda fokus dalam menemukan ide. Jadi pikirkan tentang untuk apa Anda akan membuat proyek. Berikut beberapa opsinya:
- Ini adalah proyek portofolio yang akan Anda tunjukkan kepada calon pemberi kerja.
- Ini adalah draf artikel tentang konsep, model, atau analisis data eksplorasi.
- Ini adalah proyek yang memungkinkan Anda untuk mempraktikkan sesuatu. Misalnya, kita dapat berbicara tentang pemrosesan bahasa alami, tentang visualisasi data, tentang pemrosesan data primer, tentang beberapa algoritme pembelajaran mesin tertentu.
- Ini adalah proyek yang sangat istimewa yang tidak dijelaskan dalam daftar ini.
2. Bidang apa yang menjadi minat dan pengalaman saya?
Ada tiga alasan utama untuk memikirkan pertanyaan ini.
- Pertama, ingat diagram Venn yang digunakan dalam ilmu data untuk mendeskripsikan keterampilan yang dibutuhkan di bidang ini. Pengetahuan di bidang tertentu merupakan aset penting yang harus dimiliki oleh setiap data scientist. Masalah tertentu dapat diselesaikan dengan memproses data hanya jika area subjek tempat data ini berada jelas. Jika tidak, algoritme akan diterapkan, visualisasi dan prediksi akan dibuat yang tampaknya tidak memadai bagi praktisi mana pun dari profil yang sesuai. Dan jika apa yang Anda lakukan tidak masuk akal, lalu mengapa repot-repot melakukannya?
- -, , , , . , . , . , , .
- -, , , . , , - .
Izinkan saya memberi Anda sebuah contoh. Bidang pengetahuan yang menarik minat saya dan saya memiliki pengalaman meliputi keberlanjutan lingkungan dan sosial ekonomi dari sistem, keuangan, budaya populer, pemrosesan bahasa alami. Berfokus pada topik ini membantu saya memanfaatkan apa yang sudah saya miliki. Berkat pengetahuan ini, saya menentukan apakah saya dapat, terinspirasi oleh sesuatu, menghasilkan ide baru yang dapat diterapkan.
3. Bagaimana Anda menemukan inspirasi?
Sumber inspirasi utama adalah membaca. Saat mencari ide, Anda dapat menemukan topik menarik dengan membaca berbagai materi:
- , , . , , . , WIRED , , Google . , . , Google.
- . , . , GPT-2 , , , , , , . - ?
- . , , Data Science, , . , NLP- «», , , . - ? , ? GPT-2.
Jika kita berbicara tentang sumber inspirasi lain, maka inspirasi, tanpa menutup diri pada ide-ide baru, dapat ditemukan dalam kehidupan sehari-hari. Kapan pun Anda tertarik dengan sebuah pertanyaan, pikirkan apakah Anda dapat menjawab pertanyaan itu menggunakan teknik manipulasi data. Misalnya, saya baru-baru ini menemukan sebuah trailer untuk Boys, dan menemukan banyak ulasan positif tentangnya di IMDb. "Apakah ada konfirmasi bahwa jumlah adegan kekerasan di acara TV meningkat dari waktu ke waktu ?" Tanyaku pada diri sendiri. "Apakah ada penonton yang terus bertambah yang menikmati acara TV yang berisi kekerasan?" Lanjut saya. Jika ada sesuatu yang menarik minat Anda, luangkan waktu sejenak dan pelajari data yang relevan.
Bagaimana Anda menghasilkan ide proyek berdasarkan sumber inspirasi di atas? Ahli saraf telah mengidentifikasi tiga proses psikologis berbeda yang terkait dengan menghasilkan ide:
- Anda dapat menggabungkan ide yang ada untuk membuat yang baru (kreativitas kombinatorial). Misalnya, berbagai proyek menganalisis penawaran sewa yang diposting di Airbnb. Ada proyek yang bertujuan menganalisis pasar real estat. Jika Anda menggabungkan ide-ide ini, Anda bisa mencari jawaban untuk pertanyaan apakah harga rumah di kota tertentu meningkat berkat Airbnb.
- , ( ). , -, , , . , , - .
- - , ( ). — . . . : , , .
4. ?
Setelah Anda memutuskan arah umum penelitian, Anda perlu mencari data yang memungkinkan Anda memahami cara menerapkan ide Anda dalam bentuk proyek Ilmu Data. Ini sangat penting dalam menentukan apakah suatu ide akan berhasil. Menjawab pertanyaan di judul bagian ini, Anda harus mempertimbangkan kemungkinan memiliki apa yang Anda butuhkan di penyimpanan data yang ada. Anda mungkin harus mengumpulkan sendiri data yang diperlukan, yang memperumit tugas. Berikut gambaran umum sumber data:
- : Kaggle, Google Datasets, FiveThirtyEight, BuzzFeed, AWS, UCI Machine Learning Repository, data.world, Data.gov , Google.
- , -. Google Google Scholar. , - , . ? , Our World in Data , .
- Data yang Anda butuhkan untuk dikumpulkan sendiri. Untuk mengumpulkan data tersebut, Anda dapat menggunakan web scraping, analisis teks, berbagai API, pelacakan peristiwa , dan bekerja dengan file log .
Jika Anda tidak dapat menemukan data yang dapat membantu Anda menerapkan ide proyek, rumuskan ulang ide tersebut. Cobalah untuk mendapatkan ide dari ide awal yang dapat Anda implementasikan dengan data yang Anda miliki. Sementara itu, tanyakan pada diri Anda pertanyaan tentang mengapa Anda tidak dapat menemukan data yang Anda butuhkan. Apa yang salah dengan bidang yang Anda minati? Apa yang dapat Anda lakukan? Jawaban atas pertanyaan-pertanyaan ini saja dapat menyebabkan munculnya proyek Ilmu Data baru.
5. Apakah ide yang ditemukan dapat diwujudkan?
Jadi, Anda punya ide yang luar biasa! Tetapi apakah mungkin untuk menerapkannya? Ulangi langkah-langkah dalam proses menghasilkan ide. Pikirkan tentang apa yang ingin Anda capai (pertanyaan nomor 1), apakah Anda tertarik dengan bidang yang dipilih, jika Anda memiliki pengalaman di dalamnya (pertanyaan nomor 2), apakah Anda memiliki data yang diperlukan untuk mengimplementasikan gagasan tersebut (pertanyaan nomor 4). Sekarang Anda perlu menentukan hal-hal berikut: apakah Anda memiliki keterampilan yang diperlukan untuk mengimplementasikan gagasan dan mencapai tujuan.
Penting untuk mempertimbangkan faktor seperti waktu yang Anda rencanakan untuk dihabiskan untuk proyek ini. Anda mungkin tidak akan menulis disertasi doktoral tentang topik pilihan Anda. Oleh karena itu, proyek yang akan Anda lakukan dalam kerangka ide yang ditemukan, mungkin, hanya akan memengaruhi sebagian tertentu darinya. Mungkin hanya akan belajar sesuatu yang baru, Anda perlu mengimplementasikan ide itu di masa depan.
Setelah Anda melalui 5 langkah di atas untuk menghasilkan ide, Anda harus memiliki pertanyaan yang Anda bisa dan ingin jawab, menghabiskan waktu sebanyak yang Anda bersedia habiskan untuk mencapai tujuan Anda.
Hasil
- . , , , . — , , , . — . , , .
- - . . , - , . , . , , , , .
- Jangan takut untuk memulai kembali. Apapun yang Anda lakukan, Anda selalu belajar sesuatu yang baru. Setiap kali Anda menulis sebaris kode, Anda berlatih dan memperluas pengetahuan dan keterampilan Anda. Jika Anda menyadari bahwa implementasi dari ide yang ditemukan tidak akan membawa Anda lebih dekat dengan tujuan Anda, atau jika ternyata ide tersebut tidak layak, jangan takut untuk meninggalkannya dan lanjutkan. Waktu yang Anda habiskan untuk mencari ide ini tidak hilang untuk Anda. Anda perlu mengevaluasi secara bijak manfaat yang bisa diperoleh dari implementasi gagasan.
Dengan menggunakan metode yang dijelaskan di sini, saya terus-menerus menemukan ide orisinal untuk proyek Ilmu Data saya. Saya harap teknik ini bermanfaat juga bagi Anda.
Bagaimana Anda mencari ide baru untuk proyek Ilmu Data Anda?
