পদার্থবিজ্ঞান পড়ে ডেটা সায়েন্স: আমার পথ

শাহজালাল বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ে পদার্থবিজ্ঞান পড়তাম। ল্যাবে আলোর পরীক্ষা, রাত জেগে কোয়ান্টাম মেকানিক্স, আর পাশের বিভাগের কম্পিউটার সায়েন্সের বন্ধুদের দেখে মাঝে মাঝে ভাবতাম, ওরা হয়তো "আসল" ভবিষ্যতের পথে আছে।
এখন আমি ডেটা সায়েন্স আর মেশিন লার্নিং নিয়ে কাজ করি। পেছনে তাকিয়ে বুঝি, পদার্থবিজ্ঞান সময় নষ্ট ছিল না; এটা ছিল ভিত্তি।
পদার্থবিজ্ঞান যা দিয়েছিল

গণিতে স্বাচ্ছন্দ্য। লিনিয়ার অ্যালজেব্রা, ক্যালকুলাস, ডিফারেনশিয়াল সমীকরণ। মেশিন লার্নিংয়ের পেপারে গ্রেডিয়েন্ট বা ম্যাট্রিক্স দেখে ভয় লাগেনি।
মডেল বানানোর চিন্তা। পদার্থবিজ্ঞান মানে জটিল বাস্তবতাকে এমন একটা সরল মডেলে আনা, যা ভুল হলেও কাজের। মেশিন লার্নিংয়ের মূল কথাও প্রায় একই।
অনিশ্চয়তার প্রতি শ্রদ্ধা। ল্যাবে শিখেছিলাম প্রতিটা মাপের একটা ত্রুটির সীমা আছে। ডেটা সায়েন্সে অনেক সমস্যা আসলে মাপের সমস্যা।
আনুমানিক হিসাব। কিছু গণনার আগে "মোটামুটি কত হওয়া উচিত?" ভাবা। এতে অনেক ভুল আগেই ধরা পড়ে।
যা শিখতে হয়েছে আলাদা করে
- দলের জন্য প্রোগ্রামিং। ল্যাবের একবার-চলা স্ক্রিপ্ট আর বছরের পর বছর অনেকে মিলে রক্ষণাবেক্ষণ করা কোড অনেক আলাদা।
- SQL আর ডেটাবেস। পদার্থবিজ্ঞানের কোনো কোর্সে এটা ছিল না, অথচ প্রায় প্রতিটা ডেটা চাকরিতে লাগে।
- ব্যবসার ভাষা। গ্রাহক, আয়, চলে যাওয়ার হার, আর জটিল ফলাফল এমন মানুষকে বোঝানো যারা পদ্ধতি নিয়ে মাথা ঘামান না।
- সফটওয়্যার প্রকৌশলের অভ্যাস। Git, টেস্টিং, কোড রিভিউ।
যেভাবে পথ বদলেছি
এটা একদিনে হয়নি। ধাপে ধাপে:
- প্রোগ্রামিং গুরুত্ব দিয়ে শেখা, শুধু গ্রাফ আঁকার জন্য না।
- ছোট ছোট প্রজেক্ট, আসল ডেটা দিয়ে।
- পরিসংখ্যান নতুন করে, প্রয়োগের দৃষ্টিতে।
- ডেটা সায়েন্সে মাস্টার্স, আর পাশাপাশি নির্দিষ্ট বিষয়ে ছোট পেশাদার কোর্স।
- বিভিন্ন দেশে, বিভিন্ন প্রতিষ্ঠানে কাজ, প্রতিটা থেকে নতুন কিছু শেখা।
- শেষে গবেষণায় ফেরা, এবার মেশিন লার্নিং আর রিমোট সেন্সিং নিয়ে।
অপ্রত্যাশিত সুবিধা
ডেটা দলে যখন কোনো মডেল বলে একজন গ্রাহক এক মাসে চার হাজার কেটলি কিনবেন, পদার্থবিজ্ঞানের অভ্যাস তখনই প্রশ্ন তোলে, "এটা কি আদৌ সম্ভব?" মাত্রা যাচাই করার এই অভ্যাস কোনো সমীকরণের চেয়ে কম মূল্যবান না।
যারা বিষয় বদলাতে চান
পদার্থবিজ্ঞান, রসায়ন, অর্থনীতি, জীববিজ্ঞান, প্রকৌশল, যেকোনো বিষয় থেকে ডেটা সায়েন্সে আসা যায়। আপনার আগের বিষয় সময় নষ্ট না, এটা আপনার ডোমেইন জ্ঞান। জীববিজ্ঞান জানা ডেটা সায়েন্টিস্ট স্বাস্থ্য খাতে, অর্থনীতি জানা ডেটা সায়েন্টিস্ট মূল্য নির্ধারণে এমন দৃষ্টি আনেন যা শুধু প্রোগ্রামিং জানা কারো নেই।
নিজের অতীত লুকাবেন না। সেটাকে আপনার বিশেষত্ব বানান।
শেষ কথা
শাবিপ্রবির সেই ল্যাবে বসে কখনো ভাবিনি একদিন স্যাটেলাইটের ছবি দিয়ে পানি আর গাছপালার মানচিত্র বানানোর মডেল লিখব। কিন্তু সেই ল্যাবেই শিখেছিলাম কীভাবে প্রশ্ন করতে হয়, মাপতে হয়, আর ভুল খুঁজতে হয়। বিষয় বদলায়, কিন্তু ভালো প্রশ্ন করার অভ্যাস সব জায়গায় কাজে লাগে।