আমি সম্প্রতি সাইবার নিরাপত্তার জন্য ডেটা সায়েন্স ব্যবহার করার উপর একটি ক্লাস পরিচালনা করেছি, প্যাকেট ক্যাপচার ডেটা বিশ্লেষণের উপর ফোকাস করে—একটি কিছুটা প্রযুক্তিগত এবং ঐতিহ্যগতভাবে শুষ্ক বিষয়। আমি যে পদ্ধতিটি শেয়ার করেছি তা আর্থিক প্রতিষ্ঠানের মধ্যে সাইবার নিরাপত্তার ক্ষেত্রে আমার অভিজ্ঞতা থেকে এসেছে, অনুসন্ধানমূলক ডেটা বিশ্লেষণ, প্রিপ্রসেসিং এবং লগ ডেটা রূপান্তর, এবং ক্লাস্টারিং এবং গ্রাফ নেটওয়ার্ক বিশ্লেষণের সংমিশ্রণের মাধ্যমে অসঙ্গতিগুলি সনাক্ত করার মতো মূল পদক্ষেপগুলি কভার করে। একটি আশ্চর্যজনক দিক ছিল এই সেশনের জন্য আমি যে সময়টি প্রস্তুত করতে ব্যয় করেছি—আমি সাধারণত যা বিনিয়োগ করি তার একটি ভগ্নাংশ। এআই প্রক্রিয়াটিকে স্ট্রিমলাইন করতে গুরুত্বপূর্ণ ভূমিকা পালন করেছে। আমি কোডিং, রূপরেখা বিকাশ এবং এমনকি স্লাইড তৈরিতে সহায়তা করার জন্য ক্লড ব্যবহার করেছি। মোট, পুরো কোর্সটি 48 ঘন্টার মধ্যে প্রস্তুত ছিল। অধিবেশন আকর্ষক হতে পরিণত. অংশগ্রহণকারীরা, প্রাথমিকভাবে CISO যারা সাধারণত কোড করে না, তারা AI এর সহায়তায় তৈরি করা ব্যায়ামগুলিকে স্বজ্ঞাত এবং হাতে-কলমে দেখতে পায়। আমার লক্ষ্য ছিল ডেটা এবং কোডের সাথে সরাসরি কাজ করার জন্য তাদের নিমজ্জিত করা। তারা বিশেষ করে আধুনিক সাইবারথ্রেট নজরদারি এবং এসআইইএম প্ল্যাটফর্মগুলি সাধারণত স্বয়ংক্রিয়ভাবে যা "হুডের নীচে" ঘটছে তার অন্তর্দৃষ্টি অর্জন করে ম্যানুয়ালি অন্বেষণ করার সুযোগের প্রশংসা করেছে। ক্লাস থেকে আমার মূল টেকওয়ে ছিল আশ্চর্যজনকভাবে বিপরীত: । এই দৃষ্টিভঙ্গি অকাল-অথবা হয়তো তার সময়ের আগে বলে মনে হতে পারে-কিন্তু এটি একটি দৃষ্টিকোণ যা আলোচনার প্রয়োজন। ডেটা সায়েন্স, আমরা জানি, অবশেষে AI দ্বারা প্রতিস্থাপিত হবে সতর্কতা: এর মধ্যে কিছু মানুষকে ট্রিগার করতে পারে। যৌনতাই লাগেজ এক দশকেরও বেশি সময় ধরে, ডেটা সায়েন্সকে "21 শতকের সবচেয়ে সেক্সি কাজ" হিসেবে পালিত করা হয়েছে। তবুও AI দ্রুত অগ্রসর হওয়ার সাথে সাথে এটি স্পষ্ট হয়ে উঠছে যে ক্ষেত্রের অন্তর্নিহিত চ্যালেঞ্জগুলি উপেক্ষা করা কঠিন। শক্তিশালী জেনারেটিভ এআই-এর আবির্ভাব একটি শৃঙ্খলার জন্য খুব ভালভাবে টিপিং পয়েন্ট হতে পারে যা, পূর্ববর্তী দৃষ্টিতে, প্রাথমিকভাবে স্বীকৃত হওয়ার চেয়ে আরও ঢিলেঢালাভাবে সংজ্ঞায়িত এবং অতিরিক্ত হাইপড হতে পারে। এর সারমর্মে, ডেটা সায়েন্স কম্পিউটার বিজ্ঞান, পরিসংখ্যান এবং ব্যবসায়িক দক্ষতাকে একত্রিত করে, সংস্থাগুলিকে বিপুল পরিমাণ ডেটা থেকে কার্যকরী অন্তর্দৃষ্টির প্রতিশ্রুতি দেয়। আজকের ডেটা-চালিত বিশ্বে এই দক্ষতা নিঃসন্দেহে মূল্যবান। যাইহোক, এর পালিশ ইমেজের নীচে, ক্ষেত্রটি উল্লেখযোগ্য সমস্যার সম্মুখীন হয়েছে। যাকে প্রায়শই ডেটা সায়েন্স হিসাবে চিহ্নিত করা হয় তা প্রায়শই ঢিলেঢালাভাবে সম্পর্কিত কাজগুলির একটি প্যাচওয়ার্ক হিসাবে পরিণত হয় যা সর্বদা সুন্দরভাবে সারিবদ্ধ হয় না এবং ক্ষেত্রের অনেক পেশাদার শৃঙ্খলার দাবিকৃত সম্পূর্ণ প্রশস্ততা এবং জটিলতার সাথে লড়াই করে। ডেটা বিশ্লেষণ, মডেলিং এবং অন্তর্দৃষ্টি তৈরি করতে সক্ষম এআই-চালিত সরঞ্জামগুলির উত্থান আমরা কীভাবে ডেটা সায়েন্সের ভূমিকা এবং ভবিষ্যত দেখি তার পরিবর্তন করতে বাধ্য করতে পারে। যেহেতু AI ডেটা সায়েন্সের মধ্যে অনেকগুলি মৌলিক কাজকে সহজ ও স্বয়ংক্রিয় করে চলেছে, তাই বুদ্ধিমান অটোমেশনের যুগে ডেটা সায়েন্টিস্ট হওয়ার অর্থ কী তা নিয়ে ক্ষেত্রটি গণনার মুখোমুখি হতে পারে। ফাটল অনেক ডেটা বিজ্ঞানী, অত্যাধুনিক কোডিং দক্ষতা এবং ডিজিটাল সরঞ্জাম থাকা সত্ত্বেও, আশ্চর্যজনকভাবে কাজে নিযুক্ত হন। ডেটা প্রস্তুতি, পরিষ্কার করা এবং বিশ্লেষণে ক্লান্তিকর, সময়সাপেক্ষ কাজগুলি জড়িত যা পুনরাবৃত্তিমূলক এবং যান্ত্রিক। প্রকৃতপক্ষে, ডেটাসেট তৈরির জন্য উল্লেখযোগ্য পরিমাণে ডেটা বিজ্ঞানের শ্রম যায়—একটি কাজ যা প্রায়শই উত্তেজনাপূর্ণ, আবিষ্কার-চালিত বিজ্ঞানের চেয়ে বেশি পরিশ্রমের মতো মনে হয়। এই সমস্যাটি এই সত্যের দ্বারা আরও জটিল যে, যারা মাঠে প্রবেশ করে, তারা সর্বোত্তমভাবে অপেশাদার। Python বা R-এ কয়েকটি অনলাইন কোর্স নেওয়ার পরে, এই "ডেটা বিজ্ঞানীরা" থাকে। ডেটা সায়েন্স শুধু কোডিং নয়। এতে গভীর বিশ্লেষণ, প্রাসঙ্গিক বোঝাপড়া এবং অ-প্রযুক্তিগত দর্শকদের কাছে অন্তর্দৃষ্টি উপস্থাপন করার ক্ষমতা জড়িত। প্রকৃতপক্ষে, এটি একটি গবেষণামূলক কাজ, যার জন্য সৃজনশীলতা এবং বিশ্লেষণাত্মক চিন্তাভাবনার মিশ্রণ প্রয়োজন যা ক্ষেত্রের অনেকের কাছেই নেই। ম্যানুয়াল এবং ত্রুটির প্রবণ ভূমিকার কঠোরতার জন্য প্রায়ই অপ্রস্তুত অধিকন্তু, অনেক ডেটা সায়েন্টিস্ট এনটাইটেলমেন্টের ধারনা গড়ে তুলেছেন, শুধুমাত্র তাদের শিরোনামের কারণে। এই মনোভাব কোম্পানিগুলোকে বন্ধ করে দিচ্ছে, বিশেষ করে সেসব খাতে যেখানে খরচ দক্ষতা সবচেয়ে বেশি। আমি এমন সংস্থাগুলির সাথে দেখা করেছি যেগুলি একবার ডেটা বিজ্ঞানীদের নিয়োগের জন্য ছুটে গিয়েছিল কিন্তু এখন পুনর্বিবেচনা করছে। কেন এমন কাউকে উচ্চ মজুরি দিতে হবে যিনি তাদের বেশিরভাগ সময় ডেটা পরিষ্কারের সাথে কুস্তিতে ব্যয় করেন, যখন AI এটি দ্রুত, ভাল এবং খরচের একটি অংশে করতে পারে? উচ্চ বেতন এবং লাভজনক প্যাকেজের আশা করছেন এআই কে? যেহেতু আমি ব্যক্তিগতভাবে ক্লাস লেখার অভিজ্ঞতা পেয়েছি, জেনারেটিভ এআই এমন একটি শক্তিশালী শক্তিতে পরিণত হয়েছে যেখানে ডেটা বিজ্ঞান সবচেয়ে দুর্বল। ডেটা প্রস্তুতকরণ, পরিষ্কার করা এবং এমনকি মৌলিক গুণগত বিশ্লেষণের মতো কাজগুলি—যেগুলি ডেটা বিজ্ঞানীর অনেক সময় ব্যয় করে—এখন হয়৷ সবচেয়ে খারাপ (বা ভাল, আপনি কোথায় দাঁড়িয়েছেন তার উপর নির্ভর করে) হল যে AI দ্রুত, আরও সঠিক এবং মানুষের ত্রুটি বা ক্লান্তির ঝুঁকি কম। AI সিস্টেমগুলি সহজেই স্বয়ংক্রিয় অনেক তথ্য বিজ্ঞানীদের জন্য, এটি ভয়ঙ্কর হতে পারে। সর্বোপরি, এই কাজগুলি তাদের প্রতিদিনের কাজের সিংহভাগ প্রতিনিধিত্ব করে। উদাহরণস্বরূপ, ডেটা পরিষ্কার করা কুখ্যাতভাবে সময়সাপেক্ষ এবং ভুলের প্রবণ, কিন্তু AI এখন কয়েকটি ক্লিক এবং প্রায় নিখুঁত নির্ভুলতার সাথে এটি সম্পন্ন করতে পারে। ডেটা সায়েন্টিস্টরা প্রায়শই এই অস্বস্তিকর কাজগুলি সম্পর্কে অভিযোগ করেন, তবুও তারা তাদের ভূমিকার জন্য মৌলিক। AI সিস্টেমের উন্নতির সাথে সাথে এই কাজগুলি করার জন্য মানুষের প্রয়োজনীয়তা হ্রাস পায়। এতে অবাক হওয়ার কিছু নেই যে AI এর বিরুদ্ধে সোচ্চার সমালোচনার বেশিরভাগই । তারা দেয়ালে লেখা দেখে তাদের চাকরি নিয়ে ভয় পায়। ডেটা বিজ্ঞানীদের কাছ থেকে আসে ক্ষুদ্রতা ডেটা বিজ্ঞানীদের জন্য বিষয়গুলিকে আরও খারাপ করার জন্য, সাম্প্রতিক বছরগুলিতে ক্ষেত্রটি উল্লেখযোগ্য অগ্রগতি করেনি। জনপ্রিয়তার উল্কাগত বৃদ্ধি সত্ত্বেও, ডেটা সায়েন্স এখনও অদক্ষতা, ত্রুটি এবং দ্বারা জর্জরিত। এটি একসময় বিশ্বাস করা হয়েছিল যে আরও পরিশীলিত সরঞ্জাম এবং আরও ভাল প্রশিক্ষণ ক্ষেত্রটিকে বিকশিত করবে, কিন্তু এটি প্রত্যাশিত পরিমাণে বাস্তবায়িত হয়নি। বিপরীতে, এআই ক্রমাগত উন্নতি করেছে। মেশিন লার্নিং অ্যালগরিদম, ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং এবং জেনারেটিভ মডেলগুলি দ্রুত বিকশিত হচ্ছে, যা ঐতিহ্যগত ডেটা বিজ্ঞানকে ধুলোয় ফেলে দিচ্ছে। এটির ঠিক কী অন্তর্ভুক্ত করা উচিত সে সম্পর্কে স্পষ্টতার অভাব আবার, ডেটা বিজ্ঞানীদের উচ্চ বেতনের প্রত্যাশা । যে সংস্থাগুলি একসময় অদক্ষতা সহ্য করতে পারে তারা এখন বুঝতে পারছে যে AI মানব শ্রমের সাথে যুক্ত ভারী মূল্য ট্যাগ ছাড়াই প্রচুর গ্রান্ট কাজ প্রতিস্থাপন করতে পারে। বিশ্লেষণ, পূর্বাভাস এবং এমনকি উপস্থাপনার মতো AI আরও পারদর্শী হওয়ার সাথে সাথে ডেটা সায়েন্সের ম্যানুয়াল প্রকৃতি ক্রমশ অপ্রয়োজনীয় হয়ে উঠছে। অনেক কোম্পানি উপলব্ধি করবে যে ডেটা বিজ্ঞানীদের একটি দলের প্রয়োজন যা এখন এআই-চালিত সরঞ্জামগুলির দ্বারা আরও দক্ষতার সাথে পরিচালনা করা যেতে পারে। বিষয়টিকে আরও জটিল করে তোলে গুরুত্বপূর্ণ কাজগুলি সম্পাদনে শিফট বাস্তবতা হল ডেটা সায়েন্স, ঐতিহ্যগতভাবে সংজ্ঞায়িত হিসাবে, অপ্রচলিততার দ্বারপ্রান্তে। জেনারেটিভ এআই একটি আশ্চর্যজনক হারে অগ্রসর হওয়ার সাথে সাথে, । এটি বোঝায় না যে ডেটা-চালিত সিদ্ধান্ত গ্রহণে মানুষের কোনও ভূমিকা নেই, তবে ক্লাসিক "ডেটা বিজ্ঞানী" ভূমিকা শীঘ্রই অতীতের ধারণা হতে পারে। এখন যা দরকার তা হল AI এর সাথে সহযোগিতা করার জন্য দক্ষ পেশাদারদের, কৌশলগত চিন্তাভাবনা এবং উচ্চ স্তরে জটিল সমস্যা সমাধানের দিকে মনোনিবেশ করার সময় এর ক্ষমতাগুলিকে কাজে লাগানো। তাদের বর্তমান আকারে মানব ডেটা বিজ্ঞানীদের চাহিদা সম্ভবত হ্রাস পাবে । তথ্য বিজ্ঞানের বর্তমান ক্ষেত্রটি অপ্রচলিত হওয়ার ঝুঁকি যদি এটি ধাপে ধাপে বিকশিত না হয়। AI ইতিমধ্যেই শিল্পে বিপ্লব ঘটাচ্ছে, এবং ডেটা সায়েন্সকে অবশ্যই মানিয়ে নিতে হবে বা এই তরঙ্গকে অতিক্রম করার ঝুঁকি নিতে হবে। শেষ পর্যন্ত, প্রশ্ন হতে পারে যে AI ডেটা সায়েন্সকে বাদ দেবে কি না কিন্তু ডেটা সায়েন্স কখনও তার প্রতিশ্রুতিগুলি সম্পূর্ণরূপে প্রদান করেছে কিনা। AI বিশ্লেষণ, অন্তর্দৃষ্টি, বা সিদ্ধান্ত গ্রহণের শেষ নয়—এটি তাদের বিবর্তনকে প্রতিনিধিত্ব করে অথবা সম্ভবত পার্থক্যটা কোন ব্যাপার না যদি আমরা শেষ পর্যন্ত "ডেটা সায়েন্স" হাইপের বাইরে চলে যাই এবং পরবর্তী যৌক্তিক অগ্রগতি হিসাবে AI-কে আলিঙ্গন করি। আমার সম্পর্কে: ডেটা, এআই, ঝুঁকি ব্যবস্থাপনা, কৌশল এবং শিক্ষার সমন্বয়ে 25+ বছরের আইটি অভিজ্ঞ। 4x হ্যাকাথন বিজয়ী এবং ডেটা অ্যাডভোকেট থেকে সামাজিক প্রভাব। বর্তমানে ফিলিপাইনে এআই কর্মীবাহিনীকে জাম্পস্টার্ট করার জন্য কাজ করছেন। এখানে আমার সম্পর্কে আরও জানুন: https://docligot.com
