Роль чтения в машинном обучении
Наука о данных, как междисциплинарное исследование информатики, статистики и многих других, сталкивается с рядом препятствий для студентов. Одна из них - получение знаний.
Помимо получения базовых знаний последних десятилетий, одна из важнейших задач Data Science - не отставать от современных технологий, которые появляются каждый день. Таким образом, каждому специалисту по данным и тем, кто хочет им стать, необходимо внимательно рассмотреть три момента.
1. Вы не можете все прочитать
Во-первых, вы должны признать, что невозможно прочитать все статьи, опубликованные на таких сайтах, как Towards Data Science или академических журналах.
Каждый день публикуется невероятное количество статей по науке о данных и машинному обучению. Поскольку у каждого из нас есть только 24 часа в сутки, мы должны спросить себя, как именно мы их используем, чтобы добиться максимального прогресса в обучении. Лучший способ сделать это - найти статьи, которые соответствуют вашим текущим вопросам, и внимательно их прочитать. Время от времени также может быть полезно случайно выбрать и прочитать статью. Это позволяет вам по-новому взглянуть на проблему и решить текущую проблему науки о данных новым творческим подходом.
Возможно, вам будет полезно использовать информационный бюллетень Medium и Towards Data Science, чтобы выбрать материалы для чтения. Ежемесячный выпуск и Ежедневный дайджест помогут вам следить за лучшими статьями TWDS. Обязательно обновляйте свои предпочтения в отношении рассылки и интересы.
2. Примечания и зарисовки
Во-вторых, понимание навыков и инструментов должно быть центральным для студентов машинного обучения. Поэтому важно не только читать статью, но и делать заметки и рисовать контуры.
Попробуйте записать свои выводы из статьи. Кроме того, вы также должны сделать наброски своих находок. Помимо заметок на вашем ПК, вы также можете использовать функцию выделения и аннотации Medium.
3. Реализуйте!
Наконец, попробуйте внедрить приобретенные компетенции в свои собственные проекты.
Одно только чтение не делает вас специалистом по данным. Внедрите и воспроизведите функции и процессы, описанные в статье, в собственных проектах. Таким образом, вы можете получить устойчивые знания из статей, которые вы читаете, которые будут иметь для вас наиболее значительную долгосрочную добавленную стоимость. Это также отличный способ расширить ваше портфолио на GitHub, чтобы работодатели могли быстрее увидеть, в какой степени вы действительно занимались проблемами науки о данных.
Заключение
Тщательно выбирайте материалы для чтения. Приведенные выше советы помогут вам в выборе. Далее попробуйте внедрить недавно приобретенные компетенции в свои собственные проекты. Вот как вы получите максимальную пользу от чтения статей о Data Science.
