Путь, который привел меня к аналитике данных и извлеченным урокам
Я занимаюсь консультированием в области бухгалтерского учета и здравоохранения. Во время этого опыта я много работал с Excel, чтобы управлять, систематизировать и рассчитывать показатели на основе данных о заработной плате больниц и отчетов о расходах. Мои дни были полны vlookups, сводных таблиц, макросов, powerpoints и просмотра веб-сайта CMS.
В целом это был хороший опыт, и я работал с замечательными людьми. Мне пришлось путешествовать и вести дикий образ жизни консультанта из большой четверки. Однако я не был полностью удовлетворен с точки зрения технической траектории, к которой направлялся карьерный рост. Я посмотрел на свое руководство и увидел, где я был бы через 5–10 лет, если бы продолжал идти по этому пути… в основном по телефону или путешествуя по сети и предлагая проект руководству больницы. Я знал, что это не то, чем я хотел заниматься.
После 2 лет работы в этой чрезвычайно специализированной группе я хотел вернуться в школу и расширить свои технические возможности, чтобы учиться и расти.
Полная занятость MBA в сочетании со стартап-проектом, над которым я работал, были для меня достаточными причинами, чтобы отправить уведомление за две недели и перейти к другому этапу жизни.
В течение следующего года учебы в школе (и моего приключенческого стартапа, о котором я планирую написать в следующем посте) я познакомился, исследовал и промочил ноги в различных отраслях: общественное здравоохранение, управление здравоохранением, некоммерческие организации, реклама, веб-разработка, консультации по улучшению операционной деятельности и аналитика данных. Из всего этого опыта мне больше всего интересовала аналитика данных. Я выбрал оставшуюся часть факультативов в этой области и подготовил для этого свою степень. Изучение и открытие понимания с помощью данных - очень глубокий и полезный процесс. Это бесконечная кривая обучения, и часы проходят как минуты, пока я работаю над проектом или занимаюсь интересным набором данных. Моим первым проектом, связанным с наукой о данных, была автоматизация и вычисление вероятностей для настольной игры Риск, которую вы можете посмотреть здесь. Я потратил много часов допоздна, делая это и попутно обучая себя питону.
После проекта Риск я решил пойти на курсы Udemy и поработать над другими проектами, которые мне показались интересными и полезными. Сюда входят концепции, связанные со статистикой, машинным обучением и аналитикой данных. Ссылки на проекты, которые мне нравятся больше всего, приведены в конце этого поста.
Это была дикая поездка, и я многому научился за последние 6 месяцев ... К счастью, 2 месяца назад я получил отличную работу по улучшению операционной деятельности в Regions Financial Corporation, поэтому у меня не было столько времени, чтобы работать над личными проектами как хотелось бы. Однако я изучаю технические навыки, связанные с созданием дашбордов и управлением проектами, и я планирую написать об этом в блоге. Я также работаю над python для науки о данных через спонсируемую фирмой учетную запись DataCamp и планирую в ближайшее время рассмотреть свой опыт использования DataCamp и курсов Udemy.
Это может занять много лет, но моя цель - стать профессиональным и уверенным в своих способностях в области науки о данных, чтобы однажды я мог работать с машинным обучением и продвинутым моделированием. Мне предстоит пройти долгий путь, но я считаю, что в прошлом году я пошел на здоровый риск, приложил много усилий и добился большого прогресса.
Я знаю, что это клише, но единственный урок для каждого, кто это читает, - это пытаться каждый день добиваться того, чего вы хотите. Устанавливайте правильный распорядок, привлекайте в свою жизнь нужных людей и создавайте привычки, отвечающие вашим целям. Прогресс будет медленным, но он произойдет, если вы продолжите попытки.
Спасибо всем, кто читает или следит за моим путешествием.
До скорого,
Эндрю
Несколько моих любимых проектов:
Индекс Джини против информационной энтропии
Случайный лес лучше логистической регрессии? (сравнение)
Excel против SQL: концептуальное сравнение
Прогнозирование рака с помощью логистической регрессии в Python
Оптимизируйте свои инвестиции с помощью математики и Python
Вычисление R-квадрата с нуля (с использованием Python)
