«Я переполнен всеми доступными ресурсами; что я должен делать?"

«Ресурсов много, и я не понимаю, на правильном ли я иду. Не могли бы вы мне помочь? » Она встревоженно сообщила.

Я хотел закричать: «У тебя так хорошо получается - не могу поверить, что ты даже сомневаешься в себе!» но я сдержался, позволяя ей закончить свои мысли.

Чтобы дать вам контекст, я старший специалист по данным, и в свободное время я наставляю энтузиастов данных, чтобы они ворвались в сферу науки о данных. Я с нетерпением жду этих взаимодействий, поскольку они дают мне представление о том, с какими проблемами сталкиваются новички и как я могу лучше помочь.

Последняя проблема, которую они подняли, была шокирующей и тревожной.

«Существует много информации о том, как стать специалистом по обработке данных, до такой степени, что она ошеломляющая. Ресурсов предостаточно, и я не понимаю, на правильном ли я иду. Не могли бы вы мне помочь? »

Что шокировало, это беспокоило не одного, а многих моих подопечных. Несмотря на то, что они все делают хорошо, им часто нужны гарантии, и они хотят, чтобы я проверял их успехи.

Хотя я рад помочь, когда могу, я понял, что это может быть распространенной проблемой среди большинства новичков. Поэтому я хотел найти решение после выявления причины.

Это не ты - это мы

Мы даем вам 52-недельные дорожные карты, 25 листов ресурсов, 7 шпаргалок, 101 страницу PDF и надеемся, что вы не будете перегружены. Каждые две недели пишется новый блог о том, как стать специалистом по данным, и мы ожидаем, что вы отфильтруете среди них лучших.

Это явно нечестно. Вам, как новичку, будет сложно быть уверенным в том, что вы на правильном пути. Что-то должно измениться; Я подумал, что сделаю все возможное, чтобы максимально упростить процесс начала работы в области науки о данных.

Эта статья предоставит вам только 4 фундаментальных ресурса, которые необходимо изучить, которые вы можете использовать, чтобы начать работу. Затем, наконец, я расскажу вам несколько неопровержимых правд, которые помогут вам оставаться сосредоточенными.

Давайте нырнем, ладно?

4 основных курса, которые помогут вам начать работу

Если вы абсолютный новичок, отключите все шумы в Интернете и следуйте этим курсам по порядку. Вы также можете делать их параллельно, и если вы соблюдаете график, у вас не должно уйти больше 6 месяцев. Все 4 нижеперечисленных курса доступны для просмотра и требуют оплаты только для получения сертификата.

1. Прикладная наука о данных с Python

Этот курс, предлагаемый Мичиганским университетом, преподает Python с упором на науку о данных. Это идет от обработки данных до анализа данных, визуализации, интеллектуального анализа текста и сетевого анализа. Он постепенно проведет вас через путешествие по программированию, не углубляясь в теорию.

Это отличное практическое начало для получения общего представления о рабочем процессе машинного обучения. Упражнения и задания помогают сделать курс практическим. Так что попробуйте этот курс, и вы поймете, о чем я говорю.

2. Статистика с Python

Будет соблазн пропустить статистику, но рано или поздно вы пожалеете об этом. Это стоило того времени, которое я терпеливо вложил в это. Постепенно я начал понимать все статистические концепции.

Курс наполнен множеством примеров, тематических исследований и упражнений, которые полезны для новичков. На сегодняшний день я использую эти концепции в работе, и вы должны получить ясность по этим темам в первые дни своего существования.

3. Машинное обучение Эндрю Нг

По мере прохождения этого курса вы почувствуете медленное проникновение в науку о данных и машинное обучение. Многие профессионалы, в том числе и я, обязаны большей частью наших знаний этому единственному курсу.

Единственным недостатком является то, что курс вернулся с 2012 года и использует Matlab / Octave для заданий. Вы можете выполнять задания на Python из того же курса, доступного на YouTube.

4. Основы SQL для науки о данных

Большинство людей игнорируют SQL - язык данных, пока не осознают его важность.

Рано или поздно вам придется активно использовать SQL в повседневной работе - некоторые роли полностью сосредоточены на SQL, поэтому вы должны освоить его на ранней стадии. Я пробовал несколько курсов, но этот прямо фокусируется на том, что нам нужно с точки зрения специалиста по данным.

Более чем достаточно, если вы проработаете первые 2 курса специализации. Последние два достаточно продвинуты и будут полезны только тогда, когда вы начнете работать с большими данными в распределенной среде.

Вот несколько неопровержимых истин, которые стоит сосредоточить на путешествии

Теперь альтернативы вышеперечисленным курсам всегда есть. Будут группы людей, спорящих по поводу Python против R, проектов против курсов, практических навыков против теории, а также по поводу того, какие курсы лучше всего подходят для каждой темы. Вот правда обо всех этих мыслях:

  • Мнения пристрастны и основаны на индивидуальных предпочтениях.
  • Существует несколько путей к успеху в науке о данных.
  • Слишком много информации, т. Е. Информационная перегрузка, делает вас перегруженными и сбивает вас со всех путей.
  • Чтобы стать специалистом по анализу данных, вам необходимо постоянно уделять внимание хотя бы одному пути.
  • Выбранный вами путь должен быть простым, помогающим вам действовать.

Эта статья была посвящена минимуму, необходимому для начала работы. Я хочу, чтобы вы действовали, не особо беспокоясь. Так что в следующий раз, когда один из моих подопечных запутается со всеми доступными ресурсами, я отправлю ему это.

Я уверен, что, когда вы закончите с этим, у вас будет чувство ясности в том, что вам нужно узнать дальше и как подойти к подаче заявления о приеме на работу. Если вы все еще не уверены, пожалуйста, свяжитесь с нами - я более чем счастлив помочь вам.

В качестве примечания к раскрытию информации в этой статье могут быть некоторые партнерские ссылки, по которым можно бесплатно поделиться лучшими ресурсами, которые я использовал. Спасибо за вашу поддержку!

Чтобы получить более полезную информацию о проникновении в науку о данных, честном опыте и знаниях, подумайте о присоединении к моему личному списку друзей по электронной почте.