Διδάξτε στον εαυτό σας την Επιστήμη των Δεδομένων: η μαθησιακή πορεία που χρησιμοποίησα για να βρω μια εργασία αναλυτικών στοιχείων στο Jet.com

Πώς μπορείτε να μεταβείτε από μηδενικές δεξιότητες προγραμματισμού σε εργασία τεχνολογίας ή αναλυτικών στοιχείων;

Εάν ενδιαφέρεστε να μάθετε αυτές τις δεξιότητες, είτε για διασκέδαση είτε για αλλαγή καριέρας, ποιος είναι ο καλύτερος τρόπος να το κάνετε;

Υπάρχουν αμέτρητες λίστες με τα καλύτερα διαδικτυακά μαθήματα, αλλά πώς μπορείτε να διαμορφώσετε τη δική σας μαθησιακή διαδρομή με όλο τον θόρυβο;

Προσωπικά δεν σκέφτηκα ποτέ να μάθω πρακτικές δεξιότητες σχετικά με τον προγραμματισμό, την ανάλυση δεδομένων, τη μηχανική μάθηση ή την τεχνολογία γενικά. Ως χρηματοοικονομικός, πάντα πίστευα ότι θα ήμουν ο «τύπος των επιχειρήσεων». Ωστόσο, κατά κάποιον τρόπο, δίδαξα στον εαυτό μου την Python και τη SQL και βρέθηκα να δουλεύω στα analytics στο Jet.com, χρησιμοποιώντας μια από αυτές τις γλώσσες καθημερινά.

Γιατί Python και SQL, μπορείτε να ρωτήσετε;

Η Python είναι η ταχύτερα αναπτυσσόμενη γλώσσα προγραμματισμού εκεί έξω, και για καλό λόγο. Έχει έναν τρελό αριθμό βιβλιοθηκών που μπορείτε να χρησιμοποιήσετε για εφαρμογές μηχανικής μάθησης, ανάλυση δεδομένων, οπτικοποίηση, εφαρμογές ιστού, ενσωματώσεις API και πολλά άλλα. Επιπλέον, είναι μια από τις ευκολότερες γλώσσες για να μαζέψετε και να μάθετε. Όσον αφορά τη SQL, οι βάσεις δεδομένων εταιρείες τεχνολογίας ενέργειας και η SQL σας επιτρέπουν να κατανοήσετε καλύτερα, να εξερευνήσετε και να κάνετε χρήση των δεδομένων των συλλεγόμενων δεδομένων.

Παρακάτω, περιγράφω την πορεία που έκανα στην εκμάθηση αυτών των γλωσσών που με έφεραν στα αναλυτικά. Για να είμαστε σαφείς, αυτός ο δρόμος ήταν απίστευτα προκλητικός. Πέρασα αμέτρητα βράδια νιώθοντας απογοητευμένοι και μπερδεμένοι. Πολλές νύχτες ήθελα απλώς να πετάξω την πετσέτα και να εγκατασταθώ για να γίνω επιχειρηματίας.

Αλλά το κίνητρό σας παραμένει το κλειδί για να προχωρήσετε μπροστά από τα εμπόδια που θα αντιμετωπίσετε αναπόφευκτα. Είτε θέλετε να μεταβείτε σε μια ανάλυση δεδομένων είτε σε έναν τύπο τύπου επιστήμης δεδομένων ή απλώς να έχετε καλύτερη κατανόηση στον προγραμματισμό και την τεχνολογία για τη διασκέδαση του (που γίνεται διασκεδαστικό!), Πρέπει να καταλάβετε πώς να παραμείνετε κίνητρα και πειθαρχημένος εάν θέλετε να μάθετε πραγματικά αυτές τις δεξιότητες.

Για μένα, το να αφιερώνω συγκεκριμένα χρονικά διαστήματα σχεδόν κάθε μέρα (περίπου 90 λεπτά έως 2 ώρες) για να μάθω ή να εξασκηθώ αμέσως μετά το σπίτι από τη δουλειά μου επέτρεψε να αναπτύξω συνεπείς συνήθειες και σφυρί σπιτικές έννοιες που βρήκα συγκεχυμένη.

Εδώ είναι το μονοπάτι που πήρα. ελπίζω ότι μπορεί να σας βοηθήσει να ξεκινήσετε μόνοι σας.

Το βασικό ίδρυμα

  1. Μάθετε την Python the Hard Way

Αυτό είναι ένα από τα καλύτερα μαθήματα που έχω λάβει ποτέ, περίοδος. Είναι αυτοκατευθυνόμενο και προκλητικό, αλλά το Zed σας παρέχει αρκετές λεπτομέρειες και οδηγίες για να ξεκινήσετε πραγματικά να προγραμματίζετε στην Python. Κάνει τον προγραμματισμό να είναι προσβάσιμος και το υλικό σας δίνει την εμπιστοσύνη κάθε εβδομάδα για να νιώσετε πραγματικά σαν να μπορείτε να μάθετε αποτελεσματικά την Python.

2. Αναλυτική λειτουργία: Pandas

Το Mode Analytics παρέχει μια καταπληκτική εισαγωγή στο Python και περιλαμβάνει μαθήματα σε μια από τις πιο ισχυρές δομές δεδομένων: το Pandas DataFrame. Αυτό είναι ιδανικό για την εκμάθηση των βασικών στοιχείων της ανάλυσης δεδομένων μόλις έχετε τις βασικές αρχές του Python.

3. Αναλυτική λειτουργία: SQL

Το άλλο σεμινάριο Mode Analytics για SQL είναι επίσης φανταστικό. Μπορείτε να μάθετε όλες τις βασικές έννοιες και να δημιουργήσετε μια ισχυρή βάση SQL εδώ. Έχουν ακόμη και το δικό τους πρόγραμμα επεξεργασίας SQL και τα δεδομένα με τα οποία μπορείτε να παίξετε.

Σε συνδυασμό με το Mode Analytics, τα W3 Schools μπορούν να σας βοηθήσουν να απαντήσετε σε οποιαδήποτε ερώτηση SQL που έχετε ποτέ καθώς προχωράτε στα μαθήματα.

Κατάδυση στη μηχανική εκμάθηση

Προτού να καταλάβω πλήρως την Python, έκανα έναν πυροβολισμό και υπέβαλα αίτηση για νανοδιαβάθμιο αυτοκινούμενο αυτοκίνητο της Udacity. Ήξερα ότι ήταν τελείως πάνω από το κεφάλι μου, αλλά σκέφτηκα, γιατί να μην προσπαθήσω;

Είναι πιο εύκολο να παρακινήσετε τον εαυτό σας να μάθετε την Python και τη μηχανική εκμάθηση όταν γοητεύεστε από τις πρακτικές εφαρμογές.

Είχα περίπου ένα μήνα πριν ξεκινήσει το μάθημα, οπότε πήρα όσο το δυνατόν περισσότερες τάξεις γύρω από την επιστήμη δεδομένων και τη μηχανική μάθηση.

Εδώ ήταν τα καλύτερα δωρεάν εισαγωγικά μαθήματα που βρήκα ότι ήταν εξαιρετικά χρήσιμα:

  • Εισαγωγή μηχανικής εκμάθησης Udacity
  • Εισαγωγή στις Στατιστικές Udacity
  • Εισαγωγή Udacity στην Επιστήμη δεδομένων

Ναι, μπορείτε να δείτε ότι σκέφτομαι πολύ τον Udacity.

Αν και δεν είναι δωρεάν, θα συνιστούσα επίσης να διαβάσετε το βιβλίο Grokking Deep Learning. Παρέχει εξαιρετικά σαφή και σχετικά παραδείγματα στα βασικά της μηχανικής μάθησης.

Το TensorFlow, που αναπτύχθηκε από την Google, είναι μια βιβλιοθήκη ανοιχτού κώδικα για μηχανική εκμάθηση που μπορεί να γραφτεί στο Python. Είναι απίστευτα ισχυρό και αξίζει να εξοικειωθείτε.

Ρίξτε μια ματιά στην άσκηση MNIST για μια φανταστική εισαγωγή στο πλαίσιο.

Βρήκα ότι η τάξη Stanford CS231 ήταν επίσης χρήσιμη πηγή. καλύπτει εκτεταμένα νευρωνικά δίκτυα (αυτό που χρησιμοποιούμε για λογισμικό αναγνώρισης εικόνας ή προσώπου) εκτενώς, το οποίο διάβασα θα ήταν απίστευτα χρήσιμο για το αυτοκινούμενο αυτοκίνητο Nanodegree. Εάν ενδιαφέρεστε καθόλου να χρησιμοποιήσετε τη μηχανική εκμάθηση με εικόνες ή βίντεο, δεν θα βρείτε πολύ καλύτερα από αυτό το μάθημα.

Τέλος, αφού χρησιμοποίησα αυτούς τους πόρους για να χτίσω μια σταθερή βάση, ξεκίνησα το Nanodegree Αυτοκινήτου Udacity Self Driving.

Δεν πρόκειται να το μιλήσω πάρα πολύ, καθώς υπάρχουν ήδη σπουδαίες εγγραφές του μαθήματος εδώ και εδώ. Αυτό που θα πω είναι ότι, με δική μου σοκ, παρόλο που ήταν η πιο δύσκολη πορεία που έχω κάνει ποτέ, κατάλαβα το μεγαλύτερο μέρος του περιεχομένου. Οπλισμένοι με τη σωστή βασική γνώση, θα εκπλαγείτε από το πόσο βαθιά μπορεί να είναι η κατανόησή σας για ένα περίπλοκο θέμα.

Συνεχιζόμενη εκμάθηση Analytics και Επιστήμης Δεδομένων

Μετά από έντονη βουτιά στη μηχανική μάθηση για μερικούς μήνες, ήταν χρήσιμο να κάνω ένα βήμα πίσω και να ενισχύσω την κατανόησή μου για τις πρακτικές αρχές ανάλυσης και επιστήμης δεδομένων.

Ξεκίνησα με την Επιστήμη των Δεδομένων, τη Βαθιά Μάθηση και τη Μηχανική Μάθηση με την Python, ένα φανταστικό μάθημα για το Udemy . Ενώ ασχολείται με τη μηχανική εκμάθηση, καλύπτει πλήρως τις αρχές της ανάλυσης, της επιστήμης δεδομένων και των στατιστικών, ιδίως γύρω από διαφορετικές τεχνικές εξόρυξης δεδομένων και πρακτικά σενάρια για την ανάπτυξή τους.

Το βιβλίο Data Science For Business , εξηγεί επίσης απίστευτα καλά το πώς και πώς λειτουργούν ορισμένα μοντέλα κατά την επίλυση προβλημάτων σε ένα συγκεκριμένο πλαίσιο. σφυρίζει σε σας ένα αναλυτικό πλαίσιο και μια νοοτροπία που μπορούν να εφαρμοστούν σε κάθε κατάσταση που περιστρέφεται γύρω από προβλήματα δεδομένων. Είναι ο καλύτερος πόρος που βρήκα που συνδέει διαφορετικές αναλυτικές προσεγγίσεις με συγκεκριμένες επιχειρηματικές καταστάσεις και προβλήματα.

Φυσικά, εάν ενδιαφέρεστε να ακολουθήσετε μια καριέρα στα αναλυτικά στοιχεία ή στην επιστήμη των δεδομένων, θα πρέπει πάντα να βελτιώνετε τις παλιές δεξιότητες ή να προσθέτετε νέες δεξιότητες στην εργαλειοθήκη σας. FreeCodeCamp και Hackernoonδημοσιεύστε ενημερωτικά άρθρα και σεμινάρια για όλα τα πράγματα, την επιστήμη των δεδομένων και τη μηχανική λογισμικού. Το αγαπημένο μου άρθρο πρόσφατα ήταν ένα καλογραμμένο σεμινάριο για τη σύνταξη του δικού σας blockchain.

Θέλετε να μάθετε τον καλύτερο τρόπο για να συνεχίσετε να μαθαίνετε;

Φτιάξτε κάτι. Οτιδήποτε. Εξερευνήστε ένα σύνολο δεδομένων. Βρείτε ένα πρακτικό πρόβλημα που αντιμετωπίζετε εσείς ή η εταιρεία σας και προσπαθήστε να το λύσετε.

Ακόμα κι αν δεν έχετε πρόσβαση σε δεδομένα υψηλής ποιότητας στην εταιρεία σας, υπάρχουν πολλά σύνολα δεδομένων ανοιχτού κώδικα με τα οποία μπορείτε να παίξετε και να εξασκηθείτε. Στοιχηματίζω ότι θα μάθετε εξίσου, αν όχι περισσότερα, να εργάζεστε στα δικά σας έργα δεδομένων παρά να παρακολουθείτε οποιοδήποτε μάθημα ή να διαβάσετε οποιοδήποτε βιβλίο.

Τέλος, η συνάντηση και η μάθηση από άτομα που έχουν τις δεξιότητες που θέλετε να αποκτήσετε είναι εξαιρετικά επωφελής. Συνιστώ ανεπιφύλακτα τη χρήση του Meetup για να βρείτε ομάδες αναλυτών ή επαγγελματιών λογισμικού στην περιοχή σας. Πολλές από αυτές τις ομάδες έχουν δωρεάν μαθήματα σεμιναρίου ή μελέτης και θα συναντήσετε πολλούς εξωφρενικά έξυπνους ανθρώπους που μπορούν να παρέχουν συμβουλές και κόλπα για να επιταχύνετε τις γνώσεις σας.

Στη Νέα Υόρκη, μερικές από τις ομάδες που με βοήθησαν πολύ είναι:

  • Εταιρεία Μηχανικής Μάθησης
  • Ομάδα προγραμματιστών Google
  • ΝΥΑΙ
  • Επιστήμη δεδομένων της Νέας Υόρκης

Διασκεδάστε να μαθαίνετε και πείτε μου πώς πηγαίνει το ταξίδι σας!

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

ΕΝΗΜΕΡΩΣΗ : Το Udacity μόλις κυκλοφόρησε ένα νέο πρόγραμμα Data Scientist Nanodegree. Κοίταξα τα υλικά και μοιάζει με έναν εξαιρετικά χρήσιμο πόρο! Τα έργα περιλαμβάνουν τη δημιουργία μιας μηχανής προτάσεων με δεδομένα IBM και την ταξινόμηση των πελατών σε τμήματα. Δεν το έχω πάρει ακόμα, αλλά το ελέγξω εδώ: Πρόγραμμα Data Scientist Nanodegree.