Mi jefe me dio 30 días (no días laborables) para aprender Python para transferir al equipo de Data Science. ¿Cuál es el mejor enfoque para aprender lo más posible?

Answer 1

Stanford presentó un excelente tutorial de Python con Numpy (biblioteca de álgebra numérica / Python escrita en C), SciPy (biblioteca Scientific Python / Machine Learning escrita en C) y MatplotLib (Mathematical Plotting Library), todas estas bibliotecas son invocables en Python, pero son rápidos porque ejecutan código C bajo el capó sin verificación de tipo.

Python Numpy Tutorial

Este es un buen comienzo, y puede tardar un par de días si se sabe otro lenguaje de programación.

Esto no le dará todo el idioma, pero le dará una ventaja en el campo.

Este es un tutorial más profundo con buenos ejercicios (si el anterior no fue suficiente): Aprenda Python de la manera más difícil

Definitivamente desea familiarizarse con Pandas (biblioteca para almacenar datos en formato tabular con interacciones funcionales fáciles): Tutoriales – documentación pandas 0.15.2, también tiene algunas cosas en el cuaderno de IPython (IDE en la web, es la respuesta de Python para R, es bastante impresionante)

Una vez que se sienta cómodo con todo lo anterior, puede moverse a un área más específica en la que usted / su jefe desea enfocarse.

Algunas cosas sobre Redes neuronales (aprendizaje profundo): Guía de hackers para Redes neuronales, Una red neuronal en 11 líneas de Python (Parte 1) y el curso de Google sobre Udacity: Aprendizaje profundo | Udacity

Algunos más cursos de estilo de Data Science: 15.071x Información del curso | edX Este curso está escrito en R, pero puede pasar por alto muchas de las funciones, pero el curso realmente presenta bien los conceptos.

También hay Aprendizaje Automático | Udacity en Udacity, directores generales de ML.

Sé que esto es mucho, y usted NO tiene que hacer todo, simplemente elija y elija según su preferencia.

Answer 2

Dijiste que tu jefe te dio 30 días para aprender Python para que puedas cambiarte al equipo de Data Science.

Tu jefe tiene razón.

30 días es muy poco tiempo para aprender sobre Data Science. Es un campo enorme y se vuelve más difícil de aprender si no tiene ningún conocimiento previo de matemáticas y estadísticas, que no haya mencionado en los detalles de su pregunta. Luego viene temas especializados como el aprendizaje automático. Eso es todo. Campo de aprendizaje automático.

Dicho esto, su jefe fue lo suficientemente ingenioso como para brindarle la oportunidad de aprender la herramienta más utilizada por casi todos los científicos de datos y también es fácil de aprender. Eso es PYTHON.

Python tiene algunas ventajas. Es fácil de recoger ya que el código casi se parece al lenguaje natural. Es un lenguaje tipificado dinámicamente. Y tiene paquetes para casi todo, desde el análisis de datos hasta la visualización y el aprendizaje automático.

Ahora, si desea crear una base sólida para Python, le sugiero que tome el curso de Introducción a la Informática en Udacity – Clases en línea gratuitas y Nanodegrees.

De lo contrario, si tiene experiencia previa en programación, vaya a Learn R, Python & Data Science Online | DataCamp y tome sus cursos de Python que están muy bien adaptados para satisfacer las necesidades del análisis de datos.

Es solo a través de la práctica y la experiencia que puedes conocer y sentir los datos a tu alcance. Sólo entonces puedes visualizar correctamente los datos. Y para un Data Scientist, si puede visualizar correctamente los datos, la mitad de su trabajo está hecho.

Así que buena suerte en tu aventura para convertirte en un científico de datos.

Answer 3

El mejor enfoque es usar Python para resolver problemas de la ciencia de datos de la vida real. Hay innumerables datos de acceso abierto para trabajar: elija uno y comience con una pregunta simple.

Seleccione un modelo simple para construir una solución de primer orden y luego continúe con el refinamiento del modelo. Le proporcionaré algunos recursos y le indicaré los mejores foros para obtener apoyo de colegas y expertos a medida que desarrolle sus habilidades.

Datos (desde aquí )

1. Data.gov
2. Oficina del Censo de EE.UU
3. Portal de datos abiertos de la Unión Europea
4. Data.gov.uk
5. El World Factbook de la CIA
6. Healthdata.gov
7. Centro de información de salud y asistencia social de NHS
8. Conjuntos de datos públicos de Amazon Web Services
9. Gráfico de Facebook
10. Gapminder
11. Tendencias de Google
12. Google Finance
13. Google Libros Ngrams
14. Centro Nacional de Datos Climáticos
15. DBPedia
16. Topsy
17. Botón “me gusta
18. New York Times
19. Freebase
20. Conjunto de datos de millones de canciones

Ayuda

Intercambio de pila

El 99% de las preguntas a las que se enfrentará en su primer o segundo año de aprendizaje de Data Science y Python ya están respondidas en Stack Exchange. Si no encuentras la respuesta esperándote, publica una pregunta y miles de personas que trabajan en problemas similares a los tuyos descenderán de las colinas para ayudarte.

¡Que te diviertas!

Answer 4

He preparado 5 pasos para aprender Python para Data Science. En 30 días construirá una buena relación con Python para usarla, sin embargo, para la experiencia se necesita tiempo y práctica. Además, junto con Python, comienzan a aprender sobre Aprendizaje automático, Inteligencia artificial, Minería de datos, Análisis de datos y conceptos relacionados como estadísticas. Por ahora, veamos cómo puedes dominar Python para la ciencia de datos.

Paso 1 – Aprende lo básico de Python

Le sugiero que lea este Tutorial de Python para aprender los conceptos básicos de Python y que esté preparado con los siguientes temas:

Funciones de Python

Operadores de Python

Listas de Python

Comprensiones de Python

Tuplas De Python

Diccionario de Python y comprensión de directorio

Toma de decisiones en Python

Bucles en Python

Paso 2 – Configura tu máquina

Sugiero a Anaconda que se prepare para la Ciencia de Datos. Es una distribución de código abierto para Python y R para procesamiento de datos a gran escala, análisis predictivo y computación científica. También puedes descargarlo desde casa . Tiene todo lo que necesitas para que Python aprenda la ciencia de datos y el aprendizaje automático.

Paso 3 – Aprender expresiones regulares

Si está trabajando con datos de texto, la expresión regular será útil con la limpieza de datos. Es un proceso de detección y corrección de registros corruptos de un conjunto de registros, una tabla o una base de datos. Identifica partes de datos incompletas, inexactas, incorrectas e irrelevantes y las reemplaza, modifica o elimina.

Paso 4 – Bibliotecas esenciales para la ciencia de datos

Una biblioteca es un conjunto de objetos y funciones preexistentes que se pueden importar a su script para ahorrar tiempo y esfuerzo.

a. NumPy

segundo. Pandas

do. Ciencia

re. Matplotlib

mi. scikit-learn

F. Seaborn

Paso 5 – Hacer proyectos y aprender más

Construido algo real en Python. Se atascará y gradualmente encontrará nuevas formas de salir de su problema. Comience con el problema disponible en la web y luego tome sus propios problemas. Consulte la respuesta de Sakina Mirza a ¿Cuáles son los mejores proyectos para hacer con Python?

y

Practica practica practica y eso es todo

Si le gusta la respuesta, actualice y siga mi cuenta para obtener más respuestas sobre Data Science.

Answer 5

Días 1–9ish

Dirígete a CodinGame (Juegos de codificación y desafíos de programación para codificar mejor). En su sección “Práctica” del sitio, encuentre un rompecabezas de nivel de entrada para resolver en un idioma que conozca (puede elegir el idioma después de elegir un rompecabezas). ¡Resuélvelo! Luego cambia a Python, y vuelve a intentarlo. Repite con diferentes rompecabezas por algunas noches. El objetivo no es usar Python correctamente, solo entender la sintaxis y hacer que funcione como un lenguaje con el que ya se siente cómodo: necesita una oportunidad para comenzar a identificar similitudes y diferencias para que su cerebro se abra a todo gas.

Días 10–19ish

Regístrese para una versión de prueba gratuita de Pluralsight (Pluralsight | Unlimited Online Developer, IT y Creative Training). Mire un video de Python fuera de su zona de confort (tal vez una Prueba de unidad con Python sería una buena opción), luego vea uno o dos videos para principiantes.

Escriba una aplicación web super simple (tal vez solo una que reciba y establezca un mensaje en una URL, y en otra URL devuelva la longitud de la variable, solo haga lo que sea capaz de hacer); y sí, me doy cuenta de que no estás entrando en el desarrollo web. Esto solo te da una experiencia laboral aleatoria.

Escribe una consola super simple o una aplicación de escritorio. Asegúrese de que acepta la entrada del usuario y hace algo con ella, como guardar la entrada en un archivo o mostrar la entrada de nuevo más tarde de alguna manera. Verás algunas de las similitudes y diferencias entre Python web y no web.

Días 20–27ish

Google como loco; ¡Pero con un toque! Principalmente porque no sabe lo que un desarrollador de Python con experiencia de 1 a 5 años estaría buscando, en el campo de búsqueda, ingrese (pero no busque aún) “cómo hacerlo en Python” (sin comillas). Luego, entre “a” y “en”, agregue un espacio y luego una letra “a” (así que cambie “cómo en python” a “cómo en a python”). Después de escribir la “a”, simplemente deje el cursor allí y vea qué surgen las búsquedas sugeridas (literalmente, deje el cuadro de búsqueda colgado, como si estuviera planeando escribir más). Toma nota de algunas de las preguntas más interesantes. Luego reemplace la “a” con una “b” y tome nota nuevamente de las búsquedas sugeridas. Incluya todos los resultados de búsqueda que pueda en su tiempo libre y lea las respuestas de lugares como Desbordamiento de pila (Desbordamiento de pila), y haga un esfuerzo por leer los argumentos en las secciones de comentarios (obtendrá información de los desacuerdos).

Días 28-30

Tiempo de tarjeta flash! ¿Algo que a tu mente le esté costando recordar? Siglas, nombres de herramientas, sintaxis del cuerpo de la función básica, tipos de datos permitidos y sus usos / limitaciones, todos los operadores (suma, división, desplazamiento de bits, módulo, etc.).

El guante

Es posible que en 30 días no tenga la base más precisa de Python; puede que tenga algunas preguntas incorrectas en su 1-a-1 con su gerente. Siempre que sea posible, intente y comparta el contexto adicional, como saber cómo resolver un problema similar o al menos por dónde empezar.

La idea no es mostrar una comprensión profunda (que no se puede engañar a la vida para obtener); pero para indicarle a su gerente que sus “competencias T” son suficientes para que sepa cómo dirigirse a sí mismo y aprender más de lo que aún falta.

¡La mejor de las suertes! Puedes hacerlo.

Jake

Answer 6

Pongámoslo en perspectiva.

Le enseñaré cómo golpear un martillo en un clavo, cortar un trozo de madera con una sierra y usar un destornillador para apretar un tornillo.

¿Crees que puedes aprender esto en 30 días?

¡Absolutamente!

Entonces, ¿puedes llamarte carpintero?

¡Absolutamente no!

En 30 días, puede obtener una sensación decente de la programación de Python, pero todo es muy amplio. Lleva años aprenderlo hasta la médula, e incluso entonces estarías aprendiendo un número significativo de cosas.

En aproximadamente 3 a 6 meses, al menos puedes hacer algunas cosas buenas con él. He estado aprendiendo desde hace algún tiempo, y sigo aprendiendo todos los días, pero puedo agregar un valor significativo a mi vida y a mi empresa.

Echa un vistazo a mi respuesta detallada a esta pregunta: la respuesta de Rohit Malshe a ¿Cuáles son algunas cosas interesantes que hacer con Python? Quiero hacer algo relacionado con el big data o el aprendizaje automático. Esto te inspirará y también te dará un camino para lograrlo.

Si eres un principiante absoluto, 30 días es absolutamente nada. Si usted es un programador experto y sabe al menos de 2 a 3 idiomas, 30 días pueden lograr algo significativo.

Todo lo que necesitas hacer es ir a través de http://www.pythonprogramming.net , y seguir todos los tutoriales. Una vez que su sintaxis sea clara, simplemente elija algunos de sus otros códigos y vuelva a codificarlos en Python. Deberías poder lograr esto en 30 días.

Pero también tenga en cuenta que en este idioma hay muchos paquetes disponibles y que no necesita programar todo en el mundo.

¡Sigan bendecidos y permanezcan inspirados!

Answer 7

Ignora la ciencia de datos completamente. Centrarse en el lenguaje.

Es posible que no sepa qué es pep8, pero asegúrese de que su editor se rinda con pep8. No escriba ningún código que no cumpla, y no lo mire.

Primera semana, aprende los modismos de Python.

No trabaje a través de un capítulo, trabaje hacia atrás. Los modismos son más importantes que los básicos, ya que aprenderlos evitará que vuelvas a escribir los modismos de tu idioma actual en python, lo que probablemente será un desastre. Hay una manera correcta de hacerlo. Descubre esta semana

Python tiene un comando shell. Es agradable. Así es IPython. No lo uses Escriba su código en archivos, ejecute el código. Una vez que sepas un poco, esas herramientas son muy útiles. ¿Más útil? Escribiendo pep8 compatible, python idiomático. Con eso, y una guía, puedes hacer cualquier otra cosa sobre la marcha.

A partir de la segunda semana, tómate una hora para gritar de rabia, hazlo de nuevo, porque el objetivo es interactuar con el código del módulo. Baje lo básico.

Cuando se ponga peludo, tómate un descanso trabajando con el sistema de archivos. Es un poco menos bizantino que los módulos. Recuerda, el uso idiomático siempre.

Hay toneladas de código de terceros para python. Averigüe qué utiliza el equipo de datos, apréndalo. Asegúrese de que puede importarlo y llamar a las funciones limpiamente.

Lo último: las excepciones. No se moleste en escribir el código que no comprueba las condiciones de error. Nunca está en los ejemplos de código, pero es esencial.

Después de esto, haga una copia de seguridad y asegúrese de sentirse cómodo con lo que ha aprendido acerca de python. AHORA puedes aprender tradicionalmente.

Desea poder tratar con programas compuestos por módulos, en el sistema de archivos. El resto es el concierto del día, te enseñarán lo que necesitas.

Buena suerte.

Answer 8

Hay algunos recursos excelentes disponibles en github. Aquí hay una colección de material de ciencia de datos, no solo de bulutyazilim / impresionante-dataciencia de python.

La mejor parte de Python Data Science es que los cuadernos de nuevo github es un gran recurso lleno de cuadernos que son fantásticos para aprender, leer e interactuar, esta lista de github es impresionante. Python contiene muchos recursos increíbles para Python y Data Science. -pitón

Este es el increíble repositorio github de aprendizaje automático para la sección python josephmisiti / awesome-machine-learning

Es posible que nunca obtengas esta lista curada de portátiles ipython, pero wow, es increíble ipython / ipython

Libros

Python Machine Learning: de Packt, este es mi libro favorito sobre aprendizaje automático.

La ciencia de datos desde cero por Joel Grus es otra buena lectura.

Álgebra lineal mal hecha Álgebra lineal mal hecha

Métodos bayesianos para hackers Métodos bayesianos para hackers

Videos

Una amplia gama de videos de conferencias sobre muchos temas. Me gusta saltar y revisar trozos y piezas, hay muchas pequeñas pepitas en sus.

PyData

Tutorial

Minería de datos en Python: una guía

Python para el índice de análisis de datos

Answer 9

Como ya está trabajando en una empresa de TI, debe conocer uno de los lenguajes de programación populares (JAVA, C, C ++). Le sugiero que vea videos en Youtube como “Python para desarrolladores de JAVA”.

Lo que esto haría es que te ayudaría a realizar una transición sin problemas de tu lenguaje de programación anterior a Python, ya que relacionarían la mayoría de los conceptos de python con tu lenguaje anterior.

Ahora, después de familiarizarse con los conceptos básicos de Python, debe familiarizarse con las diversas bibliotecas de Python necesarias para el análisis de datos (por ejemplo: Numpy, Pandas, Matplotlib, Sklearn, etc.). Esto se puede hacer tomando un Aprendizaje automático curso en línea, ya sea por Andrew Ng en Coursera o viendo videos de Practical Machine Learning en Youtube por Sentdex Machine Learning with Python – YouTube.

Una vez que conozcas los diversos Algoritmos de Aprendizaje Automático y su implementación. Ya sabría lo suficiente como para comenzar un trabajo en el equipo de Data Science y puede continuar aprendiendo alguna Base de datos como MySql o R para Data Analytics.

¡Haz esto y creo que estarías listo para ir!

Answer 10

Python es un lenguaje de programación de alto nivel. Continúa tu aprendizaje comenzando con Learn Python. Tiene una sintaxis simple y fácil de usar, por lo que es el lenguaje perfecto para alguien que intenta aprender programación de computadoras por primera vez. y puede aprender fácilmente sobre el lenguaje Python a través de recursos en línea. Le sugeriré los mejores cursos …

Los mejores cursos en línea de Python:

• Completa el campo de entrenamiento de Python: pasa de cero a héroe en Python
• The Complete Python Masterclass: Aprende Python desde cero
• Completa Python Masterclass

Elige el segundo curso ..

De este curso puedes aprender sobre:

El curso completo está dividido en 6 secciones principales.

Sección 1: Python.

Sección 2: Hacer GUI en Python usando Tkinter.

Sección 3: Análisis de datos.

Sección 4: Framework Web Python Django.

Sección 5: Frasco de Python Web Framework.

Sección 6: Web Scraping en Python.

Primero comenzamos por aprender los conceptos básicos de Python e instalar las herramientas necesarias para escribir el código de Python. En esta sección cubrimos casi todos los conceptos de Python de manera profunda, donde explicaré todas y cada una de las líneas de código. Hay más de 50 conferencias que cubren casi todos los conceptos de Python. Esto incluye todos los conceptos tales como estructuras de datos, programación orientada a objetos, programación funcional, flujo de control, etc.

En la siguiente sección, aprenderemos los conceptos básicos de Tkinter que le permitirán crear aplicaciones Python de escritorio con una interfaz de usuario atractiva.

Avanzando ahora estamos en la parte más interesante de este curso, que es Django. Django es uno de los marcos de desarrollo web más populares para Python y es usado por muchas grandes compañías en todo el mundo. En esta sección cubrimos Django comenzando desde lo básico, hasta el punto de crear una mini aplicación web de ejemplo utilizando Django.

Luego aprendemos sobre Flask, que también es un marco de desarrollo web. Cubrimos todos los conceptos básicos en Flask también.

Finalmente, aprendemos sobre el raspado web, que es una de las cosas más interesantes que podríamos hacer en Pyhton. Construimos un raspador web desde cero escribiendo el código con una explicación línea por línea.

Y también..

• Comprender y aprender todos y cada uno de los conceptos de Python.
• Hacer aplicaciones web usando Python.
• Hacer aplicaciones basadas en GUI en Python usando Tkinter
• Aprende cómo hacer aplicaciones web de pila completa utilizando Python y Django
• Aprende a hacer tu propia herramienta de raspado web con Python
• Comprender todos los conceptos de Django.
• Entender todos los conceptos de matraz
• Aprende cómo realizar análisis de datos usando Python
• Aprende programación orientada a objetos en Python

Todo lo mejor….

Answer 11

Sé que Python The Hard Way es supuestamente el mejor, pero no lo encontré muy útil, ya que al principio no pude comprender todos los conceptos abstractos sin la razón por la que necesitamos aprenderlos.

Recomiendo el Mega-Tutorial Frasco de Miguel Grinberg para ensuciarse las manos con Python. En solo 2–3 días, tendrá un pequeño sitio web en funcionamiento en Python, que será un buen trampolín para aprender los conceptos de Python.

Después de crear un sitio web pequeño en Python y tener una sensación de logro, recomiendo aprender los conceptos de Python de manera “tradicional”:
1. Loops
2. Lista de Comprensiones
3. Listas vs Diccionarios vs Conjuntos vs Tuples
4. Las tablas hash y cómo se pueden usar los diccionarios para hacer hash (Mighty dictionary talk es lo mejor que he visto en este tema)
5. Clases y los fundamentos del yo, métodos , etc.
6. Recursión como el algoritmo de Fibonacci.
7. Usando el conocimiento de todo lo anterior para hacer primero la amplitud y la primera búsqueda en profundidad en gráficos, recorrido de árboles, construcción de árboles binarios de búsqueda, búsqueda, etc.
8. Ordenamiento como ordenamiento por fusión y ordenamiento por inserción.
9. Excepciones
10. Uso de API externas para hacer su propio trabajo de análisis de datos

Por el lado de la ciencia de datos:
1a. Preprocesamiento de datos y limpieza de datos.
1b. Pandas API
1c. API de aprendizaje de scikit
2. Sesgo frente a varianza y curva de aprendizaje para elegir un modelo
3. Pendiente de gradiente, funciones de costo.
4. Regresión logística.
5. Regresión
6. Matriz de precisión, memoria y confusión para la evaluación del modelo (clasificación)
7. Aprendizaje profundo y propagación hacia atrás.
7b. Resumen de álgebra lineal y vectorización usando Numpy
7c. TensorFlow o Keras API
8. CNNs y clasificación de imágenes.
9. RNNs y pronóstico de series de tiempo.
10. LSTMs y generación de lenguaje y traducción.
11. Incrustaciones de palabras para contextos de palabras.
12. GANs, aprendizaje de refuerzo etc.

Esto es mucho ~ y hay aún más cosas como la implementación de AWS, GPU y más … Siento que estoy empezando desde cero todos los días.

Answer 12

A2A: Supongo que ya sabes cómo programar, ya que mencionaste el cambio de equipo. Eso ciertamente facilitará la transición.

Data Science trata sobre la comprensión de datos, la limpieza de datos, la visualización de datos, y si agregamos Machine Learning allí, se trata de hacer predicciones a partir de datos.

Si tienes experiencia en Probabilidad y Estadísticas, eso te ayudará. Aprender Python si ya eres programador no es difícil. Es probable que no uses tanta Python para Data Science.

Como otros lo han señalado, deberás saber numpy , matplotlib y pandas , y posiblemente scipy y scikit-learn .

Si estuviera en tus zapatos, conocería a alguien del equipo de Data Science si aún no lo hiciste, y le compraré el almuerzo para que puedas elegir su cerebro. Pida ver algunos de los trabajos que ya se han realizado, como los cuadernos Jupyter. Revísalos lo mejor que puedas y trabaja con tu nuevo amigo cuando necesites ayuda.

Como programador, aprendí Python lo suficientemente bien como para pasar un desafío de codificación en una noche. Por supuesto, las preguntas no eran particularmente Pythonic, sino que se trataba más de resolver los problemas que de mi destreza en Python (en otras palabras, querían saber que podía escribir código decente para resolver los problemas que enfrentan, no si era un genio de Python) .

Una vez que vea lo que el equipo está haciendo actualmente, sospecho que será mucho más claro en qué debe centrarse. Como programador, es probable que aprendas mucho de Python desde el principio, y la parte más difícil será entender lo que están haciendo con sus datos y por qué.

Como siempre digo, no hay atajos, pero centrarse en las cosas correctas (por ejemplo, análisis existentes, cuadernos, fragmentos de código, etc.) definitivamente ayudará a reducir lo que necesita hacer.

Answer 13

Tener una mentalidad centrada en la práctica es la mitad de la batalla ganada para hacer un buen comienzo. Muchos aquí, han opinado / sugerido muy bien lo que se puede lograr en 10 días. Suscribo la opinión de que en 100 horas puedes aprender los conceptos, pero no podrás profundizar en la ciencia de datos.

A medida que avance, se encontrará con varios cursos en línea que brindan excelente contenido. Además, han revolucionado el ecosistema de muchas más maneras. Pero todavía hay una brecha que se debe llenar para garantizar que usted sea lucrativo en cualquier mercado laboral.

Cuando su enfoque es una habilidad única, aprender de los cursos en línea funciona mejor. Pero el dominio que exige habilidades donde uno tiene que organizar herramientas, técnicas, procesos en múltiples niveles (matemático, computacional, algorítmico), aprender en línea sin una mentoría activa sería un desafío. Los programas offline de persona a persona son más adecuados.

En GreyAtom ponemos énfasis en el aprendizaje inmersivo que en realidad significaría:

• Replicando posibles escenarios de trabajo.
• Aprendizaje interactivo
• Enseñar habilidades o técnicas particulares.
• aprender = hacer un trabajo real
• Aprendizaje practico
• Trabajando en equipo, aprendiendo de instructor
• Menos en el aula
• Más proyecto / estudio de caso basado
• Tratar con problemas reales, datos reales, escenarios reales, flujo de trabajo real
• Herramientas que reflejan la industria, herramientas y estructuras alineadas en la industria.
• Imitando una situación o escenario que enfrentan las industrias / empresas.
• O realizar proyectos basados ​​en los escenarios de trabajo reales.
• Jugar y realizar una tarea como se hace en el lugar de trabajo.
• Entrenamiento para la industria antes de ser contratado.
• Buscando alternativas para la gestión tradicional de proyectos / escenarios / problemas.
• Fases cortas de trabajo, reevaluación frecuente, adaptación de planos.
• Scrum sprints: evaluación colaborativa, agradable, rápida, entrega de productos en ciclos cortos, retroalimentación rápida, mejora continua,
• Scrum sprints- Creando lugares de trabajo alegres y sostenibles.
• Los sprints ágiles mejoran la comunicación, el trabajo en equipo y la velocidad.

Full Stack Data Science Engineer es uno de los trabajos más buscados en este momento. GreyAtom se centra en la creación de ingenieros de ciencia de datos de pila completa y le brinda todas las herramientas, técnicas y conceptos básicos necesarios para generar un impacto. En solo 14 semanas, aplicará la resolución de problemas y el pensamiento creativo a conjuntos de datos del mundo real, adquiriendo experiencia en toda la pila de ciencia de datos.

Tendrá un historial de contribuciones de código abierto y ayudará a la comunidad más amplia de ingeniería de software (a través de Github, StackOverflow, un blog, etc.).

Puede consultar los detalles del curso haciendo clic en este enlace Full Stack Data Science Engineering | Greyatom

Los datos realmente potencian todo lo que hacemos. Si le apasiona la ciencia de datos y desea redefinir su carrera, visítenos en los programas in situ de GreyAtom: ciencia de datos, aprendizaje automático, Big Data

Creemos que “Aprender = hacer un trabajo real”

Descargo de responsabilidad: Soy cofundador de @GreyAtom y ayudar a las personas a encontrar carreras sostenibles en Data Science es mi pasión.

Answer 14

En primer lugar, aprenda los conceptos básicos de python , que deberían llevarle un día o dos. No es necesario que hagas todos los tutoriales en esa serie de conceptos básicos. Recomendaría ir al tutorial del módulo sys y luego a los tutoriales de Análisis de datos con Python y Pandas .

Si logra superar todo eso, puede consultar algunos de los otros tutoriales de análisis de datos . Comience a pensar en algunos de los desafíos que enfrenta su empresa y que el análisis de datos podría resolver. Reflexione sobre los tipos de preguntas que le pueden hacer en la entrevista y quizás incluso pregunte a algunas de las personas que trabajan actualmente en ese equipo de ciencia de datos para obtener algunos ejemplos de los tipos de problemas que comúnmente resuelven.

¡Los mejores deseos!

Answer 15

Aunque hay muchas respuestas excelentes sobre los excelentes recursos de aprendizaje disponibles, un problema clave es la cantidad de exposición que ha tenido a otros lenguajes similares a C (C, C ++, Java, etc.). Hay tanto en común que tener ese fondo acelera enormemente el aprendizaje de un nuevo idioma como Python.

Lo bueno de Python es que su sintaxis es fácil de entender y es divertida (una vez que pasas la sangría de espacios en blanco – grrrr). Además, la comunidad de desarrolladores es muy generosa con su ayuda.

¡Creo que te han presentado un desafío excelente y alcanzable!

Mi hija, que estudia física en la universidad, aprendió Python muy rápidamente después de haber tomado una clase de Java AP en la escuela secundaria. Sé que ella también exploró la biblioteca NumPy en busca de algún trabajo computacional que estaba haciendo. (luego reescribió el mismo algoritmo en C, y fue años luz más rápido).

Al final del día, la mayoría de los lenguajes ofrecen los mismos tipos de construcciones para la programación, cada una con su propia sintaxis, orientada a resolver un dominio de problema específico. Hoy en día, la programación consiste menos en convertirse en un experto en lenguaje * que en aprender los patrones necesarios para procesar datos y en cómo investigar e interpretar algoritmos. Como otros lo han señalado, ese proceso requiere experiencia (y tiempo) para obtener un dominio completo. (¡aunque algunos idiomas, como C ++, pueden tardar AÑOS en dominar sus sutilezas! ¡Todavía estoy aprendiendo C ++ después de casi 25 años de trabajar con él!)

* Sin embargo, es muy útil tener un experto en idiomas como parte de su equipo de proyecto. Si bien casi cualquier pregunta de programación puede responderse a través de google, tener un conocimiento profundo del idioma en su equipo puede ayudarlo a tomar decisiones de diseño creativo o arquitectónico.

Answer 16

Aprende de los tutoriales:

¿No quieres aprender de los libros? ¿Tienes una buena conectividad a internet? Si es así, aquí están los mejores sitios de tutoriales en internet.

A] Codeacademy: Han empezado a enseñar lenguaje de programación en la pancarta de ‘Aprende con hacerlo’. Sí, eso es cierto. Lo hicieron de manera muy interactiva y la presentación del contenido es muy lúcida.

Aquí está el enlace para comenzar con: Python

B] Curso de Python: una vez en roaming en Internet, encontré este sitio web completo con un inmenso conocimiento sobre Python. ¿Por qué no miran esto: en línea y en el sitio?

Hay muchos tutoriales sobre python que se pueden encontrar en google. Pero estos son dos cosas muy famosas y lo más importante es su MEJOR contenido.

Aprende de los MOOC’s:

Se ha convertido en una tendencia a aprender todas las cosas del profesor virtual. Edx, Coursera, Udacity son grandes jugadores en el mundo de los MOOC. Lo que me gusta de MOOC es, como lo han preparado las universidades más importantes como Stanford, MIT, etc.

Aquí está la lista de MOOC’s para seguir en Coursera:

A] Programación para todos (Introducción a Python) Por la Universidad de Michigan: https://www.coursera.org/learn/p …

B] Una introducción a la programación interactiva en Python (Parte 1) por Rice University: https://www.coursera.org/learn/i …

C] Una introducción a la programación interactiva en Python (Parte 2) por Rice University: https://www.coursera.org/learn/i …

Aquí está la lista de MOOC a seguir en EDX:

A] Aprender a programar usando Python Por la Universidad de Texas: Aprender a programar usando Python

Aquí está la lista de MOOC a seguir en Udacity:

A] Fundamentos de programación con Python: Fundamentos de programación con Python | Udacity

Aprender de los cursos pagados:

¿Quieres gastar dólares para aprender? ¡En caso afirmativo! entonces hay pocos cursos en Udemy que son realmente buenos para extraer conocimientos. Aquí está la lista:

A] Complete Python Bootcamp: Complete Python Bootcamp – Udemy

B] Python – ¡Aprende Python desde cero en ningún momento !: Python – ¡Aprende Python desde cero en ningún momento!

Preferencia: Completa el bootcamp de python.

Aprende de YouTube:

Hoy en día la gente está obteniendo conocimiento de YouTube. Personas de todo el mundo comparten el conocimiento a través de YouTube. Aquí está la lista de los mejores canales que le proporcionan conocimiento sobre Python:

A] Clase de Python de Google : Aprenda Python (Google)

B] Zero To Hero con Python (Clase interactiva de Python por Microsoft): Zero to Hero con Python Tutorial FULL – Easy Learning python 3.4 de principio a fin

Answer 17

No sé Python, pero constantemente me ponen en situaciones similares a las que estás enfrentando ahora.

Soy más competente en C # y Java, con eso quiero decir que estoy bien en los idiomas, hago lo que hay que hacer. Conozco algunos trucos, pero de ninguna manera soy un experto.

Mi trabajo incluye analizar ideas y desarrollar prototipos, y corregir errores de productos heredados. Me pidieron que aprendiera e implementara cosas usando GO, PHP, C ++, Python, y entre otros. En algunos casos, dentro de breves períodos de tiempo.

El último proyecto en el que trabajé usa PHP, que nunca había tocado antes, necesitaba completar mi parte del proyecto en 7 días hábiles. Fue bastante estresante, pero me las arreglé para hacerlo funcionar más allá de las horas normales de trabajo. En esos días, solo he aprendido lo suficiente para obtener las funciones deseadas, algo más allá, todavía no lo sé.

Cada vez que me asignan un proyecto que usa tecnología que me es ajena, desarrollo ansiedad y miedo, pero al mismo tiempo también me emociono un poco. Me temo que no sería lo suficientemente inteligente como para hacer lo que me piden dentro del tiempo requerido. Me emociono porque consigo aprender algo nuevo. A veces me falla, a veces lo entrego.

Ahora la respuesta a tu pregunta. En mi caso, por lo general dedico algún tiempo a aclarar lo que se necesita hacer; Qué características se van a implementar . A veces me parece que las características requeridas no son complicadas. Luego busco en línea códigos de tutoriales que hacen cosas similares a las que estoy buscando . Estudio el código y lo modifico para cumplir los objetivos de mi proyecto.

Probablemente no sea la mejor manera de aprender, ya que podría perderse mucho material sobre mecanismos y teorías fundamentales detrás de una tecnología. Pero bajo la presión del tiempo, esto podría acelerar el tiempo de desarrollo si eres un novato en una tecnología. He estado haciendo esto demasiado que soy un tipo de todos los oficios, maestro de ninguno.

Answer 18

Ese es un plazo bastante ajustado. Como desarrollador de BI y desarrollador de python, puedo decirles que las dos disciplinas no son realmente iguales, por lo que no hay una tonelada de información del mundo de BI que pueda usar para facilitar la transición. No es imposible, pero es complicado.

Lo primero es lo primero: limpia tu horario. Necesitará por lo menos dos horas al día para comenzar a abarrotar. El curso que solía entender Python era este: Aprende Python de la manera más difícil. Le enseñará los conceptos básicos de python mientras le da un sentido de propiedad que nunca encontré con Udacity o CodeAcademy.

Debido a que va a utilizar python para la ciencia de datos, debe familiarizarse con iPython: Jupyter y el futuro de IPython. Este es el kit de herramientas de ciencia de datos para python e incluye todas las bibliotecas principales que necesitará para ejecutar algoritmos de aprendizaje automático. Valdría la pena su tiempo para dirigirse a Kaggle y comenzar a aprender cómo se usa Python para resolver problemas de la ciencia de datos del mundo real. Aquí hay uno de los cursos tutoriales con ejemplos: Tutorial de IPython Notebook para Titanic: Machine Learning from Disaster.

Espero que puedas conseguir ese trabajo!

Answer 19

Ni siquiera intentes convertirte en un programador de pila completo competente en 30 días. Hay respuestas competentes que dicen esto también y desde mi experiencia personal (35 años programando, más de 20 años enseñando eso en la universidad), solo puedo decirles: ¡Tienen razón!

La buena noticia: hacer ciencia de datos no significa que usted mismo tenga que codificar todo. Hay toneladas de grandes herramientas y bibliotecas. Hacer un proyecto de ciencia de datos es algo así como que el 95% comprenda el problema, encuentre el algoritmo correcto, cree un buen modelo, verifique ese modelo, lo lleve a producción, etc. y tal vez un 5% de programación.

Por lo tanto: tome un buen libro de Python y / o un curso en línea (google es su amigo) y trabaje durante una semana, luego pídale al equipo de Data Science un problema simple en el que trabajar (con su ayuda, si es posible) y dedique el tiempo restante a ese problema y en entender de qué se trata la ciencia de datos.

Buena suerte, estás en el camino hacia un futuro interesante!

Answer 20

Creo que el mejor enfoque que puede tomar aquí es asegurarse de seguir una pista de ciencia de datos con Python. Hay un par de instituciones que ofrecen este tipo de pistas, tales como

• Científico de datos con Python Track | DataCamp: una trayectoria profesional en la que aprenderá cómo combinar técnicas estadísticas y de aprendizaje automático con la programación de Python para analizar e interpretar datos complejos de manera aplicada. Aprenderás viendo videos y haciendo videos interactivos con comentarios personales.
• Analista de Datos Nanodegree | Udacity le enseñará a organizar datos, descubrir patrones e ideas, hacer predicciones utilizando el aprendizaje automático y comunicar claramente los hallazgos críticos.
• Ciencia de datos aplicada con Python – Universidad de Michigan | Coursera: la especialización basada en habilidades le enseñará a aplicar técnicas de estadística, aprendizaje automático, visualización de información, análisis de texto y análisis de redes sociales a través de los populares kits de herramientas de Python para obtener información sobre sus datos.

Creo que seguir una de estas pistas es una de las mejores (y más rápidas) maneras de prepararse para unirse a un equipo de ciencia de datos. Por supuesto, seguir una pista no lo llevará por completo en 30 días; A pesar de que las pistas incluyen proyectos finales, definitivamente es una buena idea unirse a Your Home for Data Science e iniciar un proyecto de ciencia de datos allí. No olvide compartir su código (documentado) en un cuaderno Jupyter y ponerlo en Github (el control de versiones lo es todo;)).