Soy nuevo en el campo del aprendizaje automático y soy un aprendiz lento. ¿Cómo puedo convertirme en un científico de datos?

Answer 1

* A2A *

Soy un aprendiz lento también Comencé con el aprendizaje automático en el último año de mi licenciatura y me ha llevado una década llegar a donde estoy hoy. No creo que haya una manera rápida de lograr lo que deseas, si eso es lo que estás preguntando. Ahora, eso está claro, déjame pasar a la pregunta real.

Un científico de datos (ya que no hay una definición real del término científico de datos, por lo que simplemente voy a ir con lo que percibo que implica las diversas descripciones de trabajo) no es alguien que conoce un conjunto particular de algoritmos, sino alguien que es lo suficientemente capaz para revisar los datos proporcionados y obtener información crítica útil para una aplicación en particular que el científico de datos tiene en mente. Como tales, los algoritmos de aprendizaje automático son simplemente herramientas que existen para el uso de científicos de datos y, dado que son simples herramientas, existen muchas de ellas y todas tienen diferentes propósitos. Un científico de datos debe estar familiarizado con estas herramientas y debe tener una idea de qué funciona, cuándo funciona y por qué funciona. Estos suelen venir a través de la experiencia.

Mi sugerencia para usted sería:
1] Instalar Weka
2] Juegue con todos los algoritmos disponibles en todos los conjuntos de datos que pueda encontrar (en Internet) y explique por qué algo funciona y por qué algo no funciona.
3] Aprender a visualizar conjuntos de datos.
4] Hay muchos apuntes de conferencias y recursos en línea para leer sobre los diferentes algoritmos que existen en Weka. Deben ayudarlo a formular hipótesis sobre por qué algunos algoritmos no funcionan y por qué otros sí.
5] Y para algunos algoritmos, tendrá que leer el trabajo de investigación real. Convierta en un hábito leer un trabajo de investigación por semana o por mes (según su capacidad). No es muy fácil leer artículos de investigación y entenderlos. A menos que no hagas el hábito de leerlos, no podrás implementar las últimas y mejores herramientas disponibles en el mundo académico porque no se implementan todos los algoritmos.

Answer 2

Déjame compartir mi historia. Antes de ingresar a la ciencia de datos, solo estaba considerando trabajos de ingeniería mecánica. La oportunidad de postularme para un puesto de ciencia de datos surgió de la nada, y solo tenía 5 días para prepararme, pero pensé que haría todo lo posible para prepararme para una entrevista que no estaba preparada para pasar … todavía.

Estudié la descripción del trabajo y me aseguré de familiarizarme (no de dominio, solo de familiaridad) con todos los conceptos enumerados, que incluían redes neuronales, regresiones logísticas, etc. Además, leí, releí, y practicó materiales en línea sobre ciencia de datos y aprendizaje automático. Pasé ~ 5 días seguidos haciendo trabajos de preparación antes de las entrevistas en el sitio. Para mi sorpresa, conseguí el trabajo.

Suponiendo que tenga más tiempo que los 5 días que tuve, convertirme en un científico de datos definitivamente se puede lograr, incluso si cree que es un aprendiz lento. Pase algunas semanas tomando cursos en línea y leyendo material sobre ciencia de datos, y estoy seguro de que estará listo para la entrevista en ningún momento.

Recomiendo los siguientes enlaces:

Guía de autoaprendizaje del aprendizaje automático

Cómo hacer una entrevista de ciencia de datos

Preguntas de las entrevistas de Data Science | Udacity

Top 10 algoritmos para la entrevista de codificación

Sobre – Proyecto Euler

Tabla de contenido

¡Buena suerte!

Answer 3

Soy un aprendiz lento también Y aprender un arte o una ciencia es lo mismo para los estudiantes lentos. Todo lo que hay que hacer es poner más horas por día.
No lea todos los recursos disponibles en este momento es otro truco. Elija el que le resulte más útil y luego dedique mucho tiempo a él. Así es como aprendo los temas en los que trabajo. Luego salir y codificar / implementar un poco. El resto se puede leer más tarde, cuando uno tiene una mejor comprensión del tema.