Es una pregunta repetida pero, así es como he estudiado.
- Tenía conocimientos básicos de estadística, matemáticas, gráficos de Excel y programación orientada a objetos.
- Comencé con el diseño de experimentos donde aprendí estadísticas avanzadas y regresión,
- Luego tomé un par de clases de estadísticas avanzadas en su mayoría a nivel de posgrado.
- Me interesaba más la ciencia de datos, así que, desde aquí, pensé por mí mismo. Descargué algunos materiales gratuitos como maniquíes, manuales de programación en R, matlab y comencé a leerlo. Con este método, aprendí tanto la programación como los conceptos de aprendizaje automático.
- Más tarde, comencé a usar herramientas de BI como Tableau y SISENSE. Me tomó un par de semanas entender cómo funciona, pero, después de un tiempo, me sentí asombrado con el uso de las herramientas de BI. Hay miles de videos en youtube y me ayudaron mucho. Uno de los canales que me gustaba era la historia por datos.
- Para continuar con mi cuarto punto, mientras revisaba aspectos técnicos como algoritmos, los libros no me ayudaron inicialmente. Blogs como R-blogger, analytics vidya, machinelearning mastry, R documentación me ayudaron mucho en la comprensión de conceptos básicos y cuando volví al libro, todo tenía sentido.
- Entrenando mis habilidades con datos de muestra disponibles. Tenga en cuenta que la ciencia de datos es uno de esos campos en los que puede usar la creatividad para explorar información dentro de los datos. Entonces, con muestras de datos como datos de vino, datos de iris, automóviles, datos de turbinas eólicas, trato de ajustar diferentes modelos y ver cómo todo se juntó.
- Finalmente, uno de los mayores errores que cometí y no sugeriría a nadie es comenzar con el aprendizaje de la arquitectura. Salté directamente con algoritmos. Pero, si empecé con la arquitectura, podría haber configurado todo tipo de algoritmos en la arquitectura sin tener que volver y preguntar con frustración.
Hay muchas maneras de aprender. Arriba estaba mi manera de aprender. Pocos van a la escuela, especialmente para la ciencia de la información, algunos son autodidactas, querían ser científicos de la información como yo y pocos son los primeros en el trabajo y luego aprenden.