La ciencia de datos es una palabra de moda en el mundo del software debido a su demanda y los salarios más altos. Echemos un vistazo a algunas cosas interesantes sobre esta tecnología.
Inscríbase para una sesión interactiva gratuita en Data Science
Por lo general, cuando las personas enfatizan que debe aprender ciencia de datos al hacer, significan que no es suficiente conocer la teoría fundamental de la ciencia de datos, como las matemáticas, las estadísticas y el aprendizaje automático, sino que también debe aprenderlo mientras lo está aplicando. Por lo general, me refiero a esta infografía (Learn Data Science – Infographic) en la que colaboré cuando hablo sobre el aprendizaje de Data Science: enumera los 8 pasos que hay que seguir para aprender Data Science. . Voy a seguir estos pasos para mostrarle cómo puede asegurarse de que lo que hace sea lo más práctico posible: 1.Aprenda las estadísticas, las matemáticas y el aprendizaje automático (de forma interactiva): no es necesario simplemente sentarse y relajarse mientras Estamos trabajando en el dominio de estos temas. Si estás trabajando con Python , considera meterte en estos temas con más de 40 Python Statistics para Data Science Resources, Tutorial Scipy: Vectores y matrices (álgebra lineal), Tutorial Python Numpy Array, Aprendizaje no supervisado en Python, Python Machine Learning: Scikit- Aprender tutorial. La clave aquí es que debe intentar aplicar todo lo que aprende haciendo desafíos de codificación interactiva y realizar proyectos (con o sin orientación). Si está trabajando con R , le recomendaría OpenIntro, Análisis de datos e Inferencia estadística, Aprendizaje automático en R para principiantes, Introducción al aprendizaje automático – Curso en línea, Introducción detallada al aprendizaje automático en 15 horas de videos de expertos.
- Cómo aprender música por mi cuenta
- ¿Cuál es la forma más rápida de explicarle a alguien de manera racional que la Tierra no es plana, además de la respuesta clásica de “¿estás loco?”
- ¿Crees que deberíamos desarrollar un chip / módulo de datos que permita a una persona aprender un tema en particular rápidamente?
- Universidad: ¿es mejor transferir un crédito y ahorrar dinero o comenzar con cursos de introducción y aprender todo desde el principio?
- ¿Qué tienes que hacer para aprender a conducir en tu país?
2. Aprender a codificar: convertirse en un programador experto comienza con la codificación interactiva. Considere tomar Learn Python for Data Science – Curso en línea o Introducción gratuita a la programación en línea de R, o bien Introducción a Python for Data Science o comenzar con tutoriales como Learn Python – Tutorial interactivo de Python y ¡Un tutorial sobre el uso de funciones en R! .
3. Comprenda las bases de datos : por supuesto, debe comprender por qué existen las bases de datos y cómo funcionan (considere la introducción y las bases de datos relacionales), pero una vez que comience con SQL, intente adoptar un enfoque interactivo con Learn SQL, y luego también aprenda cómo conectarse a bases de datos con Python y R: Introducción a las bases de datos en Python y Uso de R con bases de datos.
4. Explore el flujo de trabajo de la ciencia de datos: como ya vio en el paso 1, aprender haciendo a veces también requiere que haga uso de paquetes. Y cuando revise todo el flujo de trabajo, verá que hay algunos paquetes a considerar: Para Python, considere tomar tutoriales como Pandas Tutorial: DataFrames en Python, Matplotlib Tutorial: Python Trazar y hacer uso de materiales tales Como Matplotlib Hoja de trucos: Trazar en Python. Pruebe estos paquetes en Jupyter Notebook (Tutorial de Jupyter Notebook: La Guía definitiva). Para R, no te pierdas Cheatsheets y asegúrate de probar R con Jupyter y R Markdown: Notebooks With R.
5. Big Data : una recomendación importante es la serie de cursos que consta de Introducción a Apache Spark, Aprendizaje automático distribuido con Apache Spark, Ciencia de datos e ingeniería con Apache® Spark ™ y Análisis de Big Data con Apache Spark. Estos son sólo los de más-hacer.
6. Crece, conéctate y aprende : ¿estás cansado de trabajar solo? No deberías estarlo. ¡Colabore con sus colegas en los cuadernos que se han mencionado anteriormente, participe en una competencia de Ciencia de datos de Su hogar para datos o considere revisar DrivenData! ¡Asegúrate de crear una cuenta de software para que la gente pueda ejercer el control de versión en el código que escribes! Además, únase a un grupo Meetup y asuma un proyecto favorito: busque conjuntos de datos para descubrir datos geniales y conéctese con personas interesantes, Análisis, Minería de datos y Ciencia de datos.
7. Sumérgete: en algunos casos, solo hacer ejercicios y trabajar en proyectos no es suficiente, especialmente si estás trabajando y estudiando al mismo tiempo. Considere dedicar una cierta cantidad de dinero exclusivamente a la ciencia de datos realizando bootcamps, realizando prácticas o, si ya está allí, ¿por qué no acepta un trabajo?
8. Comprometerse con la comunidad: aprender la ciencia de datos al hacerlo también significa conectarse y contribuir a la comunidad de la ciencia de datos. No solo asista a los Meetups, participe y presente el proyecto de mascota en el que está trabajando; ¡Conéctese con profesionales de la ciencia de datos o encuentre apoyo con sus compañeros! Siga las últimas noticias y tendencias en ciencia de datos siguiendo a DataTau, Analytics, Data Mining y Data Science, … En resumen, aprender ciencia de datos haciendo inmersión en ella y convirtiéndolo en un estilo de vida. 🙂
Espero que esto ayude y buena suerte!