Este artículo fue publicado como parte del Blogatón de ciencia de datos.
Introducción
En general, quienquiera que se dedique a la ciencia de datos querrá exposición, una oportunidad en este campo para sentirse bien, motivado para seguir adelante y convertirse en un científico de datos de renombre. Una de las oportunidades más importantes y significativas que un estudiante puede tener en este campo es ser elegido como pasante científico de datos. Hay otras capacitaciones y tareas que puede realizar para afinar y fortalecer su perfil / currículum, pero como soy un practicante de Data Scientist a partir del mes de febrero de 2021, compartiré con ustedes mis pensamientos, el viaje que hice; para al menos ser elegible para esta publicación.
Acerca de mi fase
Empezar, déjame dejar esto muy claro que no soy un genio de la tecnología, que está en la computadora codificando desde la clase 6 u 8 o incluso 11. Soy un artista y siempre lo he sido, cantando durante los últimos 8 años, haciendo teatro durante los últimos 7 años, bailando clásica y lírica, dibujando, y todo tipo de habilidades creativas similares a estas formas de arte más populares. Así que definitivamente, estaba detrás de la mayoría de mis compañeros durante la fase inicial de mi ingeniería informática en mi universidad (UPES). Durante todo el primer año, no hice nada lo suficientemente bueno.
Luego viene el segundo año, el momento en que comencé a buscar cosas que me interesan en el campo técnico. Seleccioné el desarrollo de aplicaciones móviles e inteligencia artificial, desarrollo de aplicaciones móviles; porque parecía realmente genial, pensé que podría hacer esas aplicaciones que la gente usará en su vida diaria en sus teléfonos, e inteligencia artificial porque en secreto he estado enamorado de la psicología humana durante mucho tiempo, así que solía estudiar mucho sobre por mi cuenta, y cuando descubrí que la gente ha comenzado a reunir el funcionamiento de una neurona en la tecnología (Neural Network). Sentí un escalofrío por mi espalda por la emoción. Les di a estos dos campos su atención y tiempo individuales.
La semilla se siembra
Todos en algún momento nos enfrentamos a tales dilemas, una elección que no sabemos cómo tomar. Para mí, el factor decisivo se convirtió en mi sensación de malestar cuando no podía satisfacer la curiosidad de saber más sobre las redes neuronales y estaba haciendo desarrollador de aplicaciones móviles en ese momento. Una vez que me di cuenta de que la aplicación móvil no es mi prioridad al ver mi entusiasmo por la inteligencia artificial, di un giro en U desde el desarrollo de aplicaciones y comencé mi primer curso sobre redes neuronales, no hice ningún aprendizaje automático de antemano porque no sabía mucho. al respecto Por lo tanto, comenzó directamente desde Redes neuronales con Pytorch. Créame, realmente disfruté aprendiendo sobre la teoría de las redes neuronales y el aprendizaje profundoEl aprendizaje profundo, una subdisciplina de la inteligencia artificial, se basa en redes neuronales artificiales para analizar y procesar grandes volúmenes de datos. Esta técnica permite a las máquinas aprender patrones y realizar tareas complejas, como el reconocimiento de voz y la visión por computadora. Su capacidad para mejorar continuamente a medida que se le proporcionan más datos la convierte en una herramienta clave en diversas industrias, desde la salud... en general, pero cuando se trataba de codificar con Pytorch, no podía entender nada de su funcionamiento, tenía que memorizar cuándo, dónde y qué funciones usar mientras codificar redes neuronales para asegurarme de que sé cómo codificar una red neuronalLas redes neuronales son modelos computacionales inspirados en el funcionamiento del cerebro humano. Utilizan estructuras conocidas como neuronas artificiales para procesar y aprender de los datos. Estas redes son fundamentales en el campo de la inteligencia artificial, permitiendo avances significativos en tareas como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la predicción de series temporales, entre otros. Su capacidad para aprender patrones complejos las hace herramientas poderosas....
Mi «ZONA»
Luego vino el Bloqueo de Covid-19 (22 de marzo de 2020), ¡Guau! que bendición para mi. Ya tenía esta gran llama encendida dentro de mí para estudiar Deep Learning y cuando me quedé atascado en mi PG en Dehradun debido al bloqueo, creé una rutina tan ajustada, un hábito tan consistente que solía estudiar y codificar para 12-14. horas al día. Esta fue la primera vez en mi vida que disfruté tanto estudiando que todas esas horas parecían nada que pudiera agotarme, esta perseverancia se mantuvo hasta febrero de 2021 y las cosas cambiaron después de que obtuve mi pasante como científico de datos para una maravillosa hospitalidad. Start-Up: “Upswing Cognitive Hospitality Solutions”.
Estas son las cosas que hice durante mi «Zona”(Como me gusta llamarlo haciendo referencia a la palabra psicología) y creo que te ayudará a hacer que tus habilidades en ciencia de datos y aprendizaje automático sean realmente nítidas y útiles.
1. Crea un mapa para ti
Como te dije antes de que comenzara, comencé con el aprendizaje profundo donde, en cambio, debería haber elegido un camino desde lo básico hasta Advance, de esta manera tu cerebro aprende paso a paso y las cosas se entienden de manera concreta. Por lo tanto, tómese su tiempo y descubra diferentes direcciones que son posibles con la ciencia de datos, el aprendizaje automático, etc. Habrá muchos caminos posibles, pero no sea muy particular con todos ellos; solo segmenta las cosas de tu interés (en mi caso, fue aprendizaje profundo con ciencia de datos) en lo básico, intermedio, avanzado.
Comience con cosas básicas y manténgase enfocado, primero cubra todos los temas básicos de su interés y luego resuelva los problemas basados en esos temas sin ninguna ayuda. Primero, debe sentirse cómodo con lo que está haciendo actualmente y luego hacer un cambio en términos de la dificultad de los temas.
2. Siga desarrollando otras habilidades además de esta en paralelo
Añadiendo ‘Científico’ en la parte de atrás de ‘Datos’ no es particularmente algo que pueda hacer después de aprender pocas bibliotecas en Python o R o cualquier otro lenguaje de soporte de ciencia de datos. Un científico de datos debe saber cómo integrar diferentes tecnologías para lograr el resultado final del problema. Lo que quiero decir con esto es que debe estar familiarizado con bases de datos, Git, Github, tecnología relacionada con la implementación, puede que sea un desarrollador web básico para alojar su aplicación en línea o una ventana acoplable para crear un contenedor e implementarlo en la nube y demás.
No le estoy pidiendo que aprenda todo, si su objetivo final es algo diferente a todo esto, descubra las cosas que se requieren para su objetivo junto con los conceptos de ciencia de datos y las habilidades de codificación. Una habilidad imprescindible en la que creo que todo científico de datos debería centrarse es escribiendo, es una habilidad básica necesaria para que un científico de datos cree un informe al final de un proyecto para sus partes interesadas, y la presentación de ese informe es uno de los pasos más importantes dentro del ciclo de trabajo completo para un científico de datos.
3. No te quedes atascado en un medio
Lo que quiero decir con esto es que todos tienen su zona de confort en términos de cómo aprenden las cosas, ya sean videos o libros, etc. Pero confiar en una sola forma de medio puede ser restrictivo. Hay libros brillantes, absolutamente obras de arte disponibles que deberías estar interesado en leer, incluso si te gusta estudiar a partir de videos en línea. Esta la flexibilidad te ayudará más de lo que te imaginas, lectura de artículos de investigación, blogs y todo.
Para las personas que aprenden de la lectura, pueden ver algunos de los excelentes cursos en video que se mencionan a continuación para visualizar los conceptos con tanta facilidad y diversión.
4. Socialízate
Este paso está particularmente relacionado con el aumento de sus posibilidades de obtener puestos de pasante o incluso trabajos. Solo podemos hacer mucho con nuestro tiempo, si marcarnos a través de nuestro trabajo y relaciones sociales, aumentamos exponencialmente nuestras posibilidades de que nos detecten y nos ofrezcan una oportunidad.
Esto mismo me pasó a mí, en mi quinto semestre, obtuve un puntaje de 96 en el examen de fin de semestre de Python, por lo que cuando la empresa se acercó a algunas de las facultades de mi universidad, mi profesor de Python me recomendó al profesor encargado y ella tomó una foto conmigo, después de eso di mi entrevista y fui seleccionada como pasante.
5. Aprenda más allá de lo común
Mantenga activo su lado investigador Mientras se aprenden los conceptos, la ciencia de datos, el aprendizaje automático y el aprendizaje profundo están llevando a cabo una amplia investigación de forma continua en todos los rincones del mundo. Por lo tanto, mantenga una mente amplia y aprenda cosas más allá de los pasos del ciclo de trabajo de la ciencia de datos. Digo esto porque ningún conocimiento que adquieras se desperdicia y la integración de tus conocimientos de diferentes etapas y dimensiones de tu vida te convierte en quien eres hoy, además de que te da una identidad y un proceso de pensamiento únicos. Entonces, utilícelo.
Menciono un par de cosas que aprendí al lado:
IA responsable (ética en IA)
Cómo las personas perciben los diferentes tipos de visualización (dimensiones de la rueda de visualización)
6. Aprenda de los mejores recursos
Cursos de video:
Canal de Youtube, freeCodeCamp
Cursos de Coursera:
Certificado profesional de ciencia de datos de IBM
Ciencia de datos aplicada de la Universidad de Michigan
Cursos de DeepLearning.ai si está interesado en el aprendizaje profundo
Data Science AZ en Udemy por Kirill Eremenko
Ciencia de datos aplicada de IBM
Data Camp: mi recurso favorito para la ciencia de datos. Explórelo al contenido de su corazón, le encantará hacer y aprender ciencia de datos en DataCamp.
Cursos de lectura:
Estadísticas prácticas para científicos de datos Más de 50 conceptos esenciales que utilizan R y Python por Peter Bruce, Andrew Bruce, Peter Gedeck
Manual de ciencia de datos de Python por Jake VanderPlas publicado por O’Reilly
El arte de la estadística aprendiendo de los datos por David Spiegelhalter
La presentación visual de información cuantitativa por Edward R. Tufte
Minería de datos Herramientas y técnicas prácticas de aprendizaje automático de Ian H. Witten y Eibe Frank
7. Tome notas adecuadas
Este punto se explica por sí mismo. No es posible que recuerdes todo lo que lees, aprendes o estudias. Entonces para hacer tu motor de búsqueda personal (cerebro) más eficiente y rápido tomar notas correctamente es la mejor manera. Te sentirás más poderoso psicológicamente cada vez que veas tus notas, ellas representan tu arduo trabajo, progreso y tanto conocimiento que has adquirido hasta ahora.
8. Conquista en pasos
Necesitas sentirte satisfecho contigo mismo de vez en cuando, para seguir adelante y no dejar que la llama del aprendizaje se desvanezca sinceramente. He visto a mucha gente asustada o cansada o simplemente desinteresada en trabajar duro después de un tiempo. Según mi punto de vista, esto suele suceder cuando sientes que no has alcanzado la meta y sigues caminando sin apreciar dónde estás parado en este momento, hasta dónde has llegado con tu dedicación y trabajo duro.
Por lo tanto, intente establezca metas pequeñas y una vez que las supere, esté orgulloso porque eres la mejor versión de ti mismo en este momento, no te rindes y sigues adelante con la felicidad y la satisfacción en mente.
9. Contribuir a las comunidades
Al igual que está estudiando con muchos recursos maravillosos, ¿por qué no contribuir después de cierto punto de conocimiento y convertirse en uno mismo para una sola persona? El acto de compartir conocimientos no es bueno mantener vivo el flujo de nuevos conocimientos, sino también hacerse un nombre. Estos aportes te darán tanta importancia que ninguna otra cosa podría. Psicológicamente te sentirás realmente poderoso y eso se reflejaría más en su próximo trabajo. Mantiene el proceso de aprendizaje sólido y agudiza su imagen general como científico de datos o cualquier otra cosa.
Pocos ejemplos de tales comunidades son, Kaggle, Paperspace, Analytics Vidya, Medio, etc.
10. Si es posible, busque un mentor
Bueno, esta no es una tarea fácil, pero es una extensión del paso anterior de «aprender de los mejores recursos». Cuando tienes a alguien (un experto / o incluso una persona con más experiencia que tú), te lleva en la dirección más optimizada para tu aprendizaje, deambulas menos y captas más. La mejor manera es llegar a tantas personas como sea posible en LinkedIn (No les supliques ni los irrites, solo sé claro y directo con la ayuda que necesitas de ellos).
11. Cree en ti mismo
Estoy mencionando el paso MÁS Importante en el FIN porque incluso si entendiera todos los pasos mencionados anteriormente excepto este, posiblemente podría fallar o perderse en tantas cosas que definitivamente no querría para usted. Entonces, sin importar el tiempo que tome, si está despejando sus objetivos diarios y semanales, expandiendo su red de personas,
USTED LO HARÁ, CAUSA SI NO USTED ENTONCES ¿QUIÉN? ¡SERÁS TÚ! ¡Creer que!
Ese fue el FINAL de este artículo, espero que hayas aprendido algo para tu PROPIO viaje. Compártelo conmigo en cualquier momento a través de LinkedIn.
Gargeya Sharma
B.Tech Ciencias de la Computación (3er año)
Especializado en ciencia de datos y aprendizaje profundo
Pasante científico de datos en Upswing Cognitive Hospitality Solutions
Para obtener más información, consulte mi página de inicio de GitHub
Foto de portada del blog por Mantas Hesthaven sobre Unsplash
Foto de zona por Paul Skorupskas sobre Unsplash
Los medios que se muestran en este artículo no son propiedad de DataPeaker y se utilizan a discreción del autor.
