Este post fue difundido como parte del Blogatón de ciencia de datos.
Cuando comencé a explorar este tema, desentrañé el misterio detrás de este fenómeno mágico; no era otro que ciencia de datos y aprendizaje automático. Me pareció bastante sorprendente cómo las máquinas recomiendan productos similares en función de las compras hechas por diferentes clientes que podrían haber comprado posts similares juntos. Las compañías de comercio electrónico se centran principalmente en un sistema de recomendación que les posibilita sugerir al usuario productos similares basados en búsquedas anteriores y compras hechas por otros usuarios.
Aún cuando había decidido profundizar en el dominio del análisis de datos y la ciencia de datos y cambiar mi carrera, aún no estaba seguro de cómo hacerlo. Había muchos cursos que estaban disponibles en línea en ese momento, lo que hizo que el viaje fuera aún más confuso para mí. Me suscribí a una gran cantidad de materiales y libros en línea y seis meses después aún no había avanzado en el camino hacia la ciencia de datos.
Como yo, estoy seguro de que hay muchas personas que están entusiasmadas de lanzar su carrera en ciencia de datos. Aún así, debido a sus compromisos laborales, relaciones personales y antecedentes no técnicos, disponen que renunciar si no encuentran el éxito en un año. Aunque este es un fenómeno extremadamente común, no tiene por qué ser así, si desea convertirse en un científico de datos sin importar lo que sea necesario. Lo aprendí de la manera difícil, pero por último, descubrí algunas formas fantásticas de impulsar mi viaje hacia la ciencia de datos. Entonces, comencemos «.
Domina un lenguaje de programación:
- Aprenda los conceptos básicos de Python: si aprende usted mismo, comience con el aprendizaje de los conceptos básicos de Python. Siéntete cómodo con la codificación en un IDE en particular como Jupyter o Pycharm. Ambos son buenos a su manera.
- Aprenda y practique proyectos de Python y resuelva problemas usando los conceptos que ha aprendido. Puede comenzar construyendo un proyecto que analice su hábito de gasto diario desde plataformas como Amazon, Big Basket, etc.
- Aprenda Web Scraping con Python: es absolutamente esencial aprender a Web Scraping, puesto que le ayuda a recabar datos y analizarlos para su propio beneficio. Estaba trabajando en un proyecto canadiense en el que tuve que raspar los detalles de los electricistas de la región de Toronto, por lo tanto usé el raspado web para raspar los datos de un sitio llamado kijiji.ca. Fue muy interesante extraer todos los datos fiables y posteriormente trabajar de acuerdo con los requerimientos de mi compañía.
Aprenda algoritmos de estadística y ciencia de datos:
Debe sentirse cómodo con las estadísticas, puesto que las estadísticas se implementan para solucionar los problemas comerciales en la vida diaria. Además debe familiarizarse con los algoritmos de ciencia de datos, puesto que son útiles. Al mismo tiempo, resuelve cualquier problema comercial o implementa su uso en cualquier proyecto basado en la ciencia de datos.
Además debe tener una comprensión más clara de la diferencia entre los problemas de clasificación, regresión y agrupación, puesto que con esto puede crear un modelo de ciencia de datos de forma separada. Según el tipo de problema que encuentre, el conocimiento de estas tres técnicas de aprendizaje automático resulta extremadamente útil.
Inclusive si no le gustan las estadísticas, aún tiene que aprender estadísticas para avanzar en su viaje de ciencia de datos. Nunca fui un fanático de las estadísticas, a pesar de esto, descubrí que sin ellas no podría comprender los conceptos avanzados. Los métodos estadísticos se han utilizado principalmente para garantizar que los datos recopilados por usted se hayan interpretado correctamente. Principalmente, el análisis estadístico ayuda a hallar el significado de números sin significado en los datos.
Con el paso del tiempo, comencé a disfrutar aprendiendo estadísticas para la ciencia de datos. Esto es lo que necesita aprender para la ciencia de datos:
- Estadística y teoría de la probabilidad
- Distribuciones de probabilidad
- Prueba de hipótesis
- Modelado y ajuste estadístico
- Aprendizaje automático
- Análisis de regresión
- Pensamiento y modelado bayesiano
Hay muchas fuentes de las que aprender Estadísticas. Recomiendo aprender los conceptos de Udacity y Khan Academy. Si lo encuentra aburrido, el canal de Youtube de Stats Quest es una forma divertida de aprender estadísticas. Si ya está inscrito en algún curso, siga religiosamente su plan de estudios para tener una mejor comprensión.
Construya un plan de estudios / estructura para aprender:
Aprender sin pensar puede producir pocos o ningún resultado, puesto que no existe un factor de motivación externo que lo impulse a seguir adelante. Si planea hacer la transición de su carrera, si ya está familiarizado con la ciencia de datos y el aprendizaje automático, asegúrese de planificar su estudio con anticipación. Es esencial crear un plan de curso y cumplir con el mismo hasta que lo complete.
Si planea comenzar su viaje de ciencia de datos desde cero, debe inscribirse en un curso confiable y seguir sus pautas. Aún cuando hay una plétora de cursos por ahí, compañías como DataPeaker han lanzado una interesante línea de cursos que además dan una garantía de trabajo si sigues su plan y programa con diligencia. Es una magnífica manera de mantenerse motivado y completar su viaje de ciencia de datos.
Cíñete a un plan en particular y no olvides revisar y aprender nuevos conceptos a diario.
Únase a comunidades y grupos:
Hay muchos grupos en línea gratuitos en ciencia de datos, en los que puede obtener muchos recursos y ayuda en línea. Una vez que se sienta cómodo con la codificación y la implementación de conceptos, no olvide compartir sus dudas y preocupaciones si se queda atascado. Los expertos siempre estarán ahí para apoyarlo y solucionar sus problemas.
Empiece a revisar proyectos y a reconstruirlos
Revisar proyectos ya existentes y chequear su código de principio a fin puede aportar una perspectiva totalmente nueva a su ritmo de aprendizaje. El simple conocimiento teórico no es suficiente; poner en práctica los mismos proyectos en vivo puede acelerar su carrera muy rápido. Para comprender mejor, siempre puede comenzar con un proyecto con una buena cantidad de conocimientos. A modo de ejemplo, trabajé en el sector financiero, por lo que decidí comenzar con un obstáculo comercial que se relacionara con mi área de especialización. Con mi conocimiento del dominio y mis habilidades en ciencia de datos, pude comprender la preocupación constante que enfrentaba la compañía. Con mis habilidades en ciencia de datos, sabía exactamente qué implementación de modelo podría producir resultados.
Bueno, así es como comencé mi viaje. Estoy muy contento con el progreso que hice, y he visto a mis compañeros que han trabajado hacia su pasión por la ciencia de datos y han cambiado con éxito su carrera en la ciencia de datos.
Sobre mí:
Hola, soy Ananya y soy una bloguera apasionada y una analista de negocios. Mi viaje por la ciencia de datos acaba de comenzar y estoy disfrutando cada parte. Puedo trabajar en dos de mis mejores dominios: ciencia de datos y comercio electrónico, y no puedo estar más orgulloso de ello.
Los medios que se muestran en este post no son propiedad de DataPeaker y se usan a discreción del autor.
