Stage en science des données | Guide du débutant pour obtenir un stage en science des données

Cet article a été publié dans le cadre du Blogathon sur la science des données.

introduction

En général, n'importe qui dans la science des données voudra être exposé, une opportunité dans ce domaine de se sentir bien, motivé pour aller de l'avant et devenir un data scientist renommé. L'une des opportunités les plus importantes et significatives qu'un étudiant puisse avoir dans ce domaine est d'être choisi comme stagiaire en data scientist. Il existe d'autres formations et tâches que vous pouvez suivre pour affiner et renforcer votre profil / reprendre, mais comme je suis un praticien Data Scientist depuis février 2021, je vais partager mes pensées avec vous, le voyage que j'ai fait; être au moins éligible à ce poste.

A propos de ma phase

Début, permettez-moi de préciser que je ne suis pas un génie de la technologie, c'est dans le codage informatique de la classe 6 vous 8 ou 11. Je suis un artiste et j'ai toujours été, chanter pour la fin 8 ans, faire du théâtre pour la fin 7 ans, danse classique et lyrique, dessin, et toutes sortes de capacités créatives similaires à ces formes d'art plus populaires. Alors définitivement, J'étais en retard sur la plupart de mes pairs lors de la phase initiale de mon ingénierie informatique à mon université (UPES). Tout au long de la première année, je n'ai rien fait d'assez bien.

Puis vient la deuxième année, au moment où j'ai commencé à chercher des choses qui m'intéressent dans le domaine technique. J'ai sélectionné le développement d'applications mobiles et l'intelligence artificielle, Développement d'applications mobiles; parce que ça avait l'air vraiment cool, je pensais pouvoir créer ces applications que les gens utiliseront dans leur vie quotidienne sur leurs téléphones, et l'intelligence artificielle car je suis secrètement amoureux de la psychologie humaine depuis longtemps, alors j'étudiais beaucoup par moi-même, et quand j'ai découvert que les gens ont commencé à mettre en place le fonctionnement d'un neurone dans la technologie (Réseau neuronal). J'ai ressenti un frisson dans le dos à cause de l'excitation. J'ai accordé à ces deux domaines votre attention et votre temps individuels..

La graine est semée

Nous sommes tous confrontés à de tels dilemmes à un moment donné, un choix qu'on ne sait pas faire. Pour moi, le facteur décisif est devenu mon sentiment de malaise lorsque je ne pouvais pas satisfaire la curiosité d'en savoir plus sur les réseaux de neurones et que je travaillais en tant que développeur d'applications mobiles à l'époque. Une fois que j'ai réalisé que l'application mobile n'est pas ma priorité vu mon enthousiasme pour l'intelligence artificielle, J'ai fait demi-tour dans le développement d'applications et j'ai commencé mon premier cours sur les réseaux de neurones, Je n'ai pas fait de machine learning au préalable car je n'y connaissais pas grand chose. à ce sujet donc, a commencé directement à partir de Réseaux de neurones avec Pytorch. crème, realmente disfruté aprendiendo sobre la teoría de las redes neuronales y el l'apprentissage en profondeurL'apprentissage en profondeur, Une sous-discipline de l’intelligence artificielle, s’appuie sur des réseaux de neurones artificiels pour analyser et traiter de grands volumes de données. Cette technique permet aux machines d’apprendre des motifs et d’effectuer des tâches complexes, comme la reconnaissance vocale et la vision par ordinateur. Sa capacité à s’améliorer continuellement au fur et à mesure que de nouvelles données lui sont fournies en fait un outil clé dans diverses industries, de la santé... en général, mais quand il s'agissait de coder avec Pytorch, ne pouvait rien comprendre de son fonctionnement, J'ai dû mémoriser quand, dónde y qué funciones usar mientras codificar redes neuronales para asegurarme de que sé cómo codificar una neuronal rougeLes réseaux de neurones sont des modèles computationnels inspirés du fonctionnement du cerveau humain. Ils utilisent des structures appelées neurones artificiels pour traiter et apprendre des données. Ces réseaux sont fondamentaux dans le domaine de l’intelligence artificielle, permettant des avancées significatives dans des tâches telles que la reconnaissance d’images, Traitement du langage naturel et prédiction de séries temporelles, entre autres. Leur capacité à apprendre des motifs complexes en fait des outils puissants...

Moi « ZONE »

Puis vint le Blocage du Covid-19 (22 Mars 2020), Wow! quelle bénédiction pour moi. J'avais déjà cette grosse flamme qui brûlait à l'intérieur de moi pour étudier le Deep Learning et quand je suis resté bloqué sur mon PG à Dehradun en raison d'un crash, J'ai créé une routine si serrée, une habitude si constante que j'avais l'habitude d'étudier et de coder pour 12-14. heures par jour. C'était la première fois de ma vie que j'aimais tellement étudier que toutes ces heures semblaient n'être rien qui puisse m'épuiser, cette persévérance a duré jusqu'en février 2021 et les choses ont changé après mon stage en tant que data scientist pour une merveilleuse hospitalité. Commencez: « Solutions d'accueil cognitives en plein essor ».

Ce sont les choses que j'ai faites pendant mon « Zone"(Comme j'aime l'appeler en référence au mot psychologie) et je pense que cela vous aidera à rendre vos compétences en science des données et en apprentissage automatique vraiment pointues et utiles.

1. Créer une carte pour vous-même

Comme je te l'ai dit avant que ça commence, J'ai commencé par l'apprentissage en profondeur où, en échange, J'aurais dû choisir un chemin de Basics à Advance, de cette façon votre cerveau apprend pas à pas et les choses sont comprises de manière concrète. Donc, prenez votre temps et découvrez les différentes directions possibles avec la science des données, apprentissage automatique, etc. Il y aura plusieurs chemins possibles, mais ne soyez pas trop particulier avec chacun d'eux; segmentez seulement les choses qui vous intéressent (dans mon cas, c'était un apprentissage en profondeur avec la science des données) dans les bases, intermédiaire, Avancée.

Commencez par les bases et restez concentré, couvrez d'abord tous les sujets de base qui vous intéressent, puis résolvez les problèmes basés sur ces sujets sans aucune aide. Premier, vous devez être à l'aise avec ce que vous faites actuellement et ensuite faire un changement en termes de difficulté des sujets.

2. Continuez à développer d'autres compétences en plus de celle-ci en parallèle

Ajouter ‘Científico’ à l'arrière de ‘Données’ pas particulièrement quelque chose que vous pouvez faire après avoir appris quelques bibliothèques en Python ou R ou tout autre langage de support de la science des données. Un data scientist doit savoir intégrer différentes technologies pour atteindre le résultat final du problème. Ce que je veux dire par là, c'est que vous devez être familier avec les bases de données, Git, Github, technologie liée au déploiement, il peut s'agir d'un développeur Web de base pour héberger votre application en ligne ou d'un docker pour créer un conteneur et le déployer dans le cloud, etc..

je ne te demande pas de tout apprendre, si votre objectif final est autre chose que tout cela, découvrir les éléments nécessaires à votre objectif ainsi que les concepts de science des données et les compétences en codage. Une compétence indispensable sur laquelle, selon moi, chaque data scientist devrait se concentrer est l'écriture, est une compétence de base requise pour un scientifique des données pour créer un rapport à la fin d'un projet pour ses parties prenantes, et soumettre ce rapport est l'une des étapes les plus importantes de l'ensemble du cycle de travail pour un data scientist.

3. Ne reste pas coincé au milieu

Ce que je veux dire par là, c'est que chacun a sa zone de confort quant à la façon dont il apprend les choses., que ce soit des vidéos ou des livres, etc. Mais s'appuyer sur une seule forme de support peut être restrictif.. Il y a des livres brillants, oeuvre absolument disponible que vous devriez être intéressé à lire, même si vous aimez étudier à partir de vidéos en ligne. Ce la flexibilité vous aidera plus que vous ne l'imaginez, lire des articles de recherche, les blogs et tout.

Pour ceux qui apprennent en lisant, vous pouvez regarder certains des excellents cours vidéo mentionnés ci-dessous pour visualiser les concepts avec une telle facilité et un tel plaisir.

4. Socialiser

Cette étape est notamment liée à l'augmentation de vos chances de décrocher des stages voire des emplois. Nous ne pouvons pas faire grand chose avec notre temps, et nous marque par notre travail et nos relations sociales, nous augmentons exponentiellement nos chances d'être détectés et offerts une opportunité.

Il m'est arrivé la même chose, dans mon cinquième semestre, J'ai un score de 96 à l'examen de fin de semestre Python, alors quand l'entreprise a approché certaines des facultés de mon université, mon professeur de python m'a recommandé au professeur responsable et elle a pris une photo avec moi, après cela, j'ai donné mon entretien et j'ai été sélectionné comme stagiaire.

5. Apprendre au-delà de l'ordinaire

Gardez votre côté enquêteur actif Tout en apprenant les concepts, science des données, l'apprentissage automatique et l'apprentissage en profondeur mènent en permanence des recherches approfondies dans tous les coins du monde. Donc, garder l'esprit large et apprendre des choses au-delà des étapes du cycle de travail de la science des données. Je dis cela parce qu'aucune connaissance que vous acquérez n'est gaspillée et l'intégration de vos connaissances des différentes étapes et dimensions de votre vie fait de vous ce que vous êtes aujourd'hui., de plus, cela vous donne une identité et un processus de pensée uniques. Ensuite, utilise le.

Je mentionne quelques choses que j'ai apprises ensuite:

1. Responsable AI (éthique en IA)

2. Comment les gens perçoivent les différents types de visualisation (dimensions de la roue d'affichage)

6. Apprenez des meilleures ressources

• cours vidéo:

  • Chaîne Youtube, freeCodeCamp

  • Cours de Coursera:

    • Certificat professionnel IBM Data Science

    • Science des données appliquée de l'Université du Michigan

    • Cours DeepLearning.ai si vous êtes intéressé par l'apprentissage en profondeur

    • Data Science AZ et Udemy par Kirill Eremenko

    • Science des données appliquées IBM

  • Camp de données: ma ressource préférée pour la science des données. Explorez-le au contenu de votre coeur, vous allez adorer faire et apprendre la science des données à DataCamp.

• Cours de lecture:

  • Des statistiques pratiques pour les data scientists Plus de 50 Concepts essentiels utilisant R et Python par Peter Bruce, Andrew Bruce, Pierre Gedeck

  • Manual de ciencia de datos de Python por Jake VanderPlas publicado por O’Reilly

  • L'art de la statistique Apprendre des données par David Spiegelhalter

  • La présentation visuelle des informations quantitatives par Edward R. touffe

  • Outils et techniques pratiques d'apprentissage automatique pour l'exploration de données par Ian H. Witten et Eibe Frank

7. Prenez des notes appropriées

Ce point est explicite. Tu ne peux pas te souvenir de tout ce que tu lis, apprenez-vous ou étudiez-vous. Alors pour faire votre moteur de recherche personnel (cerveau) plus efficace et plus rapide prendre des notes correctement est le meilleur moyen. Vous vous sentirez plus puissant psychologiquement à chaque fois que vous verrez vos notes, ils représentent votre travail acharné, progrès et tant de connaissances que vous avez acquises jusqu'à présent.

8. La conquête par étapes

Vous devez vous sentir satisfait de vous-même de temps en temps, aller de l'avant et ne pas sincèrement laisser la flamme de l'apprentissage s'éteindre. J'ai vu beaucoup de gens effrayés ou fatigués ou simplement désintéressés de travailler dur après un certain temps. Selon mon point de vue, Cela se produit généralement lorsque vous sentez que vous n'avez pas atteint l'objectif et que vous continuez à marcher sans apprécier où vous vous trouvez en ce moment, jusqu'où êtes-vous venu avec votre dévouement et votre travail acharné.

Donc, essayer fixez-vous de petits objectifs et une fois que vous les dépassez, soit fier parce que tu es la meilleure version de toi-même en ce moment, vous n'abandonnez pas et avancez avec le bonheur et la satisfaction à l'esprit.

9. Contribuer aux communautés

Comme si vous étudiiez avec de nombreuses ressources merveilleuses, Pourquoi ne pas contribuer après un certain point de connaissance et devenir vous-même pour une personne? Action de partager des connaissances il n'est pas bon de maintenir le flux de nouvelles connaissances en vie, mais aussi se faire un nom. Ces contributions vous donneront tellement d'importance que rien d'autre ne pourrait. Psychologiquement, vous vous sentirez vraiment puissant et cela se refléterait davantage dans son prochain emploi. Maintient le processus d'apprentissage fort et affine votre image globale en tant que scientifique des données ou autre.

Peu d'exemples de telles communautés sont, Kaggle, Espace papier, Analytique Vidya, Moitié, etc.

10. Si possible, trouver un mentor

Bon, Ce n'est pas une tâche facile, mais c'est une extension de l'étape précédente de « apprendre des meilleures ressources ». Quand tu as quelqu'un (un expert / ou même une personne avec plus d'expérience que vous), vous emmène dans la direction la plus optimisée pour votre apprentissage, vous errez moins et attrapez plus. Le meilleur moyen est d'atteindre autant de personnes que possible dans LinkedIn (Ne les mendiez pas et ne les irritez pas, soyez juste clair et direct avec l'aide dont vous avez besoin de leur part).

11. Croyez en vous

Je mentionne l'étape LA PLUS IMPORTANTE à la FIN car même si j'ai compris toutes les étapes mentionnées ci-dessus sauf celle-ci, vous pourriez échouer ou vous perdre dans tant de choses que vous ne voudriez certainement pas pour vous-même. Ensuite, peu importe combien de temps cela prend, si vous effacez vos objectifs quotidiens et hebdomadaires, élargir votre réseau de personnes,

VOUS SEREZ, CAUSE SI PAS VOUS ALORS QUI? CE SERA VOUS! Croire que!

C'était la FIN de cet article, J'espère que vous avez appris quelque chose pour votre PROPRE voyage. Partagez-le avec moi à tout moment via LinkedIn.

Gargeya Sharma

B.Tech Informatique (31 ère année)
Spécialisé en science des données et deep learning
Stagiaire Data Scientist chez Upswing Cognitive Hospitality Solutions
Pour plus d'informations, consultez ma page d'accueil GitHub

LinkedIn GitHub

Photo de couverture du blog par Mantas Hesthaven sur Unsplash

Photo de zone par Paul Skorupskas sur Unsplash

En rapport