Cet article a été publié dans le cadre de la Blogathon sur la science des données.
Quand j'ai commencé à explorer ce sujet, J'ai percé le mystère derrière ce phénomène magique; ce n'était autre que la science des données et l'apprentissage automatique. J'ai trouvé assez surprenant de voir comment les machines recommandent des produits similaires en fonction des achats effectués par différents clients qui auraient pu acheter des articles similaires ensemble. Les entreprises de commerce électronique se concentrent principalement sur un système de recommandation qui leur permet de suggérer des produits similaires à l'utilisateur sur la base de recherches et d'achats antérieurs effectués par d'autres utilisateurs..
Même si j'avais décidé de me plonger dans le domaine de l'analyse de données et de la science des données et de changer de carrière, je ne sais toujours pas comment faire. De nombreux cours étaient disponibles en ligne à l'époque, ce qui a rendu le voyage encore plus déroutant pour moi. Je me suis abonné à une pléthore de documents et de livres en ligne, et six mois plus tard, je n'avais toujours pas avancé sur la voie de la science des données..
Comme moi, Je suis sûr qu'il y a beaucoup de gens qui sont ravis de lancer leur carrière dans la science des données. Même comme ça, en raison de leurs engagements professionnels, relations personnelles et formation non technique, ils doivent démissionner s'ils ne réussissent pas dans un an. Bien qu'il s'agisse d'un phénomène extrêmement courant, Ca ne doit pas forcément être comme ca, si vous voulez devenir data scientist, peu importe ce qu'il faut. Je l'ai appris à la dure, mais enfin, découvert d'excellentes façons de démarrer mon parcours en science des données. Ensuite, commençons “.
Maîtriser un langage de programmation:
- Apprendre les bases de Python: si tu t'apprends, commencer à apprendre les bases de Python. Familiarisez-vous avec le codage dans un IDE particulier comme Jupyter ou Pycharm. Ils sont tous les deux bons à leur manière.
- Apprenez et pratiquez des projets Python et résolvez des problèmes en utilisant les concepts que vous avez appris. Vous pouvez commencer par créer un projet qui analyse vos habitudes de dépenses quotidiennes à partir de plateformes comme Amazon., Grand Panier, etc.
- Ouvrez le Web Scraping avec Python: il est absolument essentiel d'apprendre le Web Scraping, car il vous aide à collecter des données et à les analyser pour votre propre bénéfice. Je travaillais sur un projet canadien où je devais gratter les détails des électriciens de la région de Toronto, j'ai donc utilisé le grattage Web pour extraire les données d'un site appelé kijiji.ca. Il était très intéressant d'extraire toutes les données fiables et de travailler plus tard selon les exigences de mon entreprise.
Apprendre les statistiques et les algorithmes de science des données:
Vous devez être à l'aise avec les statistiques, puisque les statistiques sont mises en œuvre pour résoudre des problèmes commerciaux dans la vie quotidienne. Vous devez également vous familiariser avec les algorithmes de science des données., car ils sont utiles. En même temps, résoudre tout problème commercial ou mettre en œuvre son utilisation dans tout projet basé sur la science des données.
Vous devriez également avoir une meilleure compréhension de la différence entre les problèmes de classification., régression et regroupement, car avec cela, vous pouvez créer un modèle de science des données séparément. Selon le type de problème que vous rencontrez, la connaissance de ces trois techniques d'apprentissage automatique est extrêmement utile.
Même si tu n'aimes pas les statistiques, vous n'avez pas encore appris les statistiques pour faire avancer votre parcours en science des données. Je n'ai jamais été fan de statistiques, malgré cela, J'ai découvert que sans eux, je ne serais pas capable de comprendre les concepts avancés. Des méthodes statistiques ont été utilisées principalement pour s'assurer que les données que vous avez collectées ont été correctement interprétées.. Principalement, l'analyse statistique aide à trouver la signification des nombres sans signification dans les données.
Heures supplémentaires, J'ai commencé à aimer apprendre les statistiques pour la science des données. Voici ce que vous devez apprendre pour la science des données:
- Statistiques et théorie des probabilités
- Distributions de probabilité
- Tests d'hypothèses
- Modélisation statistique et ajustement
- Apprentissage automatique
- Analyse de régression
- Pensée bayésienne et modélisation
Il existe de nombreuses sources pour apprendre les statistiques de. Je recommande d'apprendre les concepts d'Udacity et de Khan Academy. Si tu trouves ça ennuyeux, La chaîne Youtube de Stats Quest est un moyen amusant d'apprendre les statistiques. Si vous êtes déjà inscrit à un cours, suivre religieusement votre programme pour une meilleure compréhension.
Construire un curriculum / structure pour apprendre:
Apprendre sans réfléchir peut produire peu ou pas de résultats, puisqu'il n'y a pas de facteur de motivation externe pour continuer. Si vous envisagez de faire une transition de carrière, si vous êtes déjà familiarisé avec la science des données et le machine learning, assurez-vous de planifier votre étude à l'avance. Il est essentiel de créer un plan de cours et de s'y tenir jusqu'à ce que vous l'ayez terminé.
Si vous envisagez de commencer votre parcours en science des données à partir de zéro, vous devez vous inscrire à un cours de confiance et suivre ses directives. Même s'il existe une pléthore de cours là-bas, Des entreprises comme DataPeaker ont lancé une gamme intéressante de cours qui offrent également une garantie de travail si vous suivez scrupuleusement leur plan et leur programme.. C'est un excellent moyen de rester motivé et de terminer votre parcours en science des données..
Respectez un plan particulier et n'oubliez pas de revoir et d'apprendre de nouveaux concepts quotidiennement.
Rejoignez des communautés et des groupes:
Il existe de nombreux groupes en ligne gratuits en science des données, où vous pouvez obtenir de nombreuses ressources et une aide en ligne. Une fois que vous êtes à l'aise avec le codage et la mise en œuvre des concepts, n'oubliez pas de partager vos doutes et vos inquiétudes si vous êtes bloqué. Les experts seront toujours là pour vous accompagner et résoudre vos problèmes.
Commencez à examiner les projets et à les reconstruire
L'examen des projets existants et la vérification de votre code du début à la fin peuvent apporter une toute nouvelle perspective à votre rythme d'apprentissage.. Des connaissances théoriques simples ne suffisent pas; mettre en pratique les mêmes projets en direct peut accélérer votre carrière très rapidement. Pour mieux comprendre, vous pouvez toujours démarrer un projet avec une bonne quantité de connaissances. Par exemple, J'ai travaillé dans le secteur financier, j'ai donc décidé de commencer par un obstacle commercial lié à mon domaine d'expertise. Avec ma connaissance du domaine et mes compétences en data science, J'ai pu comprendre la préoccupation constante de l'entreprise. Avec mes compétences en data science, savait exactement quelle mise en œuvre du modèle pouvait produire des résultats.
Bon, c'est comme ça que j'ai commencé mon voyage. Je suis très content des progrès que j'ai fait, et j'ai vu mes pairs qui ont travaillé à leur passion pour la science des données et ont réussi à transformer leur carrière en science des données.
Sur moi:
Salut, Je suis Ananya et je suis une blogueuse et analyste d'affaires passionnée. Mon parcours en science des données vient de commencer et j'apprécie chaque partie. Je peux travailler sur deux de mes meilleurs domaines: science des données et commerce électronique, et je ne peux pas en être plus fier.
Les médias présentés dans cet article ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.
