.
“Le aziende stanno investendo enormemente nella scienza dei dati”.
Dopo aver completato la mia ingegneria e iniziato il mio lavoro, sono stato bombardato continuamente con queste dichiarazioni su Internet. Ero confuso e, come il Signore Buddha voleva conoscere la verità della vita, anche io volevo chiarire i miei dubbi. Per cercare risposte, ho cercato su Internet e mi sono avvicinato a molte persone dentro e fuori questo ambito.
In questo articolo, ho raccolto come ho deciso di iniziare il mio viaggio verso la scienza dei dati. Discuteremo su come costruire il tuo profilo digitale e
La scienza dei dati è reale o è semplicemente vino vecchio in una bottiglia nuova?
La scienza dei dati è sempre stata presente tra noi. Eccellere, SQL, Le statistiche sono gli strumenti della scienza dei dati nei primi tempi. Questo non rende obsoleto questo campo. La scienza dei dati ci sorprenderà sempre con nuovi trucchi di magia e aggiornamenti. In precedenza, Eravamo soliti inserire dati in un foglio Excel e poi tracciare grafici. Oggi, i dati vengono archiviati automaticamente e i grafici vengono tracciati automaticamente con strumenti di visualizzazione avanzati. Con l'avanzamento, la scienza dei dati ci ha dato molte parole alla moda come il machine learning, apprendimento profondoApprendimento profondo, Una sottodisciplina dell'intelligenza artificiale, si affida a reti neurali artificiali per analizzare ed elaborare grandi volumi di dati. Questa tecnica consente alle macchine di apprendere modelli ed eseguire compiti complessi, come il riconoscimento vocale e la visione artificiale. La sua capacità di migliorare continuamente man mano che vengono forniti più dati lo rende uno strumento chiave in vari settori, dalla salute..., AIOps, eccetera. e continuerà a farlo.
Non esiste una soluzione unica per tutti
Per essere onesti, non c'è un percorso definito e non dovrebbe esserci. La vera essenza della scienza dei dati sono persone di origini e competenze diverse che collaborano. Di qualsiasi percorso che abbia seguito, posso semplicemente fornirle i nomi dei corsi e dirle di completare quei corsi e fare quei progetti, ma questo le sembrerà un peso. Estará en una carrera de ratas de completar los cursos y proyectos y, Finalmente, se agotará. Soy un ingeniero electrónico cuyo proyecto de fin de año fue la puerta inteligente de reconocimiento facial con Raspberry Pi, cuyo interés lo llevó a aprender Machine Learning y Deep Learning. Tampoco seguí un camino específico, siempre fui con lo que me gustaba y me mantenía despierto por las noches.
Aprendiendo ciencia de datos: ¿Sí o NO?
Muchos de ustedes podrían estar pensando si una persona que no es informática / informática puede aprender ciencia de datos o no. La risposta è si. Una persona que no sea CS / IT puede aprender ciencia de datos y no es una obligación para CS / IT aprender ciencia de datos.
No es necesario iniciar DS, ML o AI debido a la presión social. Potresti sentirti escluso se non ti stai preparando ampiamente per l'ira dell'IA. Se sei bravo in quello che fai e ami quello che fai, allora è fantastico continuare a fare quello che fai e restare aggiornato leggendo notizie e blog.
Proprio come la biodiversità è necessaria per equilibrare l'ecosistema, allo stesso modo, la diversità tecnologica è necessaria per una comunità prospera. Avremo sempre bisogno di ingegneri meccanici, elettrici, artisti, sviluppatori web, sviluppatori di app, creatori di contenuti, dottori, cinematografi, CA, atleti, eccetera.
Quanto a fondo dovresti addentrarti nella scienza dei dati?
Quindi, diamo un'occhiata ad alcuni domini associati alla scienza dei dati che si possono seguire:
- Ingegneria dei dati e archiviazione dei dati: si occupa di memorizzare e consultare i dati per analisi future. Mantenere i dati è importante quanto fare previsioni. Un buon modello predittivo richiede dati di buona qualità.
- Calcolo distribuito e cloud: se sei un esperto di reti IT, familiarizzati con il ciclo di vita del progetto di data science e potrai progettare e implementare modelli di data science per un facile accesso.
- Intelligenza e strategia aziendale: se sei esperto del dominio, allora è la spina dorsale di tutto il progetto di data science. Un stratega di BI è responsabile della gestione dei cruscotti, informare le parti interessate, testare e convalidare modelli e documentare.
- Sviluppatori di IoT: si le gusta el hardware y le gusta construir circuitos y controladores, puede desempeñar el papel de recopilar los datos mediante sensores y prepararlos para su analisi o almacenamiento en tiempo real.
- Visione artificiale: si le encanta el procesamiento de imágenes, puede aplicar conceptos de aprendizaje profundo y trabajar en la automatización de procesos y la construcción de modelos de detección de objetos.
- ML Engineer: los ingenieros de aprendizaje automático introducen datos en modelos definidos por científicos de datos. También son responsables de tomar modelos teóricos de ciencia de datos y ayudar a escalarlos a modelos de nivel de producción que pueden manejar terabytes de datos en tiempo real.
- Ingenieros de PNL: Le responsabilità degli ingegneri NLP includono la trasformazione dei dati in linguaggio naturale in funzioni utili utilizzando tecniche di NLP per alimentare algoritmi di classificazione.
Nel futuro, Ci saranno molti più profili di lavoro nuovi che entreranno in scena, L'unica cosa che lo manterrà pronto per il lavoro è l'apprendimento continuo.
Quindi, Qual è la mia guida sull'apprendimento automatico?
Mi sono iscritto a diversi corsi autogestiti. Non mi sono limitato ai video e ai compiti forniti dai corsi, ma dopo un po' tendevo a leggere il nome dell'argomento e ho iniziato a imparare dai lavori di ricerca, ricerche su Internet, libri e altre fonti. Anche può selezionare qualsiasi corso che se sienta bien y quepa en su bolsillo. Vea cómo se consegna el contenuto y cuáles son los altri servizi che se offren. Compartiré con ustedes mi hoja de ruta sobre cómo me preparé. No te limitaré a la rígida línea de tiempo, también puedes seguirla a tu propio ritmo.
Matemáticas y Estadística
Aprenda los conceptos básicos de estadística y repasar las matemáticas de su escuela y universidad.
- Minimización de derivadas y funciones
- Vector y matrices
- Distribuzione di probabilità
- Variables aleatorias
- Distribuzione normale
- Punteggio Z
- Verifica di ipotesi
- Prueba Z y prueba T
- Test del chi quadrato
- ANOVA test
- Estadísticas F
Solo el conocimiento básico es suficiente de los temas anteriores.
Programacion basica
Puede seleccionar cualquier idioma de su elección. Elegí Python. Algunos conceptos fundamentales a conocer:
- Tipo di dati
- Condizioni
- Bucles
- Caratteristiche
- Programmazione orientata agli oggetti
- Gestione delle eccezioni
Non preoccuparti se all'inizio non ti senti a tuo agio con questi concetti. Dopo molta pratica, sarai sicuro di te.
Apprendimento automatico
Comprendi come funzionano i diversi algoritmi e come implementarli:
- Regressione lineare
- Regressione logistica
- Albero decisionale
- foresta casuale
- Set, bagging, impulso
- XGBoost
- Bayes ingenuo
- KNN
- Raggruppamento di K-calze
- Raggruppamento gerarchico
- DBSCAN
- Analisi del componente principale
- Supporta macchine vettoriali
- serie temporaliUna serie temporale è un insieme di dati raccolti o misurati in tempi successivi, di solito a intervalli di tempo regolari. Questo tipo di analisi consente di identificare i modelli, Tendenze e cicli dei dati nel tempo. La sua applicazione è ampia, che coprono settori come l'economia, Meteorologia e sanità pubblica, facilitare la previsione e il processo decisionale basato su informazioni storiche.... e rilevamento delle anomalie
I professionisti esperti possono iniziare con Excel avanzato e altri strumenti di visualizzazione dei dati come PowerBI e Tableau. Puoi ottenere molte piattaforme in cui puoi fare previsioni di ML senza conoscenze di programmazione.
Se sei agli inizi, inizia a imparare a programmare e completa alcuni corsi su ML. Sperimenta molto e continua a lavorare sodo. Parola di incoraggiamento per chi è agli inizi: “Se ML è la tua passione, poi sii come Batman: Fai il tuo lavoro d'ufficio durante il giorno e segui la tua passione di notte.
Se sei all'università, partecipa alle lezioni, workshop, festival tecnologici, corsi completi, prendi parte a hackathon, conosci quante più persone possibile e, il più importante, goditi il processo.
Trattenere ciò che impari
Ora che sei nell'apprendimento, permettimi di condividere con te alcuni consigli su come trattenere ciò che apprendi:
- Implementazione pratica del progetto. Inizia con un progetto di base e ampliarlo. Integralo con applicazioni, implementalo su piattaforme cloud, eccetera.
- Tecnica di apprendimento di Feynman:
- Scegli un concetto che vuoi imparare
- Immagina di insegnarlo a uno studente di sesta elementare.
- Individua le lacune nella tua spiegazione; Regrese al material original para comprenderlo mejor.
- Revisar y simplificar
- Puede grabar videos de usted explicando conceptos y subirlos a YouTube. Alla fine, tendrá sus propias notes de video para referirse.
No solo YouTube, puede elegir qualsiasi red social, como yo guardo mis notes digitales in Instagram y Facebook.
https://www.instagram.com/pandaspython/
https://www.facebook.com/pandaspython08
Construir su perfil digital no solo lo ayudará a retener cosas, sino que también lo ayudará mucho a establecer conexiones con other en la industria. Puede mostrar su trabajo, colaborar con otros y trabajar en proyectos. Esta práctica desarrollará la comunicación y la habilidad general de la personalidad de la que muchas personas carecen.
Agrega todos y cada uno dei bits di codice che haces in Github y escribe un buen readme.md al respecto. Inizia a scrivere un blog o crea un sito web per mostrare ciò che stai facendo (anche i siti di Google sono sufficienti). Semplicemente registra digitalmente tutte e ciascuna delle tue attività. Blogger, pagina medianoLa mediana è una misura statistica che rappresenta il valore centrale di un insieme di dati ordinati. Per calcolarlo, I dati sono organizzati dal più basso al più alto e viene identificato il numero al centro. Se c'è un numero pari di osservazioni, I due valori fondamentali sono mediati. Questo indicatore è particolarmente utile nelle distribuzioni asimmetriche, poiché non è influenzato da valori estremi.... di Facebook su cui puoi scrivere ovunque tu voglia.
Note finali
Quindi questo è stato il mio articolo su cos'è la scienza dei dati e fino a che punto uno dovrebbe imparare. Ho anche mostrato come imparare in modo efficace. Se hai dubbi e vuoi suggerimenti su quali libri o blog seguire, chiedimi nella sezione dei commenti. Finalmente, vorrei dirti di goderti il processo invece di limitarti ai corsi.
