Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati.
introduzione
Generalmente, chiunque sia impegnato nella scienza dei dati vorrà essere esposto, un'opportunità in questo campo per stare bene, motivato ad andare avanti e diventare un rinomato data scientist. Una delle opportunità più importanti e significative che uno studente può avere in questo campo è quella di essere scelto come stagista di data scientist.. Ci sono altri corsi di formazione e attività che puoi eseguire per mettere a punto e rafforzare il tuo profilo / riprendere, ma dato che sono un professionista Di Data Scientist dal mese di febbraio 2021, Condividerò con voi i miei pensieri, il viaggio che ho fatto; di essere almeno ammissibile alla presente pubblicazione.
Informazioni sulla mia fase
Cominciare, lasciatemi dire molto chiaramente che non sono un genio della tecnologia., Che si trova nella codifica del computer dalla classe 6 tu 8 o anche 11. Sono un artista e lo sono sempre stato, cantare durante l'ultimo 8 anni, fare teatro durante l'ultimo 7 anni, danza classica e lirica, Disegno, e tutti i tipi di abilità creative simili a queste forme d'arte più popolari. Quindi sicuramente, Ero dietro la maggior parte dei miei coetanei durante la fase iniziale della mia ingegneria informatica nella mia università. (UPES ·). Durante tutto il primo anno, Non ho fatto nulla di abbastanza buono.
Poi arriva il secondo anno, nel momento in cui ho iniziato a cercare le cose che mi interessavano in campo tecnico. Ho selezionato lo sviluppo di applicazioni mobili e intelligenza artificiale, sviluppo di applicazioni mobili; perché sembrava davvero bello, Ho pensato di poter creare quelle app che le persone useranno nella loro vita quotidiana sui loro telefoni., e l'intelligenza artificiale perché sono segretamente innamorato della psicologia umana da molto tempo, quindi studiavo molto da solo, e quando ho scoperto che le persone hanno iniziato a riunire il funzionamento di un neurone nella tecnologia (Rete neurale). Ho sentito un brivido lungo la schiena dall'eccitazione. Ho dato a questi due campi la loro attenzione e il loro tempo individuali..
Il seme viene seminato
Tutti noi a un certo punto affrontiamo tali dilemmi., una scelta che non sappiamo fare. Per me, il fattore decisivo è diventato la mia sensazione di disagio quando non riuscivo a soddisfare la curiosità di saperne di più sulle reti neurali e stavo facendo sviluppatore di app mobili in quel momento.. Una volta ho capito che l'app mobile non è la mia priorità vedendo il mio entusiasmo per l'intelligenza artificiale., Ho fatto un'inversione a U dallo sviluppo di applicazioni e ho iniziato il mio primo corso sulle reti neurali, Non ho fatto alcun apprendimento automatico in anticipo perché non sapevo molto. a questo proposito Pertanto, iniziato direttamente da Reti neurali con Pytorch. crema, realmente disfruté aprendiendo sobre la teoría de las redes neuronales y el 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... generalmente, ma quando si trattava di codificare con Pytorch, Non riuscivo a capire nulla di come funzionasse, Ho dovuto memorizzare quando, dónde y qué funciones usar mientras codificar redes neuronales para asegurarme de que sé cómo codificar una neuronale rossoLe reti neurali sono modelli computazionali ispirati al funzionamento del cervello umano. Usano strutture note come neuroni artificiali per elaborare e apprendere dai dati. Queste reti sono fondamentali nel campo dell'intelligenza artificiale, consentendo progressi significativi in attività come il riconoscimento delle immagini, Elaborazione del linguaggio naturale e previsione delle serie temporali, tra gli altri. La loro capacità di apprendere schemi complessi li rende strumenti potenti...
Me “ZONA”
Poi è arrivato il Blocco Covid-19 (22 marzo 2020), Oh! che benedizione per me. Avevo già questa grande fiamma accesa dentro di me per studiare Deep Learning e quando sono rimasto bloccato sul mio PG a Dehradun a causa del blocco, Ho creato una routine così stretta, un'abitudine così coerente che studiavo e programmavo per 12-14. ore al giorno. Questa è stata la prima volta nella mia vita che mi è piaciuto studiare così tanto che tutte quelle ore sembravano niente che potesse esaurirmi., questa perseveranza è stata mantenuta fino a febbraio di 2021 e le cose sono cambiate dopo aver ottenuto il mio stagista come data scientist per un'ospitalità meravigliosa. Avvio: "Upswing Cognitive Hospitality Solutions".
Queste sono le cose che ho fatto durante il mio “Zona"(Come mi piace chiamarlo riferendosi alla parola psicologia) e penso che ti aiuterà a rendere le tue competenze nella scienza dei dati e nell'apprendimento automatico davvero nitide e utili..
1. Crea una mappa per te
Come ti ho detto prima che iniziasse, Ho iniziato con il deep learning dove, Invece, dovrebbe aver scelto un percorso dalle basi all'avanzamento, in questo modo il tuo cervello impara passo dopo passo e le cose vengono comprese in modo concreto. Perciò, prenditi il tuo tempo e scopri le diverse direzioni possibili con la scienza dei dati, apprendimento automatico, eccetera. Ci saranno molti percorsi possibili, ma non essere molto particolare con tutti loro; segmenta solo le cose di tuo interesse (nel mio caso, è stato il deep learning con la scienza dei dati) nelle nozioni di base, intermedio, Avanzate.
Inizia con le basi e rimani concentrato, prima copri tutti gli argomenti di base di tuo interesse e poi risolvi i problemi in base a quegli argomenti senza alcun aiuto. Primo, devi sentirti a tuo agio con ciò che stai facendo attualmente e quindi apportare un cambiamento in termini di difficoltà degli argomenti.
2. Continua a sviluppare altre abilità oltre a questa in parallelo
Somma «Scientifico’ sul retro di ‘Dati’ non è particolarmente qualcosa che puoi fare dopo aver imparato alcune librerie in Python o R o qualsiasi altro linguaggio di supporto per la scienza dei dati. Un data scientist deve saper integrare diverse tecnologie per raggiungere il risultato finale del problema. Ciò che intendo con questo è che devi avere familiarità con i database., Idiota, Github, tecnologia correlata all'implementazione, Potresti essere uno sviluppatore Web di base per ospitare l'applicazione online o una finestra mobile per creare un contenitore e distribuirlo nel cloud e così via.
Non ti sto chiedendo di imparare tutto, se il tuo obiettivo finale è qualcosa di diverso da tutto questo, scopri le cose necessarie per il tuo obiettivo insieme ai concetti di data science e alle competenze di codifica. Un'abilità indispensabile su cui penso che ogni data scientist dovrebbe concentrarsi è scrivere, è una competenza di base necessaria a un data scientist per creare un report alla fine di un progetto per i propri stakeholder, e la presentazione di tale rapporto è uno dei passaggi più importanti all'interno dell'intero ciclo di lavoro per un data scientist..
3. Non rimanere bloccato in un mezzo
Ciò che intendo con questo è che ognuno ha la sua zona di comfort in termini di come imparano le cose., che si tratti di video o libri, eccetera. Ma fare affidamento su una singola forma di media può essere restrittivo.. Ci sono libri brillanti, opere d'arte assolutamente disponibili che dovresti essere interessato a leggere, anche se ti piace studiare da video online. Questo la flessibilità ti aiuterà più di quanto immagini, lettura di articoli di ricerca, blog e tutti.
Per chi impara dalla lettura, puoi guardare alcuni dei fantastici corsi video menzionati di seguito per visualizzare i concetti con tanta facilità e divertimento.
4. Socializzare
Questo passaggio è particolarmente correlato all'aumento delle possibilità di ottenere posizioni di stagista o addirittura posti di lavoro.. Possiamo fare così tanto solo con il nostro tempo, e ci contraddistinguono attraverso il nostro lavoro e le relazioni sociali, aumentiamo esponenzialmente le nostre possibilità di essere scoperti e ci viene offerta un'opportunità.
La stessa cosa è successa a me., nel mio quinto semestre, ha ottenuto un punteggio di 96 nell'esame di fine semestre di Python, così quando l'azienda si è avvicinata ad alcune delle facoltà della mia università, il mio insegnante di Python mi ha consigliato all'insegnante responsabile e ha scattato una foto con me, dopo di che ho dato il mio colloquio e sono stato selezionato come stagista.
5. Impara oltre l'ordinario
Mantieni attivo il tuo lato di ricerca Durante l'apprendimento dei concetti, scienza dei dati, l'apprendimento automatico e l'apprendimento approfondito stanno conducendo ricerche approfondite su base continuativa in tutti gli angoli del mondo. Perciò, mantenere una mente ampia e imparare cose che vanno oltre le fasi del ciclo di lavoro della scienza dei dati. Dico questo perché nessuna conoscenza che acquisisci viene sprecata e l'integrazione della tua conoscenza da diverse fasi e dimensioni della tua vita ti rende quello che sei oggi., inoltre ti dà un'identità unica e un processo di pensiero. Quindi, usalo.
Cito un paio di cose che ho imparato accanto:
IA responsabile (etica nell'IA)
Come le persone percepiscono diversi tipi di visualizzazione (visualizzare le dimensioni della ruota)
6. Impara dalle migliori risorse
Video Corsi:
Canale Youtube, FreeCodeCamp
Corsi Coursera:
Certificato IBM Data Science Professional
Scienza dei dati applicata dell'Università del Michigan
DeepLearning.ai corsi se sei interessato al deep learning
Data Science AZ su Udemy di Kirill Eremenko
IBM Applied Data Science
Data Camp: la mia risorsa preferita per la scienza dei dati. Esploralo a tuo piacimento, ti piacerà fare e imparare la scienza dei dati a DataCamp.
Corsi di lettura:
Statistiche pratiche per i data scientist Più di 50 concetti essenziali usando R e Python di Peter Bruce, Andrew Bruce, Pietro Gedeck
Python Data Science Handbook di Jake VanderPlas pubblicato da O'Reilly
L'arte della statistica imparare dai dati di David Spiegelhalter
La presentazione visiva delle informazioni quantitative di Edward R. Tufte ·
Strumenti e tecniche pratiche di machine learning di Ian H. Witten e Eibe Frank
7. Prendi appunti appropriati
Questo punto è autoesplicativo.. Non è possibile per te ricordare tutto ciò che leggi, impari o studi. Quindi per rendere il tuo motore di ricerca personale (cervello) più efficiente e veloce prendere appunti correttamente è il modo migliore. Ti sentirai più potente psicologicamente ogni volta che vedrai i tuoi appunti, rappresentano il tuo duro lavoro, progresso e tanta conoscenza che hai acquisito finora.
8. Conquista a passi
Devi sentirti soddisfatto di te stesso di tanto in tanto, andare avanti e non lasciare che la fiamma dell'apprendimento svanisca sinceramente. Ho visto molte persone spaventate o stanche o semplicemente disinteressate a lavorare sodo dopo un po '.. Secondo il mio punto di vista, questo di solito accade quando senti di non aver raggiunto l'obiettivo e continui a camminare senza apprezzare dove ti trovi in questo momento., quanto lontano sei arrivato con la tua dedizione e il tuo duro lavoro.
Perciò, Provare fissare piccoli obiettivi e una volta superati, sii orgoglioso perché sei la migliore versione di te stesso in questo momento, non ti arrendi e vai avanti con la felicità e la soddisfazione in mente.
9. Contribuisci alle comunità
Proprio come stai studiando con molte risorse meravigliose, perché non contribuire dopo un certo punto di conoscenza e diventare se stessi per una persona? L'atto di condividere la conoscenza non è bene mantenere vivo il flusso di nuove conoscenze, ma anche farti un nome. Questi contributi ti daranno così tanta importanza che nient'altro potrebbe.. Psicologicamente ti sentirai davvero potente e questo si rifletterebbe di più nel suo prossimo lavoro.. Mantiene solido il processo di apprendimento e affina l'immagine complessiva di data scientist o qualsiasi altra cosa.
Pochi esempi di tali comunità sono, Kaggle, Spazio cartaceo, Analisi Vidya, Metà, eccetera.
10. Se possibile, trova un mentore
Bene, Non è un compito facile, ma è un'estensione del passaggio precedente di “imparare dalle migliori risorse”. Quando hai qualcuno (un esperto / o anche una persona con più esperienza di te), ti porta nella direzione più ottimizzata per il tuo apprendimento, si vaga meno e si cattura di più. Il modo migliore è raggiungere il maggior numero possibile di persone in LinkedIn (Non supplicarli o irritarli, basta essere chiari e diretti con l'aiuto di cui hai bisogno da loro).
11. Credi in te stesso
Sto menzionando il passo più importante alla FINE perché anche se ho capito tutti i passaggi sopra menzionati tranne questo, potresti fallire o perderti in così tante cose che sicuramente non vorresti per te stesso. Quindi, non importa quanto tempo ci vuole, se stai cancellando i tuoi obiettivi giornalieri e settimanali, espandere la tua rete di persone,
LO FARAI, PERCHÉ SE NON TU ALLORA CHI? SARAI TU!! Credi che!
Questa è stata la FINE di questo articolo, Spero che tu abbia imparato qualcosa per il tuo viaggio PERSONALE. Condividilo con me in qualsiasi momento tramite LinkedIn.
Gargeya Sharma
B.Tech Informatica (3er anno)
Specializzato in data science e deep learning
Data Scientist Intern presso Upswing Cognitive Hospitality Solutions
Per maggiori informazioni, vedi la mia homepage di GitHub
Foto di copertina del blog di Coperte Hesthaven su Unsplash
Foto della zona di Paolo Skorupskas su Unsplash
Il supporto mostrato in questo articolo non è di proprietà di DataPeaker e viene utilizzato a discrezione dell'autore.
