Este artigo foi publicado como parte do Data Science Blogathon.
Introdução
Em geral, qualquer um que está envolvido em ciência de dados vai querer exposição, uma oportunidade neste campo para se sentir bem, motivado a seguir em frente e se tornar um renomado cientista de dados. Uma das oportunidades mais importantes e significativas que um aluno pode ter neste campo é ser escolhido como um estagiário de cientista de dados.. Existem outros treinamentos e tarefas que você pode executar para ajustar e fortalecer seu perfil / retomar, mas como eu sou um cientista de dados do mês de fevereiro 2021, Compartilharei com vocês meus pensamentos., a viagem que eu fiz; para pelo menos ser elegível para esta publicação.
Sobre minha fase
Começar, Deixe-me deixar isso muito claro que eu não sou um gênio da tecnologia., que está na codificação do computador da classe 6 você 8 o incluso 11. Eu sou um artista e sempre fui, cantando durante o último 8 anos, fazendo teatro durante o último 7 anos, dança clássica e lírica, Desenho, e todos os tipos de habilidades criativas semelhantes a essas formas de arte mais populares. Então, definitivamente, Eu estava por trás da maioria dos meus colegas durante a fase inicial da minha engenharia da computação na minha universidade. (UPES). Durante todo o primeiro ano, Eu não fiz nada bom o suficiente.
Então vem o segundo ano, no momento em que eu comecei a procurar coisas que me interessam no campo técnico. Selecionei o desenvolvimento de aplicativos móveis e inteligência artificial, desenvolvimento de aplicativos móveis; porque parecia muito legal, Eu pensei que eu poderia fazer esses aplicativos que as pessoas vão usar em suas vidas diárias em seus telefones., e inteligência artificial, porque eu tenho secretamente sido apaixonado pela psicologia humana por um longo tempo, então eu costumava estudar muito sobre por conta própria, e quando descobri que as pessoas começaram a reunir o funcionamento de um neurônio em tecnologia (Rede Neural). Eu senti um frio nas minhas costas da excitação. Dei a esses dois campos sua atenção individual e tempo..
A semente é semeada
Todos nós, em algum momento, enfrentamos tais dilemas., uma escolha que não sabemos como fazer. Para mim, o fator decisivo tornou-se meu sentimento de desconforto quando eu não conseguia satisfazer a curiosidade de saber mais sobre redes neurais e estava fazendo desenvolvedor de aplicativos móveis na época.. Uma vez percebi que o aplicativo móvel não é minha prioridade ver meu entusiasmo por inteligência artificial., Eu peguei um retorno do desenvolvimento de aplicativos e comecei meu primeiro curso em redes neurais, Eu não fiz qualquer aprendizado de máquina de antemão porque eu não sabia muito. a este respeito, portanto,, começou diretamente a partir de Redes neurais com Pytorch. Créame, realmente disfruté aprendiendo sobre la teoría de las redes neuronales y el aprendizado profundoAqui está o caminho de aprendizado para dominar o aprendizado profundo em, Uma subdisciplina da inteligência artificial, depende de redes neurais artificiais para analisar e processar grandes volumes de dados. Essa técnica permite que as máquinas aprendam padrões e executem tarefas complexas, como reconhecimento de fala e visão computacional. Sua capacidade de melhorar continuamente à medida que mais dados são fornecidos a ele o torna uma ferramenta fundamental em vários setores, da saúde... em geral, mas quando se tratava de codificação com Pytorch, Eu não conseguia entender nada sobre como funcionava, Eu tive que memorizar quando, dónde y qué funciones usar mientras codificar redes neuronales para asegurarme de que sé cómo codificar una neuronal vermelhoAs redes neurais são modelos computacionais inspirados no funcionamento do cérebro humano. Eles usam estruturas conhecidas como neurônios artificiais para processar e aprender com os dados. Essas redes são fundamentais no campo da inteligência artificial, permitindo avanços significativos em tarefas como reconhecimento de imagem, Processamento de linguagem natural e previsão de séries temporais, entre outros. Sua capacidade de aprender padrões complexos os torna ferramentas poderosas...
Mim “ZONA”
Então veio o Bloqueio covid-19 (22 marchar 2020), Uau! o que uma bênção para mim. Eu já tinha essa grande chama acesa dentro de mim para estudar Deep Learning e quando eu fiquei preso no meu PG em Dehradun devido ao bloqueio, Eu criei uma rotina tão apertada, um hábito tão consistente que eu costumava estudar e código para 12-14. horas por dia. Esta foi a primeira vez na minha vida que eu gostei tanto de estudar que todas essas horas pareciam nada que pudesse me esgotar., esta perseverança foi mantida até fevereiro de 2021 e as coisas mudaram depois que eu tenho o meu estagiário como um cientista de dados para hospitalidade maravilhosa. Start-Up: "Upswing Cognitive Hospitality Solutions".
Estas são as coisas que eu fiz durante a minha “Zona”(Como eu gosto de chamá-lo, referindo-se à palavra psicologia) e eu acho que vai ajudá-lo a tornar suas habilidades em ciência de dados e aprendizado de máquina realmente afiada e útil..
1. Crie um mapa para você
Como eu disse antes de começar., Comecei com o aprendizado profundo onde, em vez de, deveria ter escolhido um caminho do básico para Avançar, desta forma seu cérebro aprende passo a passo e as coisas são entendidas de forma concreta. Portanto, tomar o seu tempo e descobrir diferentes direções que são possíveis com a ciência de dados, aprendizado de máquina, etc. Haverá muitos caminhos possíveis, mas não seja muito particular com todos eles; apenas segmentar as coisas de seu interesse (no meu caso, foi o aprendizado profundo com a ciência de dados) no básico, intermediário, avançado.
Comece com o básico e mantenha-se focado, primeiro cobrir todos os tópicos básicos de seu interesse e, em seguida, resolver os problemas com base nesses tópicos sem qualquer ajuda. Primeiro, você precisa se sentir confortável com o que você está fazendo atualmente e, em seguida, fazer uma mudança em termos da dificuldade dos tópicos.
2. Continue a desenvolver outras habilidades além desta em paralelo
Adicionando 'Científico’ na parte de trás do ‘Dados’ não é particularmente algo que você pode fazer depois de aprender algumas bibliotecas em Python ou R ou qualquer outra linguagem de suporte à ciência de dados. Um cientista de dados deve saber como integrar diferentes tecnologias para alcançar o resultado final do problema. O que quero dizer com isso é que você deve estar familiarizado com bancos de dados., Git, Github, tecnologia relacionada à implementação, você pode ser um desenvolvedor web básico para hospedar seu aplicativo on-line ou um docker para criar um contêiner e implantá-lo na nuvem e assim por diante.
Não estou pedindo que aprenda tudo., se o seu objetivo final é algo diferente de tudo isso, descubra as coisas que são necessárias para o seu objetivo, juntamente com conceitos de ciência de dados e habilidades de codificação. Uma habilidade imperdível que eu acho que todo cientista de dados deve se concentrar é Escrita, é uma habilidade básica necessária para um cientista de dados criar um relatório no final de um projeto para seus stakeholders, e a apresentação desse relatório é um dos passos mais importantes dentro de todo o ciclo de trabalho para um cientista de dados..
3. Não fique preso no meio.
O que quero dizer com isso é que todos têm sua zona de conforto em termos de como aprendem as coisas., se vídeos ou livros, etc. Mas confiar em uma única forma de mídia pode ser restritivo.. Há livros brilhantes, arte absolutamente disponível que você deve estar interessado em ler, mesmo se você gosta de estudar a partir de vídeos online. Está flexibilidade vai ajudá-lo mais do que você imagina, ler artigos de pesquisa, blogs e todos os.
Para as pessoas que aprendem com a leitura, você pode assistir alguns dos grandes cursos de vídeo mencionados abaixo para visualizar os conceitos com tanta facilidade e diversão.
4. Socializar
Esta etapa está particularmente relacionada ao aumento de suas chances de conseguir vagas de estagiário ou mesmo empregos.. Nós só podemos fazer tanto com o nosso tempo, e marcar-nos através de nosso trabalho e relações sociais, nós aumentamos exponencialmente nossas chances de ser detectado e ofereceu uma oportunidade.
A mesma coisa aconteceu comigo., no meu quinto semestre, tem uma pontuação de 96 no exame python de fim de semestre, por isso, quando a empresa se aproximou de algumas das faculdades da minha universidade, meu professor Python me recomendou para o professor responsável e ela tirou uma foto comigo, depois disso eu dei a minha entrevista e foi selecionado como um estagiário.
5. Aprenda além do comum
Mantenha seu lado de pesquisa ativo Ao mesmo tempo em que aprende os conceitos, ciência de dados, aprendizado de máquina e deep learning estão realizando extensa pesquisa em uma base contínua em todos os cantos do mundo. Portanto, manter uma mente ampla e aprender coisas além dos passos do ciclo de trabalho de ciência de dados. Digo isso porque nenhum conhecimento que você adquire é desperdiçado e a integração de seu conhecimento a partir de diferentes estágios e dimensões de sua vida faz de você quem você é hoje., além disso, ele lhe dá uma identidade única e processo de pensamento. Então, use-o.
Eu mencionei algumas coisas que aprendi ao lado:
IA responsável (ética em IA)
Como as pessoas percebem diferentes tipos de visualização (dimensões da roda de exibição)
6. Aprenda com os melhores recursos
Cursos de Vídeo:
Canal do Youtube, freeCodeCamp
Cursos de Cursos:
Certificado profissional de ciência de dados da IBM
Ciência de Dados Aplicada da Universidade de Michigan
DeepLearning.ai cursos se você estiver interessado em aprendizagem profunda
Data Science AZ on Udemy por Kirill Eremenko
IBM Applied Data Science
Data Camp: meu recurso favorito para ciência de dados. Explore-o para o conteúdo do seu coração, você vai adorar fazer e aprender ciência de dados no DataCamp.
Cursos de leitura:
Estatísticas práticas para cientistas de dados Mais do que 50 conceitos essenciais usando R e Python por Peter Bruce, Andrew Bruce, Peter Gedeck
Python Data Science Handbook por Jake VanderPlas publicado por O'Reilly
A Arte das Estatísticas Aprendendo a partir de dados por David Spiegelhalter
A Apresentação Visual de Informações Quantitativas por Edward R. Tufte
Ferramentas e técnicas práticas de aprendizado de máquina de Ian H. Witten e Eibe Frank
7. Tome as notas apropriadas
Este ponto é autoexplicativo.. Não é possível para você se lembrar de tudo o que lê, você aprende ou estuda. Então para fazer o seu mecanismo de busca pessoal (cérebro) mais eficiente e mais rápido tomar notas corretamente é a melhor maneira. Você se sentirá mais poderoso psicologicamente cada vez que ver suas anotações, eles representam o seu trabalho duro, progresso e tanto conhecimento que você adquiriu até agora.
8. Conquista em etapas
Você precisa se sentir satisfeito consigo mesmo de vez em quando, para seguir em frente e não deixar que a chama de aprender sinceramente desaparecer. Já vi muita gente assustada ou cansada ou desinteressada em trabalhar duro depois de um tempo.. De acordo com meu ponto de vista, isso geralmente acontece quando você sente que não atingiu o objetivo e continua andando sem apreciar onde você está neste momento., quão longe você veio com sua dedicação e trabalho duro.
Portanto, Tentar definir metas pequenas e uma vez que você excedê-los, ter orgulho porque você é a melhor versão de si mesmo agora, você não desistir e seguir em frente com felicidade e satisfação em mente.
9. Contribua para as comunidades
Assim como você está estudando com muitos recursos maravilhosos, por que não contribuir depois de um certo ponto de conhecimento e tornar-se para uma pessoa? O ato de compartilhar conhecimento não é bom manter vivo o fluxo de novos conhecimentos, mas também fazer um nome para si mesmo. Essas contribuições lhe darão tanta importância que nada mais poderia.. Psicologicamente você vai se sentir realmente poderoso e isso se refletiria mais em seu próximo trabalho.. Mantém o processo de aprendizagem sólido e aguça sua imagem geral como cientista de dados ou qualquer outra coisa.
Poucos exemplos dessas comunidades são, Kaggle, Espaço de papel, Análise Vidya, Metade, etc.
10. Se possível, encontrar um mentor
Nós vamos, esta não é uma tarefa fácil, mas é uma extensão da etapa anterior de “aprender com os melhores recursos”. Quando você tem alguém (um especialista / ou mesmo uma pessoa com mais experiência do que você), leva você na direção mais otimizada para o seu aprendizado, você vagueia menos e pegar mais. A melhor maneira é alcançar o maior número de pessoas possível em LinkedIn (Não implore a eles ou irrite-os., apenas ser claro e direto com a ajuda que você precisa deles).
11. Acredite em si mesmo
Estou mencionando o passo mais importante no FIM, porque mesmo se eu entendisse todos os passos mencionados acima, exceto este, você poderia possivelmente falhar ou se perder em tantas coisas que você definitivamente não gostaria para si mesmo. Então, não importa quanto tempo leva, se você está limpando suas metas diárias e semanais, expandindo sua rede de pessoas,
VOCÊ VAI, PORQUE SE NÃO VOCÊ, ENTÃO QUEM? SERÁ VOCÊ!! Acredite nisso.!
Esse foi o fim deste artigo, Espero que tenha aprendido algo para sua própria viagem.. Compartilhe comigo a qualquer momento via LinkedIn.
Gargeya Sharma
ciência da computação B.Tech (3er ano)
Especializado em ciência de dados e aprendizado profundo
Estagiário de cientistas de dados na Upswing Cognitive Hospitality Solutions
Para maiores informações, ver minha página inicial do GitHub
Foto de capa do blog por Cobertores de Hesthaven sobre Unsplash
Foto da área por Paul Skorupskas sobre Unsplash
A mídia mostrada neste artigo não é propriedade da DataPeaker e é usada a critério do autor.
