Beaucoup de gens, lorsqu'ils entendent le terme Data Science pour la première fois , pensent généralement à l'apprentissage automatique en premier.
C'était donc avec moi. Mon intérêt pour la science des données est né parce que j'ai rencontré pour la première fois l'idée de "machine learning", que j'ai trouvé vraiment cool. Donc, quand j'ai commencé à chercher un endroit pour commencer à apprendre la science des données, il n'est pas difficile de deviner d'où je viens. (Indice: ça rime avec barattage de haricots .)
Ce fut ma plus grosse erreur qui m'a conduit à cette pensée:
Si vous souhaitez apprendre la science des données, ne commencez pas par l'apprentissage automatique.
Comprenez juste. De toute évidence, pour devenir un data scientist «à part entière», vous devez un jour vous familiariser avec les concepts de l'apprentissage automatique. Mais vous serez surpris de voir jusqu'où vous pouvez vous en passer.
Alors pourquoi ne pas commencer par l'apprentissage automatique?
1. L'apprentissage automatique n'est qu'une (et très petite) partie du data scientist.
La science des données et l'apprentissage automatique sont comme un carré et un rectangle. L'apprentissage automatique fait (partie de) la science des données, mais la science des données n'est pas nécessairement l'apprentissage automatique, de la même manière qu'un carré est un rectangle, mais un rectangle n'est pas nécessairement un carré.
, , 5–10% data scientist', ́ , .
: , .
2.
, . , , .. , , .
:
, « », , .
( )
- , ().
, :
.
, .
3. - data scientist'
data scientist' ( ) . , data scientist' , data science . , , , - .
data science .
Excel Pandas , .
. , , .
?
" data science, ", , , , , . .
, , , .
, , , data scientist, , , .
, .
- , :
. , . , data science, , . " ", Khan Academy.
Python SQL. Python SQL, , , . Python, Pandas, NumPy Scikit-learn. , , XGBoost.
. , - . . , , .
. data scientist'. , , .
!
Dans cet article, j'ai exprimé mon opinion personnelle, alors prenez-en ce que vous voulez. Le conseil général est que l'apprentissage automatique ne devrait pas être au centre de vos recherches car il ne constitue pas une utilisation très enrichissante de votre temps et ne fait pas grand-chose pour vous aider à devenir un scientifique performant dans le monde du travail.
Cela dit, je vous souhaite le meilleur dans vos efforts!
Photo de couverture par Will Porada