Je souhaite partager les méthodes de maîtrise de la science des données à partir de zéro par une personne d'une autre spécialité informatique. Objectif: préciser si cette spécialité vous convient en principe et vous parler des approches efficaces d'auto-apprentissage qui m'ont aidé (je planifierai plus tard des articles détaillés sur des sujets spécifiques séparément).
D'excellents documents existent déjà sur la plupart des sujets spécifiques et j'en ai appris moi-même.
Je pense que beaucoup trouveront utile d'avoir des "méta" matériels sur la façon de choisir des cours et des articles pour apprendre. Par exemple, j'ai examiné des dizaines d'articles et de livres, essayé de nombreux cours en ligne, mais seule une petite partie de ce qui était disponible était utile. J'espère que je pourrai sérieusement vous faire gagner du temps et vous aider à faire plus en vous montrant une manière plus efficace d'auto-apprentissage.
Et il est important de le dire tout de suite: je crois que toute personne ayant des compétences analytiques et une pensée structurelle peut devenir un spécialiste de l'apprentissage automatique / des données. Il y a encore 4 ans, j'avais des doutes, ayant perdu confiance en mes capacités mathématiques à cause des professeurs d'université. Maintenant, je crois: les bases de l'apprentissage automatique et le minimum de mathématiques nécessaires peuvent être appris par toute personne très motivée.
Mon expérience:
Quand j'ai réalisé que j'aurais bientôt 30 ans, j'ai décidé de partir pour un autre domaine et de quitter la Fédération de Russie. Dans mon domaine (1C), j'ai réussi ma carrière, mais il est devenu clair que la poursuite de la croissance est très difficile et nécessite un travail qui est inintéressant et presque dégoûtant pour moi.
Après six mois de recherche parmi les options, j'ai décidé que la science des données était la plus intéressante pour moi.
(: ).
Senior Data scientist Vodafone ( LinkedIn).
-
, , : , , . ( b-ok.org). , , .
, . , . , , - , , ( ; , ).
, Data science/
, -, .
:
, -, - ( DS , ). : " " ( ? - -, ), - , data science , , - .
, , (, ) .
, , , ! , . , data science, .
, . "" Data science , , , ..
, data science?
- - , .
, Datasmart ( , ). : " . Excel, ". , data science, ( , ).
Data science .
, , data science .
, , , machine learning engineer. data scientist machine learning engineer , , , " " , .
, , (PowerBI, Tableau ..) - "Storytelling with data". , , data scientist, . , machine learning engineer , "" .
, " ", data science :
Data science, : , . ( , " "). , . , . , .
Python (+SQL ), .
data scientist . python - . , , . , "" "if-then-else" , . , , - , . " ", Python , (, ! -, , , )
Data science . Python SQL
!
, , , - . : . , - . , , data science. : . . , , .
. , . , , , . , - . .
- , . .
- , ( ). , , : ("") API .
, - , , .
: ?
SQL ?
SQL . , . .
SQL , "": "" , ! - . "" , . C SQL , .
- .
- , data science, - . SQL . - .
SQL:
"sql tutorial" . , . SQL .
. .
- , . , , SQL.
10 ( ), 20 ( ).
Python?
, Python. , R ( ) , . Python . , Python R, , Data Science Python, R. - Python. - , , ( 2015 , ).
- .
Python
:
5-40 , .
( ):
Learning Python, by Mark Lutz (5 ). .
, , .
, , Python . , . , , .
. , pythontutor.ru, .
, , 32 , (, 21-31 . , Python ).
( ) . .
, , , .
Python Crash Course, by Eric Matthes
, - . - Python - .
Automate the Boring Stuff with Python
, Python. , .. , , .
?
Python, - , 100. 200 .
( - , )
,
- ( ), . . .
, ( 2 ) , ( ). - DS .
, , , . : , DS - (, 1 , - ).
, .
Peut-être que nous parlerons au téléphone une fois et ce sera suffisant pour vous. Mais je suis prêt à remplacer complètement les programmes de cours payants, en vous donnant un programme personnalisé et en vous expliquant étape par étape les meilleurs livres et cours et comment les trouver gratuitement. Dans ce dernier cas, en retour, votre promesse me suffit que vous paierez vous-même pour l'aide, autant que vous le jugerez bon, si et quand vous en ressentez le résultat.
self.development.mentor dans le domaine gmail.com, Oleg