Рубрики
Без рубрики

Научите себя наукой о данных: путь обучения, который я использовал для работы на аналитике на Jet.com

Автор оригинала: FreeCodeCapm Team.

Дэн Стерн

Как вы можете отправиться от нулевых навыков программирования на работу в области технологий или аналитики?

Если вы заинтересованы в изучении этих навыков, будь то для развлечения или для карьеры, какой лучший способ пойти об этом?

Существуют бесчисленные списки лучших онлайн-курсов, но как вы можете отправить свой собственный путь обучения со всем шумом?

Лично я никогда не думал, что научим какие-либо практические навыки вокруг программирования, анализа данных, машинного обучения или технологии в целом. Как финансовый майор, я всегда предполагал, что был бы «деловым парнем». И все же как-то, я научил себя Python и SQL, и обнаружил, что работаю в аналитике в Jet.com, Используя один из этих языков каждый день.

Почему Python и SQL, вы можете спросить?

Python – это Самое быстрое растущее программирование Язык там, и по хорошей причине. Он имеет безумный номер библиотек, которые вы можете использовать для приложений для машин, анализа данных, визуализации, веб-приложений, интеграции API и многое другое. Кроме того, это один из легких языков, чтобы забрать и учиться. Что касается SQL, баз данных Power Technology Companies и SQL позволяет лучше понимать, исследовать и использовать пользующихся пюре собранных данных.

Ниже я намечу путь, который я взял на изучение этих языков, которые привели меня в аналитику. Быть ясным, этот путь был невероятно сложным; Я провел бесчисленные вечера, чувствуя расстроенные и смущенные. Много ночей я хотел просто бросить в полотенце и согласиться на том, чтобы быть деловым парнем.

Но твои мотивация Остается ключ, чтобы продвинуть вперед через препятствия, которые вам неизбежно сталкиваются. Независимо от того, хотите ли вы перейти в анализ данных или роль типа науки на науке или просто хотите получить лучшее понять на программирование и технологию для их удовольствия (что он становится веселее!), Вы должны выяснить, как оставаться мотивированным И дисциплинирован, если вы хотите на самом деле выучить эти навыки.

Для меня установка в сторону определенных количеств времени почти каждый день (около 90 минут до 2 часов), чтобы узнать или практиковать сразу после того, как я вернулся домой с работы, позволил мне разработать последовательные привычки и концепции дома молота, я нашел путаницу.

Вот путь, который я взял; Надеюсь, это может помочь вам начать самостоятельно.

Основной фонд

  1. Учите питон трудный путь

Это один из лучших курсов, которые я когда-либо принимал, период. Это самостоятельно и сложно, но Zed предоставляет вам достаточно подробную информацию и рекомендации, чтобы начать начать программирование в Python. Он делает программирование чувствовать себя доступен, и материал дает вам доверие недели после недели, чтобы на самом деле почувствовать, как если бы вы могли эффективно изучать Python.

2. Режим аналитики: Pandas

Режим аналитики обеспечивает потрясающее введение в Python и включает в себя учебные пособия на одной из самых мощных структур данных: DataFrame PandaFrame. Это идеально подходит для изучения оснований анализа данных, как только у вас есть основы Python.

3. Режим аналитики: SQL

Другой режим аналитики тоже на SQL тоже фантастичен. Вы можете узнать все ключевые концепции и создать сильную SQL Foundation здесь. У них даже есть свой собственный редактор SQL и данные, с которыми вы можете играть.

В сочетании с режимом аналитики W3 Школы Может помочь ответить на любой вопрос SQL, который вы когда-либо имеете, поскольку вы идете пройти свой путь через учебники.

Дайвинг прямо в машинное обучение

Прежде чем я полностью увлекся питона, я взял на себя выстрел и подал заявку на нанодогрее самонаводящего автомобиля уедики. Я знал, что это было полностью над моей головой, но я думал, почему бы не попробовать?

Легче мотивировать себя изучать Python и Machine Share, когда вы очарованы практическими приложениями.

У меня было около месяца до начала класса, поэтому я взял столько занятий вокруг науки о данных и обучении машины.

Вот лучшие Бесплатно вводящий Курсы Я обнаружил, что были невероятно полезны:

Да, вы можете видеть, что я думаю довольно высоко удобности.

Несмотря на то, что не бесплатно, я бы также настоятельно рекомендую проверить Гроккинг глубоко обучение книга. Он обеспечивает чрезвычайно чистые и относительные примеры на основах машинного обучения.

Tensorflow Разработанный Google, является библиотекой с открытым исходным кодом для машинного обучения, которые можно записать в Python. Это невероятно мощно и абсолютно стоит привыкаться.

Проверьте Мнист тренировка Для фантастического введения в рамки.

Я нашел Стэнфорд CS231 класс, чтобы быть полезным ресурсом тоже; Он охватывает сверточные нейронные сети (что мы используем для программного обеспечения для представления изображения или для лица), которые я прочитал, будет невероятно полезным для самостоятельно вождения автомобиля нанодегре. Если вы заинтересованы вообще в использовании машинного обучения с изображениями или видео, вы не найдете намного лучше, чем этот курс.

Наконец, после использования этих ресурсов для создания прочной основы, я начал Удобность самообслуживания автомобиля нанодегрея Отказ

Я не собираюсь говорить об этом слишком много, так как есть уже отличные пишетки курса здесь и здесь Отказ То, что я скажу, это то, что на мой собственный шок, несмотря на то, что он самый сложный курс, который я когда-либо принимал, я смог понять большую часть содержания. Вооружен правым базовым знанием, вы бы удивляетесь тем, насколько глубоко может быть ваше понимание сложной темы.

Продолжение аналитики и науки о науке данных

После интенсивного погружения в машину в течение нескольких месяцев было полезно сделать шаг назад и усилить мое понимание практических аналитических и научных принципов данных.

Я начал с Наука данных, глубокое обучение и машинное обучение с Python , фантастический курс на UDEMY Отказ При касании машинного обучения, он полностью охватывает принципы в аналитике, науке и статистике данных и статистике, особенно вокруг различных методов добычи данных и практические сценарии для их развертывания.

Книга Наука данных для бизнеса , также объясняет невероятно хорошо, как и почему некоторые модели работают при решении проблем в определенном контексте; Он попадает в вас аналитические рамки и мышление, которые могут быть применены к любой ситуации, вращающейся вокруг проблем с данными. Это Лучший Ресурс, который я обнаружил, что соединяет разные аналитические подходы к определенным деловым ситуациям и проблемам.

Конечно, если вы заинтересованы в проведении карьеры в аналитике или науке о данных, вы всегда должны занимать старые навыки или добавлять новые навыки в ваш инструментарий. FreeCodecamp и HALKERNOON Опубликовать информационные статьи и учебные пособия по всем вещам науки и разработки данных и разработки данных. Моя любимая статья недавно была написана написанное руководство по написанию собственного Блокчан Отказ

Вы хотите знать Лучший Хотя способ продолжить обучение?

Даже если у вас нет доступа к высококачественным данным в вашей компании, есть много Наборы данных с открытым исходным кодом что вы можете играть вокруг и практиковать с. Бьюсь об заклад, вы узнаете так же столько, если не более, работаете над своими собственными данными проектами, чем взять любой курс или прочитать любую книгу.

Наконец, встреча и обучение у людей, у которых есть навыки, которые вы хотите приобрести, является чрезвычайно полезным. Я настоятельно рекомендую использовать Встреча Чтобы найти группы аналитики или профессиональных специалистов в вашем районе. Многие из этих групп имеют бесплатные учебные пособия или учебные заседания, и вы встретите множество безумных умных людей, которые могут предоставить советы и трюки, чтобы ускорить ваши учащиеся.

В Нью-Йорке некоторые из групп, которые помогли мне чрезвычайно:

Имейте весело учиться, и дайте мне знать, как ваше собственное путешествие идет!

– – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – –