データサイエンスをマスターするためのトップステップ、私がそれらを試したことを信じてください

Thulasiramは、UpGradおよびIIIT-Bangaloreからデータ分析のPGディプロマを取得し、現在はUpGradでデータ分析のプログラムアソシエイトとしてUpGradで働いています。
数年前、私は本「フェラーリを売った僧侶」の物語を読みました。これは今日まで覚えている物語です。
かつてアーチェリーの腕前で有名な先生がいました。 先生の矢は決して雄牛の目を逃さないと言われていました。 彼のスキルは多くの学生を魅了しました。 ある日、先生は生徒の一人に目隠しをするように頼んだ。 それから、彼は学生にターゲットを設定して彼に弓矢を与えるように頼みました。 生徒全員が息を止めて先生を見ました。 彼らの心の中で、彼らは先生の矢が目標に当たると確信していました。 誰もが息を切らして見ていると、先生の矢が弓を離れてターゲットを逃しました！ 生徒たちはびっくりしました。 生徒の一人がマスターの目隠しを外して、「どうしてターゲットを逃すことができるだろうか」と尋ねました。 マスターは答えました–

「見えないターゲットに当たることはできません！」

昔、先生の研修会に参加しました。 ある講義では、特定のセッションで何を学ぶかを事前に生徒に知らせておくと、これから起こることに備えることができると言われました。 学習は、生徒が自分が学んでいることをなぜ学んでいるのか、そしてそれをどのように活用できるのかを知っているときに最もよく起こります。 コンテキストは学習を容易にするのに役立ちます。 難しい問題を創造的な方法で解決しようとする過程で、学習は自然に起こり、私たちが学んだことは私たちにとどまります。
これらの一般原則をデータサイエンスにどのように適用できますか？ データサイエンスを習得するための最初のステップは、測定可能な目標を設定することです。 データに対する情熱と愛情が必要です。 今日のDigi-verseでは、迷子になったり気が散ったりしがちです。 仕事、家族、学習のバランスをとることは、それをさらに複雑にします。 したがって、学習目標を設定し、それを注意深く守ることが重要です。
データ分析のスタートアップガイド

第二に、練習はあらゆるスキルを習得するために必須です。 『 Outliers 』の中で、マルコム・グラッドウェルはスキルを習得するのに10,000時間かかると主張しています。 その数については少し論争がありますが、1つ明らかなことがあります。それは、練習なしでは、どのスキルでも習得することはできないということです。 データサイエンスも例外ではありません。 最善のアプローチは、気になる問題、つまりあなたに刺激を与える問題に取り組むことです。 学習のための学習は長くは続かず、理論は途中で忘れられてしまいます。
最近、公開されている画像を分析することで目の癌の検出の問題を解決するのを手伝った学生についての記事を読みました。 彼女は途中で問題を解決するために必要なすべてを学び、素晴らしい何かを達成しました。 データサイエンスは、定義上、学際的な主題です。 これには、線形代数、プログラミング、統計、コンピューターインフラストラクチャ、その他多くの分野が含まれます。 この長いリストは、データサイエンスの門を通り抜けたいと思っている私たち全員にとって恐ろしいものです。

したがって、最初に2つまたは3つのアルゴリズムに焦点を合わせ、選択した問題にこれらを適用しようとするとよいでしょう。 太陽の下ですべてのアルゴリズムについて少し学ぶ代わりに、いくつかの詳細を調べてください。 現在、私たちの世界の資源は非常に少なく、それらの需要は非常に高いです。 データサイエンスを最適な方法で使用すると、これらの希少なリソースを最大限に活用する方法を見つけるのに役立ちます。
さらに、問題に取り組んでいるときに実験してみてください。 あなたが進むことができるいくつかの方法があります、そしてあなたがそれを試みたときだけあなたは正しいものを知るでしょう。 実験により、アルゴリズムの精度の向上、実行にかかる時間の短縮、実行の並列化、モデルの作成準備などのデータサイエンスタスクを実行する準備が整います。私が行った多くのジョブインタビューでは、一般的な質問は、私が扱ったデータセットまたは私が解決した実際の問題についてでした。 問題に取り組むことは、あなたの就職活動においても確かに大きな資産になります。

結果を伝えることは、分析自体と同じくらい重要です。 データサイエンスはストーリーテリングがすべてです。 別のインタビューで、私は尋ねられました–

「祖母に中央値をどのように説明しますか？」

複雑な専門用語を簡単な言葉で説明するために即興で演奏しなければなりませんでした。 組織では、経営陣は専門用語に気付かないことが多く、シンプルで効果的なコミュニケーションが鍵となります。 データサイエンスの概念を子供（または祖父母！）に説明してみて、彼らが理解しているかどうかを確認してください。
データサイエンティストとアナリストの給与

最後に、すべては可視性と存在感に要約されます。 意欲的なデータサイエンティストとして、デジタルの可視性を向上させることが重要です。 GitHubアカウントを作成し、ショーケース用にすべてのプロジェクトをアップロードします。 データサイエンスに関するブログに貢献します。 データサイエンスグループに参加して、進行中の議論に貢献してください。 Quora、Reddit、およびその他の人気のあるフォーラムで質問に答えてみてください。

これらは、データサイエンスの習得への長い道のりを歩む上での私の瞑想の一部です。 あなたは間違いなく他のアイデアや提案を持っているでしょう。 あなたの考え、記事、ビデオ、ポッドキャスト、または仲間がこの困難でエキサイティングで非常に充実した道を歩んでいる間、あなたが仲間に役立つと思うものを共有してください！