Лучшие шаги к освоению науки о данных, поверьте мне, я их пробовал

Туласирам получил диплом PG по аналитике данных от UpGrad и IIIT-Bangalore и теперь работает в UpGrad в качестве помощника программы по анализу данных в UpGrad .
Много лет назад я прочитал рассказ в книге «Монах, который продал свой Феррари », рассказ, который я помню до сих пор.
Жил-был учитель, известный своими навыками стрельбы из лука. Говорили, что стрела учителя никогда не попадет в яблочко. Его навыки привлекали многих студентов. Однажды учитель попросил одного из своих учеников завязать ему глаза. Затем он попросил ученика поставить мишень и дать ему лук и стрелы. Все ученики, затаив дыхание, смотрели на учителя. В душе они были уверены, что стрела учителя попадет в цель. Пока все смотрели, затаив дыхание, стрела учителя вылетела из лука и не попала в цель! Студенты остались ошеломлены. Один из учеников снял повязку с глаз мастера и спросил его: «Как ты мог не попасть в цель?» Мастер ответил -

«Нельзя поразить цель, которую не видишь!»

Давным-давно я посетил мероприятие по подготовке учителей. На одной из лекций нам сказали, что мы должны заранее информировать студентов о том, что они узнают на конкретном занятии, так как это поможет им лучше подготовиться к тому, что их ждет. Обучение происходит лучше всего, когда учащиеся знают, почему они изучают то, что изучают, и как это можно использовать. Контекст помогает облегчить обучение. В процессе творческих попыток решить сложную проблему обучение происходит естественным образом, и то, чему мы учимся, остается с нами.
Как мы можем применить эти общие принципы к науке о данных? Первый шаг в освоении науки о данных — поставить измеримую цель. Вы должны иметь страсть и любовь к данным. В сегодняшней цифровой вселенной легко заблудиться или отвлечься. Баланс между работой, семьей и учебой усложняет задачу. Поэтому крайне важно поставить перед собой цель обучения и неукоснительно ей следовать.
Руководство для начинающих по аналитике данных

Во-вторых, для овладения любым навыком необходима практика. В книге Outliers Малкольм Гладуэлл утверждает, что для овладения навыком требуется 10 000 часов. Вокруг этого числа ведутся споры, но ясно одно: без практики овладения каким-либо навыком не добиться. Наука о данных не является исключением. Лучший подход — работать над проблемой, которая вас волнует, которая вас вдохновляет. Обучение ради обучения не будет длиться долго, и теория будет забыта на этом пути.
Недавно я прочитал статью о студенте, который помог решить проблему выявления рака глаза, анализируя общедоступные изображения. По пути она узнала все необходимое для решения проблемы и добилась чего-то великого. Наука о данных по определению является междисциплинарным предметом. Он включает в себя линейную алгебру, программирование, статистику, компьютерную инфраструктуру и многие другие области. Этот длинный список пугает всех, кто хотел бы пройти через ворота науки о данных.

Следовательно, вам будет полезно сначала сосредоточиться на двух или трех алгоритмах и попытаться применить их к выбранным вами задачам. Вместо того, чтобы изучать понемногу все существующие алгоритмы, изучите некоторые из них более подробно. В настоящее время ресурсов в нашем мире очень мало, а спрос на них слишком высок. Оптимальное использование науки о данных может помочь нам найти способы наиболее эффективного использования этих ограниченных ресурсов.
Более того, старайтесь экспериментировать, когда работаете над проблемой. Есть несколько способов, которыми вы могли бы продолжить, и вы узнаете правильный только после того, как попробуете его. Эксперименты подготовят вас к выполнению задач науки о данных, таких как повышение точности алгоритмов, сокращение времени, затрачиваемого на выполнение, распараллеливание выполнения, подготовка модели к производству и т. д. Во многих собеседованиях, которые я давал, вопрос был о наборах данных, с которыми я работал, или о реальных проблемах, которые я решил. Работа над проблемой, безусловно, будет большим преимуществом в поиске работы.

Сообщение результатов так же важно, как и сам анализ. Наука о данных — это рассказывание историй. В другом интервью меня спросили:

— Как ты объяснишь медиану бабушке?

Мне пришлось импровизировать, чтобы объяснить сложный жаргон простыми словами. В организации руководство часто не знакомо с жаргоном, и ключевым моментом будет простое и эффективное общение. Попробуйте объяснить концепции науки о данных детям (или бабушкам и дедушкам!), и посмотрите, поймут ли они.
Заработная плата специалистов по данным и аналитиков

Наконец, все сводится к видимости и присутствию. Для начинающего специалиста по данным крайне важно улучшить вашу цифровую видимость. Создайте учетную запись GitHub и загрузите все свои проекты для демонстрации. Вносите свой вклад в блоги по науке о данных. Присоединяйтесь к группам по науке о данных и участвуйте в текущих дискуссиях. Попробуйте ответить на вопросы на Quora, Reddit и других популярных форумах.

Вот некоторые из моих размышлений о долгом пути к мастерству в науке о данных. У вас обязательно будут другие идеи или предложения. Пожалуйста, поделитесь своими мыслями, статьями, видео и подкастами или чем-либо еще, что, по вашему мнению, будет полезно вашим коллегам, пока они идут по этому трудному, но захватывающему и чрезвычайно полезному пути вместе с вами!