Como aprender ciência de dados se você está falido

No último ano, me ensinei ciência de dados. Aprendi com centenas de recursos online e estudei de 8 a 10 horas todos os dias. Tudo enquanto operava o mercado financeiro.

Meu objetivo era começar uma carreira pela que eu tinha curiosidade e ansiava, apesar de estar hoje distante do corporativismo

Quando digo “ciência de dados”, me refiro à coleta de ferramentas que transformam dados em ações do mundo real. Estes incluem aprendizado de máquina, tecnologias de banco de dados, estatísticas, programação e tecnologias específicas de domínio.

Alguns recursos para começar a jornada.

A internet está uma bagunça caótica. Aprender com isso pode muitas vezes sentir como beber do final divertido de uma mangueira de incêndio.

Existem alternativas mais simples que oferecem para classificar a bagunça para você.

Sites como Dataquest, DataCamp eUdacity oferecem para ensinar habilidades de ciência de dados. Cada um criando um programa de educação que te pastoreia de tópico em tópico. Cada um requer pouco planejamento de curso de sua parte.

O problema? Eles custam muito caro, eles não ensinam como aplicar conceitos em um ambiente de trabalho, e eles impedem você de explorar seus próprios interesses e paixões.

Existem alternativas gratuitas como edX e coursera que oferecem cursos pontuais mergulhando em temas específicos. Se você aprende bem com vídeos ou uma configuração em sala de aula, essas são excelentes maneiras de aprender ciência de dados.

Confira este site para uma lista de cursos disponíveis de ciência de dados. Há também alguns currículos de cursos gratuitos que você pode usar.

Se você aprende bem com a leitura, olhe para o livro Data Science do Zero. Este livro é um plano de aprendizagem completo que pode ser complementado com recursos on-line.

Estes são apenas alguns dos recursos gratuitos que fornecem um caminho de aprendizagem detalhado para a ciência de dados. Há muitos mais.

Uma diretriz curricular

Programação Python

A programação é uma habilidade fundamental dos cientistas de dados. Fique confortável com a sintaxe do Python. Entenda como executar um programa python de muitas maneiras diferentes. (Notebook Jupyter vs. linha de comando vs IDE)

Estatística e Álgebra Linear

É um pré-requisito para aprendizado de máquina e análise de dados. Se você já tem um entendimento sólido, passe uma ou duas semanas se revendo em conceitos-chave. Eu particularmente, passei quase dois anos revendo estes coneitos, sou muito grato às DPS de Estatística I e II.

Concentre-se especialmente em estatísticas descritivas. Ser capaz de entender um conjunto de dados é uma habilidade que vale seu peso em ouro.

Numpy, Pandas, & Matplotlib

Aprenda a carregar, manipular e visualizar dados. O domínio dessas bibliotecas será crucial para seus projetos pessoais.

Dica rápida: Não sinta que você tem que memorizar cada método ou nome de função, que vem com a prática. Se você esquecer, pesquise no Google.

Confira os Tutoriais Pandas Docs, Numpy Docse Matplotlib. Há recursos melhores lá fora, mas estes são o que eu usei.

Lembre-se, a única maneira de aprender essas bibliotecas é usando-as!

Machine Learning

Aprenda a teoria e a aplicação de algoritmos de aprendizagem de máquina. Em seguida, aplique os conceitos que você aprende aos dados do mundo real com os quais você se importa.

A maioria dos iniciantes começa trabalhando com conjuntos de dados de brinquedos do Repositório UCI ML. Brinque com os dados e passe por tutoriais guiados de ML.

A documentação scikit-learn tem excelentes tutoriais sobre a aplicação de algoritmos comuns. Também achei este podcast um grande (e gratuito) recurso educacional por trás da teoria do ML.

Sistemas de Produção

Conseguir um emprego significa ser capaz de pegar dados do mundo real e transformá-los em ação.

Para fazer isso, você precisará aprender a usar os recursos computacionais de uma empresa para obter, transformar e processar dados.

No entanto, a manipulação do banco de dados é um conjunto de habilidades necessário. Você pode aprender a manipular bancos de dados com código no ModeAnalytics ou Codecademy. Você também pode implementar seu próprio banco de dados (barato) no DigitalOcean.

Outra habilidade (muitas vezes) necessária é o controle de versão. Você pode adquirir essa habilidade facilmente criando uma conta GitHub e usando a linha de comando para cometer seu código diariamente.

Ao considerar quais outras tecnologias aprender, é importante pensar em seus interesses e paixões. Por exemplo, se você está interessado em desenvolvimento web, então olhe para as ferramentas usadas pelas empresas desse setor.ais rápido do que você pode aprendê-los. Existem literalmente milhares de páginas da Web e fóruns explicando o uso de ferramentas comuns de ciência de dados.

Quando você começa a pesquisar um tópico, você precisa ter seu objetivo em mente. Se você não fizer isso, você corre o risco de ficar preso em qualquer link cativante chama sua atenção.

Se você fizer isso direito, você pode fazer um caminho de aprendizagem ordenado que mostra no que você deve estar focado. Você também aprenderá mais rápido e evitará se distrair.

Atenção, sua lista de leitura crescerá rapidamente para as centenas à medida que você explorar novos tópicos que lhe interessam. Não se preocupe, isso nos leva ao meu segundo conselho.

2. Não se estresse. É uma maratona, não uma corrida.

Ter uma educação auto-orientada pode muitas vezes sentir vontade de ler uma biblioteca interminável de conhecimento (obrigado amazon…)

Se você vai ser bem sucedido em ciência de dados, você precisa pensar em sua educação como um processo ao longo da vida. Lembre-se, o processo de aprendizagem é sua própria recompensa.

Ao longo de sua jornada educacional, você explorará seus interesses e descobrirá mais sobre o que o impulsiona. Quanto mais você aprender sobre si mesmo, mais prazer você vai sair do aprendizado.

3. Aprender -> Aplicar -> Repetir

Não se contente em apenas aprender um conceito e depois passar para a próxima coisa. O processo de aprendizagem não para até que você possa aplicar um conceito ao mundo real.

Nem todo conceito precisa ter um projeto dedicado em seu portfólio. Mas é importante ficar de castigo e lembrar que você está aprendendo para que você possa causar um impacto no mundo.

4. Construa um portfólio, mostra aos outros que podem confiar em você.

Quando se trata disso, o ceticismo é uma das maiores adversidades que você enfrentará ao aprender ciência de dados.

Seu portfólio é sua maneira de mostrar ao mundo que você é capaz e confiante em suas próprias habilidades. Por causa disso, construir um portfólio é a coisa mais importante que você pode fazer enquanto estuda ciência de dados. Um bom portfólio pode conseguir um emprego e torná-lo um cientista de dados mais confiante. Preencha seu portfólio com projetos dos que você se orgulha.

5. Ciência de Dados + _______ = Uma Carreira Apaixonada

A ciência de dados é um conjunto de ferramentas destinadas a fazer uma mudança no mundo. Alguns cientistas de dados constroem sistemas de visão computacional para diagnosticar imagens médicas, outros atravessam bilhões de entradas de dados para encontrar padrões nas preferências dos usuários do site.

As aplicações da ciência de dados são infinitas, por isso é importante encontrar quais aplicativos o excitam.

Se você encontrar tópicos pelos quais você é apaixonado, você estará mais disposto a colocar no trabalho para fazer um grande projeto. Isso leva ao meu conselho favorito neste artigo.

Quando estiver aprendendo, fique de olhos abertos para projetos ou ideias que o excitem.

Depois de passar um tempo aprendendo, tente conectar os pontos. Encontre semelhanças entre projetos que te fascinam. Então passe algum tempo pesquisando indústrias que trabalham nesses tipos de projetos.

Uma vez que você encontre uma indústria pela qual você é apaixonado, faça com que seu objetivo adquira as habilidades e conhecimentos técnicos necessários nesse negócio.

Se você puder fazer isso, você estará preparado para transformar seu trabalho duro e dedicação por aprender em uma carreira apaixonada e bem sucedida.

Conclusão

Se você ama fazer descobertas sobre o mundo. Se você é fascinado pela inteligência artificial. Então você pode invadir a indústria de ciência de dados, não importa qual seja a sua situação.

Para motivar sua própria educação, você precisará de perseverança e disciplina. Mas se você é o tipo de pessoa que pode se esforçar para melhorar, você é mais do que capaz de dominar essas habilidades por conta própria.

Afinal, é disso que se trata ser cientista de dados. Ser curioso e apaixonado por encontrar respostas.

Obrigado

Composing a repository of books (i bought), authors (i follow) & blogs (direct ones) for my own understanding.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store