Hay algunos recursos que me gustaría señalar aquí:
- Analytics Vidhya (Comunidad de Analytics | Discusiones de Analytics | Discusión de Big Data)
Para principiantes absolutos, este es probablemente el mejor lugar para comenzar su viaje. Una comunidad increíble con excelente contenido e iniciativas increíbles. AV aloja todo tipo de cosas:
- Data Hackathons (práctica con gran aprendizaje sobre la marcha de la comunidad en Slack) (Hackathons | Analytics Vidhya)
- Rutas de aprendizaje (R, Python, Weka, Tableau, Qlikview, más) (Ruta de aprendizaje: ciencia de datos, análisis, BI, Big Data)
- Pruebas de habilidad (Probabilidad, PNL, Python, R, muchas más)
- Seminarios web (específicos de la industria, así como nuevas tendencias por expertos en el campo)
- Talleres en línea (sobre preparación de entrevistas de ciencia de datos y conceptos como Probabilidad, ML, así como sobre herramientas: R, Python, Excel)
- MEET-UPS (reuniones mensuales en Delhi-NCR, Mumbai, Chennai y Bangalore). Lea más sobre esto en – La respuesta de Amanpreet Singh a ¿Hay alguna reunión de ciencia de datos en Chennai, India?
2. Cursos en línea abiertos masivos (MOOC)
- Como científico de datos, ¿es útil una clase de análisis de algoritmos?
- ¿Cómo podemos crecer programadores principiantes como ciencia de datos profesional durante unos meses?
- En términos simples, ¿qué son exactamente Apache y Hadoop, y qué importancia tienen para los grandes datos y la ciencia de datos?
- ¿Los gráficos circulares merecen su reputación actual como malas visualizaciones?
- ¿Cómo se usa el SNA (Social Network Analysis) para combatir el fraude o las transacciones fraudulentas?
Estoy seguro de que, si ha decidido entrar en la ciencia de datos, habría tomado uno o varios MOOC. Tienen un gran material práctico para que pruebes, algunos ofrecen proyectos finales al final. Y, en mi experiencia, probar un problema trivial con convicción puede llevarlo a un problema realmente único que podría resolver y mostrar. Si no, bueno, siempre aprendes algo haciendo, ganas experiencia haciéndolo; nada que perder 🙂
3. Otras plataformas
Kaggle es otra plataforma de hackathon donde puedes aprender mucho observando a otros participantes. Las discusiones ofrecen una fuente de conocimiento realmente rica.
Aparte de eso, puede consultar el depósito de UCI ML para encontrar toneladas de problemas de ML para obtener sus manos dirrrtyy. Otra fuente que recomiendo es Data.World. Tienen los conjuntos de datos más interesantes que he encontrado en línea.
Espero que esto ayude 😀
