Al menos deberías pasar por algo súper básico como el curso Python de la academia de códigos antes de comenzar con las cosas de la ciencia de datos.
Pero, ¡no espere demasiado para saltar a la ciencia de datos!
Si bien hay algunos conceptos básicos obvios que debe tener antes de siquiera pensar en hacer algo aplicado, la mejor manera de aprender es no pasar 100 horas trabajando en un curso / texto de Python, sino saltar directamente a un proyecto y aprender como usted marcharse.
- Cómo elegir el modelo correcto con la distribución correcta
- ¿Cómo calcula Gensim.Word2vec la probabilidad de texto usando una puntuación de modelo?
- ¿Hay casos en que las ideas del aprendizaje profundo hayan sido útiles para problemas de datos pequeños?
- ¿Debo aprender R o Spark para computación de alto rendimiento?
- ¿Cuáles son las buenas formas de combinar dos salidas de un clasificador?
La razón por la que esto es importante es porque garantiza que todo lo que recoja en Python sea lo más relevante posible. Hay * peligro * de sobreestudio; quedarse atrapado en un libro durante demasiado tiempo, aprender cosas que nunca usarás, perder el tiempo, desviarte y tal vez incluso no inspirarte en el proceso.
En mi experiencia, la mejor manera de aprender es ir y venir entre estudiar Python y aplicarlo a proyectos específicos.
Después de haber jugado un poco con algo de ciencia de datos, regrese y lea algo de Python, me gusta el Libro de cocina de Python, y podrá elegir qué nuevas técnicas de Python serán inmediatamente útiles y luego volver e integrarse ellos en su repertorio de programación.
Vaya de aquí para allá por un año más o menos y probablemente obtendrá bastante decente.
Siempre aprende – Python Y Data Science!
