Descargo de responsabilidad: tomé prestado un poco de la respuesta de Karlijn Willems a ¿Cómo obtengo motivación para estudiar ciencia de datos? y soy periodista de ciencia de datos en DataCamp.
Para empezar, creo que Python es un lenguaje de programación perfecto para comenzar considerando su experiencia, ya que realmente no tiene mucha experiencia previa en codificación. Por supuesto, R también es muy poderoso en ciencia de datos y si te sientes motivado para aprender R más que Python, obviamente deberías ir a R 🙂 En cualquier otro caso, ve a Python y aprende R después.
Luego, el desafío diario de la comprensión. Esta es difícil porque puede diferir y diferirá de una persona a otra, pero creo que uno o más de los siguientes consejos pueden ayudarlo a mantenerse motivado:
- Cómo entender el uso de un SVM con una red neuronal convolucional
- Cómo usar el método probabilístico para probar el problema de Ramsey multicolor
- Cómo crear un conjunto de datos a partir de imágenes
- ¿Cómo puede Machine Learning ayudar a un desarrollador de Android?
- ¿Qué significa realmente el valor semilla en el algoritmo de aprendizaje automático?
- Variedad : aprender ciencia de datos requerirá que seas creativo de vez en cuando, especialmente cuando se trata de recursos de aprendizaje. Hay mucho por hacer, pero el truco es encontrar exactamente lo que se ajusta a su estilo de aprendizaje. ¿Te gusta leer? Descubra cuáles son los mejores libros para comenzar, y luego también considere otros recursos escritos como tutoriales, artículos, … ¿Te gusta mirar y escuchar? Averigüe cuáles son los mejores videos o conferencias del curso y comience desde allí. Después, todavía hay muchas otras opciones, como podcasts, conferencias, …
- Aprender haciendo . No solo lea y mire / escuche. La mejor manera de llegar a donde necesita estar es practicando lo que ha aprendido y simplemente tomar el obstáculo. Recomiendo que aplique lo que haya aprendido en el código de inmediato o lo más cerca posible de inmediato. Aquí es donde Learn R, Python & Data Science Online | DataCamp viene: es una combinación de video conferencias de expertos de la industria y líderes de opinión, desafíos de codificación interactiva con comentarios personalizados y, a veces, cuestionarios cortos para ver si comprende los conceptos que se han explicado. La plataforma es excelente para que los novatos comiencen de manera práctica porque no asumimos que usted tenga todo el conocimiento todavía, como lo hacen algunas otras plataformas educativas. Y si asumimos cierto conocimiento, encontrará esto claramente en la descripción del curso. Si aún no está totalmente convencido, considere tomar el curso en línea gratuito Learn Data de Python para Data Science – y entenderá de lo que estoy hablando.
- Sigue tu progreso . Hay personas que se unen en una aventura de codificación de 100 días, hay otras que publican regularmente en un blog sobre cómo están, también hay quienes se unen a un campamento de ciencia de datos o se unen a una pista. Tener un viaje más fijo puede ayudarlo a llegar a donde quiere ir y lograr su objetivo. Tenga en cuenta que los bootcamps están más orientados hacia un objetivo profesional, mientras que otras pistas, como la de DataCamp, también le permiten mejorar en temas específicos, como la visualización de datos o las estadísticas. Echa un vistazo a los principales campos de entrenamiento de ciencia de datos: la guía completa de 2017 y clasificaciones o pistas | DataCamp.
- Rutina Muy relacionado con el seguimiento de su progreso, debe asegurarse de tener algún tipo de rutina. Ya sea que realice algunos ejercicios cada noche a las 8 pm para leer mientras viaja a su trabajo, ¡solo asegúrese de desarrollar una rutina que pueda mantener y que le permita desarrollar gradualmente su conocimiento! La práctica hace la perfección y la rutina ciertamente puede ayudar en esto.
- Conéctate a lo que te interesa. Los proyectos de ciencia de datos y los desafíos de codificación pueden ser aburridos cuando trabajas en un tema que no te interesa. Encuentre el material adecuado que cubra sus necesidades educativas y motivadoras. Motívese con ejemplos del aprendizaje automático o el aprendizaje profundo …
- Proyectos Cuando ya esté más avanzado, consideraría retomar un proyecto para aplicar la mayoría de las cosas que ha aprendido en un estudio de caso particular. La clave aquí también es elegir un conjunto de datos que lo motive e interese. Responda también las preguntas que le parezcan interesantes y verá que desarrollará una intuición sobre qué son buenas preguntas y cuáles no. Al mismo tiempo, estos proyectos le permitirán mantenerse “ocupado” con un tema en particular durante más tiempo, lo que puede funcionar como un motivador.
- Comunidad . La comunidad puede ser un gran motivador en su viaje de ciencia de datos. Asista a conferencias, únase a grupos de reuniones, conéctese con sus pares en LinkedIn, Facebook, Whatsapp, Slack, … grupos para discutir su progreso y aprender por lo que otros están pasando. ¡Verás que hay muchas similitudes! Tus compañeros pueden y probablemente también te señalarán recursos que los han ayudado, lo cual también es bueno. También asegúrese de que pueda maximizar su participación en todo esto: su compromiso y motivación que obtiene de la comunidad dependen en gran medida de cuán activo sea en la comunidad; Comparta artículos interesantes con sus compañeros, dé un discurso sobre lo que aprendió … Las posibilidades son infinitas, ¡pero asegúrese de que su aporte cuente!
¡Espero que esto ayude!