Özel Sıfır tabanlı bir programlamadan analiz alanına nasıl girilir (öğrenme kaynakları ile)
Çeviri: Yang Xuedi
Düzeltme: Feng Yu
Bu makalenin uzunluğu 2107 kelime , Okumanız tavsiye edilir 5 dakika
Bu makale, analiz alanındaki giriş deneyiminizi paylaşır ve ilgili ücretsiz kurslar ve kitaplar önerir.
Programlamada sıfır temelden teknoloji ve analiz alanında çalışabilmeye nasıl geçilir?
İster eğlence ister kariyer değişikliği için olsun, bu becerileri öğrenmekle ilgileniyorsanız, hangi yol en iyisidir?
Piyasada sayısız çevrimiçi kurs listesi var, ancak hangi yolun size en uygun olduğunu nasıl anlarsınız?
Bu alanda programlama, veri analizi veya ilgili teknoloji gibi pratik beceriler öğreneceğimi hiç düşünmemiştim. Bir finans profesyoneli olduğumdan, her zaman bir "işadamı" olacağımı hayal ediyorum. Ama bir şekilde kendi kendime Python ve SQL öğrettim ve ayrıca "Jet.com" da analiz alanında bir iş buldum ve her gün bu dillerden birini kullanıyorum.
Sorabilirsiniz, neden Python ve SQL öğrenmelisiniz?
Python şu anda en hızlı büyüyen programlama dilidir (En hızlı büyüyen programlama) Makine öğrenimi uygulamaları, veri analizi, görselleştirme, web uygulamaları, API entegrasyonu vb. Yazmak için kullanılabilecek geniş bir araç kütüphanesine sahiptir. Dahası, öğrenmesi ve ustalaşması en kolay dillerden biridir. SQL için çeşitli veritabanları teknoloji şirketlerinin yeteneklerini güçlendirir, SQL, toplanan verileri daha iyi anlamanıza, keşfetmenize ve kullanmanıza olanak tanır.
Aşağıda, bu dilleri öğrenmekten veri analizine başlamaya kadar nasıl öğrendiğimi anlatacağım. Dürüst olmak gerekirse, bu yol çok zorlu. Sayısız gecedir yoruldum. Birçok gece sadece bir iş adamı olmaktan vazgeçmek ve memnun olmak istedim.
Ancak içsel motivasyonunuz, sizi kaçınılmaz direnişte ilerletmenin anahtarıdır.
İster veri analizi, veri bilimi ve diğer alanlara girmek isteyin, ister sadece biraz programlama ve teknoloji öğrenmenin eğlenceli olduğunu düşünün (aslında gerçekten eğlenceli); Gerçekten iyi öğrenmek istiyorsanız, kendinizi korumalısınız. Öz disiplin ve motivasyon dolu.
Benim için, her gün eve gittikten hemen sonra çalışmak ve pratik yapmak için belirli bir zaman (yaklaşık 90 dakika ila 2 saat) ayarlamak, böylece bir ısrar alışkanlığı oluşturmak ve bir zamanlar kafam karışmış bulduğum kavramları iyice anlamak.
Aşağıdaki benim öğrenme yolum, size biraz ilham vermeyi umuyorum.
Anahtar temel
1. "Python the Hard Way" öğrenin
Bu, o zamanlar aldığım en iyi kurslardan biri. Otonom ve zordur, ancak Zed size Python'da programlamayı öğrenmeniz için yeterli ayrıntı ve rehberlik sağlar. Programlamayı anlamayı kolaylaştırır ve haftalık eğitim materyalleri size Python'u iyi öğrenmeniz için gerçekten güven verecektir.
2. Desen analizi: Pandalar
Desen analizi, Python'a, en güçlülerinden biri olan pandalar DataFrame'e dayanan çeşitli veri yapıları örneklerini içeren mükemmel bir giriş sağlar. Python bilgisine hakim olduğunuzda, veri analizini öğrenmek daha kolay olacaktır.
3. Mod analizi: SQLMode Analytics: SQL
SQL ile ilgili başka bir öğrenme öğreticisi de harika. Birçok anahtar kavramı öğrenebilir ve SQL için sağlam bir temel oluşturabilirsiniz. Hatta kendi SQL düzenleyicilerine ve "oynamak" için kullanabileceğiniz verilere sahipler.
Kalıp analizi ile birlikte, W3 Okulları, öğrenme sürecinde karşılaştığınız tüm SQL sorularını yanıtlayabilir.
Makine öğrenimini doğru bir şekilde girin
Python'da tam anlamıyla ustalaşmadan önce, Udacity'de kendi kendini süren bir mikro derece için başvurmaya çalıştım. Bunun tamamen ulaşamayacağım bir şey olduğunu biliyorum, ama düşündüm, neden denemeyeyim?
Gerçek uygulamalardan etkilendiğinizde, kendinizi Python ve makine öğrenimi öğrenmek için motive etmek daha kolaydır.
Kursa bir ay kaldı, bu yüzden mümkün olduğunca çok veri bilimi ve makine öğrenimi dersleri aldım.
Bu, bence en iyi ve son derece yararlı ücretsiz giriş kursu:
-
Udacity Makine Öğrenimine Giriş (Udacity Makine Öğrenimine Giriş)
-
Udacity İstatistiklere Giriş (Udacity İstatistiğe Giriş)
-
Udacity Veri Bilimine Giriş (Udacity Veri Bilimine Giriş)
Google tarafından geliştirilen TensorFlow, Python'da çalıştırılabilen açık kaynaklı bir makine öğrenimi araç setidir. Güçlüdür ve kesinlikle aşina olmaya değer.
"MNIST alıştırması", TensorFlow çerçevesi altında mükemmel bir giriş testi uygulamasıdır.
"Stanford CS231" kursunu da çok faydalı buldum. Kendi kendine giden bir araba mikro derecesi elde etmek için son derece yararlı olan evrişimli bir sinir ağı (resimlerde veya yüz tanıma yazılımında kullanılır) içerir. Yalnızca resim veya video biçiminde makine öğrenimi ile ilgileniyorsanız, bundan daha iyi bir kurs bulamazsınız.
Son olarak, bu kaynaklarla sağlam bir temel oluşturduktan sonra, "Udacity Kendi Kendini Süren Araba Nanodegree" üzerine çalışmaya başladım.
Bunun hakkında çok fazla konuşmayacağım çünkü zaten bu kursla ilgili birçok makale var. Söylemek istediğim, şimdiye kadar yaşadığım en zorlu kursa rağmen, içeriğin çoğunu hala anlayabiliyorum. Doğru temel bilgilerle, karmaşık konuları ne kadar derinden anladığınıza şaşıracaksınız.
Sürekli analiz ve veri bilimi öğrenimi
Birkaç ay süren derinlemesine makine öğrenimi çalışmasının ardından bana çok yardımcı olan şey, bir adım geri atıp pratik analiz ve veri bilimi ilkelerine ilişkin anlayışımı güçlendirmekti.
Python ile Veri Bilimi, Derin Öğrenme ve Python ile Makine Öğrenimi (Python ile Veri Bilimi, Derin Öğrenme ve Makine Öğrenimi) öğrenmek için python'u nasıl kullanacağımı öğrenmeye başladım Bu, Udacity için harika bir kurs. Makine öğrenimi söz konusu olduğunda, analiz, veri bilimi ve istatistik ilkelerini, özellikle de farklı veri madenciliği teknikleri ve bunları uygulamak için gerçek senaryolar etrafında tam olarak kapsar.
"İş İçin Veri Bilimi" kitabı, belirli modellerin nasıl çalıştığını ve belirli bir ortamda problemleri çözerken neden çalıştığını da iyi açıklar; analiz çerçevenizi ve düşünme modunuzu uyarlamak için güçlendirecektir. Veri sorunları etrafında ortaya çıkan herhangi bir durum. Bu bulduğum en iyi kaynak ve farklı analitik yöntemleri belirli iş durumları ve sorunlarıyla ilişkilendiriyor.
Elbette, analitik veya veri bilimi alanında bir kariyerle ilgileniyorsanız, genellikle bir zamanlar sahip olduğunuz becerileri geliştirmeli ve ardından yeni beceriler eklemeye devam etmelisiniz. FreeCodeCamp ve Hackernoon, tüm veri bilimi ve yazılım mühendisliği hakkında bilgilendirici makaleler ve eğitimler yayınladı. Son zamanlarda en sevdiğim makale, kendi blok zincirinizi yazma konusunda bir öğretici.
Öğrenmeye devam etmenin en iyi yolunu bilmek ister misiniz?
Bir şeyler inşa edin. herhangi bir şey. Veri kümesini keşfedin. Sizin veya şirketinizin karşı karşıya olduğu gerçek bir sorunu belirleyin ve çözmeye çalışın.
Şirketin yüksek kaliteli verilerine erişiminiz olmasa bile, kullanabileceğiniz ve uygulayabileceğiniz çok sayıda açık kaynak veri kümesi vardır. Bahse girerim, herhangi bir kursa gittiğiniz veya herhangi bir kitap okuduğunuz kadar, hatta daha fazlasını öğreneceksiniz.
Son olarak, edinmek istediğiniz becerilere sahip insanlarla tanışmak ve öğrenmek çok faydalı olabilir. Bölgenizdeki analiz veya yazılım uzmanlarını bulmak için Meetup'ı kullanmanızı şiddetle tavsiye ederim. Bu tür grupların çoğunda ücretsiz öğreticiler veya öğrenme kursları vardır ve öğrenmenizi hızlandırmak için bazı ipuçları ve püf noktaları sağlayabilecek çok sayıda süper zeki insanla tanışacaksınız.
New York City'de bana yardımcı olan bazı gruplar:
-
Makine Öğrenimi Topluluğu
-
Google Geliştirici Grubu
-
NYAI
-
New York Veri Bilimi
Mutlu bir çalışma diliyorum!
Orjinal başlık:
Kendinize Veri Bilimini Öğretin: Jet.com'da bir analiz işi almak için kullandığım öğrenme yolu
bağlantı:
https://medium.freecodecamp.org/a-path-for-you-to-learn-analytics-and-data-skills-bd48ccde7325
Yang Xuedi , Şu anda Pekin Bilim ve Teknoloji Üniversitesi'nde okuyor. Uluslararası iletişim, İngilizce öğrenimi ve büyük veriyle çok ilgileniyorum ve büyük veriyi yaşamda esnek bir şekilde kullanmakta iyiyim. Çekoslovakya temsilcisi olarak 2017 Harvard Üniversitesi Model Birleşmiş Milletler'e katıldı ve bir hafta boyunca Bali'de ders vermek için kış tatilini kullandı.
