Изучение языка программирования может быть сложной задачей, особенно без руководства или наставничества. Интернет-ресурсы повсеместны, и вы можете не знать, с чего начать. Я получил образование молекулярного биолога, когда я получил степень доктора философии, и был очарован тем, как системная биология может помочь лучше понять биологические явления. Затем я решил перейти от фундаментальной науки к науке о данных.
Как и большинство людей, я начал использовать Microsoft Excel для анализа данных. Хотя Excel был эффективен в обработке небольших наборов данных, он стал громоздким при анализе данных транскриптомики, так как более 20000 транскриптов часто измеряются одновременно в нескольких экспериментальных условиях. Кроме того, Excel плохо отображает более сложные графики, машинное обучение и информационные панели, которые являются важными инструментами для специалистов по данным. Я пробовал использовать множество онлайн-инструментов, но большую часть времени я не был уверен, какие алгоритмы работают на сервере. Эти разочарования в конечном итоге превратились в мою мотивацию изучать Python.
Пассивное обучение не сработало для меня, так как я не был уверен, понимаю ли я концепции. Тогда я узнал о Dataquest.
Основным преимуществом Dataquest является возможность выбора карьеры, что позволяет пользователям выстраивать стратегию обучения в соответствии со своими интересами и предпочтениями. Модульная структура также позволяет пользователям изучать отдельные темы от базового до продвинутого. Вы можете выйти из темы на том уровне, который вам удобнее всего, а затем вернуться снова, если решите узнать больше.
Что делает Dataquest уникальным по сравнению с другими обучающими платформами? Я думаю, что это открытые вопросы, которые позволяют лучше удерживать информацию и знания. Каждый раздел структурирован следующим образом:
- Информация о теме / теме.
- Практический вопрос для проверки вашего понимания предмета.
- Подсказки и решения практического вопроса, если вы не можете его решить.
- Резюме, выделяющее наиболее важные концепции.
- Свидетельство об окончании всего модуля.
Я думаю, что эта структура привлекает меня больше всего, поскольку я могу использовать практические вопросы, чтобы оценить, могу ли я применить полученные знания. Кроме того, мне нравится идея, что вы можете вручную вводить ответы на вопросы, что помогает мне сохранять усвоенную информацию.
Чтобы получить максимальную отдачу от Dataquest, я рекомендую хранить полезные коды в Jupyter Notebooks или текстовых редакторах, чтобы вы могли легко обращаться к ним при ответе на вопросы. Мне также нравится идея, что в конце каждого модуля есть сертификат об окончании, который может быть потенциально полезен для поиска работы в будущем. Пример такой, как показано:
Как и большинство систем, Dataquest не идеален. Главный недостаток Dataquest заключается в том, что часть предоставленной информации не актуальна. Например, в предметной теме по визуализации данных библиотеки, которые изучаются подробно, - это matplotlib и Seaborn. Хотя это полезные библиотеки для визуализации данных, другие библиотеки, такие как Plotly, Altair и Bokeh, которые позволяют строить интерактивные графики, не описаны.
Наконец, другие более сложные темы, такие как машинное обучение, панель мониторинга данных и интерфейсная разработка, не освещены достаточно подробно, чтобы пользователи могли интересоваться этими темами.
В целом, Dataquest стоит изучить, если вы новичок, поскольку он увлекателен и подробно описывает фундаментальные концепции. Создание прочных основ будет иметь решающее значение для пользователей, чтобы оценить и применить более продвинутые концепции Python. Однако, если вы уже знаете основы и на среднем уровне, я бы не рекомендовал Dataquest.
Эта пандемия COVID-19, вероятно, лучший шанс освоить новый навык в удобное для вас время. Если вы заинтересованы в смене карьеры или хотите узнать что-то новое, почему бы не попробовать Dataquest?
Вот и все по этой теме. Спасибо за прочтение!
Больше контента на plainenglish.io
