Учитесь, практикуйтесь, делитесь и зарабатывайте деньги, изучая науку о данных
Популярность науки о данных и машинного обучения резко возросла в последние годы из-за развития технологий и массового поколения больших данных. Их применение распространяется во многих областях и отраслях, и некоторые из крупнейших мировых компаний широко используют ИИ в своей бизнес-стратегии. Тем не менее, есть еще много неизведанных областей, ожидающих использования, и это поле будет и дальше разрушать жизнь в том виде, в каком мы ее знаем.
Поэтому неудивительно, что машинное обучение и программирование для всех (начало работы с python) были 4 и 3 самыми популярными курсами на coursera в 2020 году соответственно. Индекс PYPL оценивает Python как язык обучения, который чаще всего ищут в Google, и многие игроки занимаются наукой о данных / машинным обучением / искусственным интеллектом.
Так что если вы в настоящее время учитесь на специалиста по данным, вы находитесь в хорошей компании. Пирог большой, а возможности безграничны, но мы все хотим закончить обучение и испачкать руки, выполняя реальную работу и внедряя решения.
Я составил список эффективных способов быстро изучить и применить концепции, которые вы узнали из моего личного опыта, полученного в этой области за последний год. Независимо от того, изучаете ли вы структурированную степень, онлайн-курс МООК или занимаетесь самообучением через YouTube и книги, применение этих стратегий ускорит ваше обучение науке о данных, а также выделит вас среди других. И кто знает, возможно, вы даже заработаете на этом немного денег.
- Присоединяйтесь к сообществу
Местные сообщества и группы сыграли важную роль в моем путешествии по науке о данных. Meetup.com, группы в WhatsApp и Telegram - это платформы для взаимодействия с местными группами в вашем регионе и за его пределами. Быть частью сообщества полезно во многих отношениях. Члены организуют местные мероприятия и конкурсы, делятся различными возможностями, такими как работа, стипендии, тренинги и многое другое. Вы также можете задавать технические вопросы и быстро получать решения. Я также сталкивался с членами, которые формировали исследовательские группы и группы наставничества для создания продуктов, которые оказали влияние на людей и сообщество.
2. Волонтер
Уделять свое время очень полезно. Вы можете подать заявление в качестве помощника преподавателя или наставника в местный колледж. Существуют также такие веб-сайты, как omdena.com и datakind.org, которые привлекают добровольцев для решения реальных проблем. Другие возможности волонтерства - это возглавить группу местного сообщества, связавшись с организаторами и предложив свое время, или выделить несколько часов в неделю, чтобы ответить на вопросы начинающих специалистов по науке о данных на онлайн-форумах, таких как quora или stackoverflow.
3. В любом случае подайте заявку на эту вакансию
Вряд ли наступит время, когда вы почувствуете полную уверенность в своих навыках в первый год обучения науке о данных, а для некоторых людей - даже через несколько лет. Но это помогает узнать, чего отрасль ожидает от вас, и наоборот. . Поэтому я рекомендую вам время от времени подавать заявки на эти младшие должности и даже посещать собеседования, если вас пригласят. Это также возможность пообщаться и выделиться среди потенциальных будущих работодателей. Linkedin.com - отличное место для поиска работы. Убедитесь, что ваш профиль обновлен и выделяется. Посмотрите это видео о том, как улучшить свой профиль в linkedin. Он предназначен для писателей, но может применяться ко всем.
4. Соревнуйтесь в испытаниях
Многие практикующие специалисты по анализу данных считают kaggle.com отличным разработчиком опыта. Вы можете найти задачи от начального до продвинутого. Их курсы также рассчитаны на новичков и в кратчайшие сроки позволят вам участвовать в соревнованиях. Вы также увидите, как разные люди подходят к одинаковым проблемам. Я бы посоветовал вам также поделиться своими ядрами и получить отзывы о своем решении от других конкурентов. Zindi.com - еще одна отличная платформа для соревнований по науке о данных и машинному обучению в Африке, где ваши шансы на выигрыш выше.
5. Делитесь тем, что вы изучаете
«Если вы хотите чему-то научиться, прочтите об этом. Если хотите что-то понять, напишите об этом. Если хочешь овладеть чем-то, научи этому ». Йоги Бхаджан
Ведя блог на medium.com или ведя видеоблог на youtube.com, вы можете своими словами поделиться с аудиторией тем, что вы узнали, и, следовательно, узнать больше и сохранить это. Вы действительно можете заработать немного денег на двух веб-сайтах, которые я упомянул выше, но есть также много других мест, где можно задокументировать свой технический опыт, например, dev.to, quora.com и многие другие.
6. Загрузите свои записные книжки на github
Это больше для вас, чем для публики. В процессе обучения вы наверняка изучите множество блокнотов jupyter. Я советую загружать все эти записные книжки в свою учетную запись github. Вы не только увеличиваете свое портфолио, но и берете на себя ответственность за все те большие и маленькие проекты, которые вы начинаете завершать. Вы также привыкнете хорошо организовывать свой код и уценки для представления не только вам, но и аудитории.
7. Следите за экспертами отрасли в социальных сетях
Я обнаружил, что отраслевые эксперты в этой области очень щедры на информацию и даже на свое время. Twitter, LinkedIn и YouTube - отличные платформы для установления связи с отраслевыми влиятельными лицами. Вы можете задавать вопросы или спрашивать совета, а некоторые даже организуют сеансы в прямом эфире и вебинары, чтобы общаться со своими подписчиками.
8. Будьте в курсе новостей и тенденций отрасли
Машинное обучение и ИИ - это постоянно развивающаяся область. Технологии разрабатываются ежедневно, а статьи публикуются постоянно. Важно сохранять мотивацию, зная, чего вы можете достичь с помощью приобретенных знаний. Некоторые из этих технологий даже не требуют много программирования, и вы можете создать полезный продукт даже в качестве новичка. Вы можете подписаться на информационные бюллетени, например, из списка этот. Я обнаружил, что YouTube является отличным ресурсом для последних новостей об искусственном интеллекте, просто набрав ai news в строке поиска, и отобразится свежий контент.
Наконец, помните, что вам нужно потратить время. Практикуйтесь в программировании каждый день, выделяя время на общение и отслеживание текущих тенденций.
«Успех связан с осознанной практикой. Практика должна быть целенаправленной, целеустремленной и в среде, где есть обратная связь ». Малькольм Гладуэлл
Используйте эти стратегии, чтобы быстрее пройти начальный процесс обучения, чтобы вы могли потратить свое время на создание реальных решений, которые окажут влияние на общество.
