Создайте свой собственный учебный план по науке о данных
Как разработать индивидуальный путь обучения науке о данных
Поскольку область науки о данных выросла за последнее десятилетие, увеличилось количество онлайн-курсов, программ на получение степени и учебных курсов, которые обещают научить вас всему, что вам нужно знать, чтобы стать специалистом по данным. Хотя многие из этих курсов дадут вам прочную основу для основных принципов, они никоим образом не предназначены для вас.
При таком количестве учебных ресурсов, которые сейчас доступны для науки о данных, для многих людей создание собственной индивидуальной учебной программы может быть лучшим вариантом. Создавая индивидуальный путь обучения, вы узнаете только то, что вам нужно изучить, углубитесь в области, которые особенно подходят для ваших целей, и в большинстве случаев потратите намного меньше по сравнению с оплатой за программу обучения или Bootcamp.
В следующей статье я опишу, почему создание собственной учебной программы по науке о данных - хорошая идея, с чего начать и как сохранить мотивацию к продолжению обучения в отсутствие учителя или инструктора.
Решите, кем вы хотите быть
Наука о данных - это обширная область, и на самом деле существует много разных типов ролей, которые можно классифицировать под зонтиком науки о данных. Каждая из этих ролей будет отличаться необходимыми наборами навыков и, в частности, глубиной знаний, необходимых для определенных навыков.
Например, роль инженера по машинному обучению потребует глубоких знаний в области программирования и инженерии данных, поэтому в вашем учебном плане для этого типа должности основное внимание будет уделяться навыкам разработки программного обеспечения. В то время как специалисту по анализу данных, работающему над новыми алгоритмами и методами, потребуются более обширные знания математики и статистических концепций.
Поэтому очень важно заранее определить область науки о данных, которая вас больше всего интересует, а затем разработать свою учебную программу с учетом конкретных навыков, которые вам необходимо развить.
Что ты уже знаешь?
Поскольку наука о данных является относительно новой областью, многие люди, изучающие науку о данных, уже имеют навыки и опыт, которые они приобрели либо на предыдущей работе, либо в результате академических исследований. При разработке учебной программы важно учитывать уже имеющиеся у вас навыки, которые можно передать другим людям.
Если у вас уже есть докторская степень, например, по математическому предмету, то, возможно, у вас уже есть предварительные знания необходимых математических понятий. Поэтому ваша учебная программа может быть больше ориентирована на приобретение навыков разработки программного обеспечения. Однако если вы ранее работали инженером-программистом, что становится все более распространенным направлением в науку о данных, тогда ваше внимание может быть направлено на получение теоретических знаний в области математики и статистики, лежащих в основе алгоритмов машинного обучения.
Чему вам нужно научиться?
После того, как вы узнаете конкретную область науки о данных, которая вас больше всего интересует, и определили любые передаваемые навыки из предыдущих исследований или опыта работы, пора составить список навыков, которые вам необходимо изучить.
Для этого сначала изучите основные навыки, которые потребуются всем специалистам по данным вне зависимости от конкретной области. В наши дни это обычно Python, SQL, анализ данных, машинное и глубокое обучение, инженерия данных и, по крайней мере, базовое понимание математики и статистики, лежащих в основе машинного и глубокого обучения. Если у вас еще нет знаний или опыта в этих областях, добавьте их в свой список.
Затем вам нужно будет просмотреть несколько объявлений о вакансиях в интересующей вас области. Перечисленные требования для каждой работы дадут вам очень хорошее представление о том, в каких из этих областей вам нужно будет получить более глубокие знания. Затем вы можете добавить их в свой список.
Определите свой стиль обучения
Разные люди лучше всего учатся, используя разные стили. Некоторые люди лучше всего учатся с помощью визуальных и слуховых методов, таких как слайды и видео, некоторые предпочитают учиться в одиночку или в группах, в то время как другие более физически предпочитают обучение на практике.
В 1970-х годах Нил Флеминг, учитель из Новой Зеландии, создал модель стилей обучения VARK. Эта модель разделяет стили обучения на семь различных типов. Традиционные курсы предполагают, что каждый будет лучше всего учиться через конкретную используемую среду. Однако я считаю, что для того, чтобы по-настоящему изучить что-то с максимальной эффективностью, важно найти правильный материал, который наилучшим образом соответствует вашему индивидуальному стилю обучения. Чтобы получить представление о том, какой вы ученик, вы можете пройти эту викторину.
Существует широкий спектр различных учебных материалов для приобретения навыков, необходимых для карьеры в области науки о данных. Если вы практический ученик, вы можете попробовать курсы программирования в браузере, такие как Dataquest и codeacademy, или попробовать свои силы в соревнованиях kaggle. Если вы научитесь лучше с помощью лекций и видео, то на coursera есть хороший выбор курсов, в которых используется этот тип материала.
Отмечайте свои успехи
Наконец, после того, как вы определили навыки, которые вам необходимо изучить, и способы их освоения, вам необходимо выбрать метод, который будет использоваться для отслеживания вашего прогресса, чтобы вы могли отметить свои достижения.
Я рекомендую составить план обучения. Это не должно быть что-то особенное. Я использовал таблицу Google, чтобы отследить свою. Важно найти способ вести учет навыков, которые вы изучаете, и включить способ отмечать или вести счет того, как вы прогрессируете с этими навыками.
Изображение дорожной карты, которую я использовал для изучения науки о данных, показано ниже. Он состоит из длинного списка навыков в таблице Google с системой оценок. Раз в месяц я сравнивал себя с этим списком навыков и умений и сравнивал его с предыдущим месяцем.
Отслеживая свой прогресс и регулярно останавливаясь, чтобы отпраздновать свой успех, вы сохраните мотивацию продолжать следовать своей учебной программе.
Напомним, что для создания индивидуальной учебной программы для изучения науки о данных вам необходимо предпринять следующие шаги;
- Определите конкретную область науки о данных, которая вас больше всего интересует.
- Определите любые передаваемые навыки, которые у вас уже есть.
- Составьте список навыков, которые вам нужно изучить.
- Разберитесь в своем стиле обучения и найдите ресурсы, наиболее подходящие для него.
- Найдите способ отслеживать свой прогресс и регулярно отмечать свои успехи.
Список полностью бесплатных ресурсов для изучения науки о данных см. В моей предыдущей статье Как изучать науку о данных бесплатно.
Чтобы узнать, как ускорить процесс обучения, см. Самый быстрый способ изучить науку о данных.
Спасибо за прочтение!
