Ищете мотивацию? Читайте и учитесь из их путешествий по науке о данных
Большинство из нас ищет вдохновения. Вдохновение очень помогает преодолевать самозваные барьеры. Вдохновляющие истории не только помогают повысить уверенность в себе, но и являются отличным источником мотивации. Это помогает многим людям достичь больших высот.
Многие люди обращаются ко мне за советом и поддержкой в изучении науки о данных. У многих из них даже есть много сомнений в себе, и они просят меня подтвердить, есть ли у них навыки для успеха в науке о данных. Я часто пытаюсь указать им на кого-то, от кого они могут черпать вдохновение. Я читал и слушал об успешном переходе многих людей в науку о данных. Я поделюсь некоторыми вдохновляющими историями людей, которые нашли свой путь в науку о данных.
Прежде чем углубляться в эти вдохновляющие истории. Позвольте мне объяснить ценные уроки, которые я извлек из этих вдохновляющих историй. В путешествиях этих людей было много общих черт. Позвольте мне изложить это так, чтобы было легко понять, и это может помочь вам начать ваше путешествие.
Готовность научиться программировать
Программирование - важный аспект карьеры в области науки о данных. Почти каждое действие, которое может выполнить специалист по данным, связано с кодированием. Прямо из сбора данных, исследовательского анализа и построения моделей.
В поисках вдохновляющих путешествий я сосредотачиваюсь на людях нетрадиционного происхождения. Люди, не связанные с технологиями. Люди с нулевым опытом программирования. Думаю, это вдохновляет их историю. Все, кто добился успеха в науке о данных, были готовы научиться программировать. Их не пугали записные книжки Kaggle, которые они не могли понять изначально. Все они понимали, что для получения знаний требуется время, и продолжали заниматься, пока не приобрели все необходимые знания.
Программирование - одно из самых больших препятствий для шоу. Именно этот навык многих разочаровывает. Это даже заставляет их отказаться от своей страсти к карьере в области науки о данных. Программировать не так уж и сложно. Тем не менее, приближение без надлежащего плана может пойти не так. Если вы ищете правильный способ научиться программировать для науки о данных, прочтите статью ниже.
Запись на курсы
Запись на курсы очень помогает. Он обеспечивает структурированный подход к изучению чего-то нового. Нет ни одного самого популярного курса. На самом деле, курсы, которые они прошли, не сильно пересекались.
Некоторые из них записались на онлайн-курсы для самостоятельного изучения. Многие выбрали курс, который нужно пройти в установленные сроки. Я предполагаю, что фиксированное время заставляет людей выходить за пределы своих возможностей.
Закон Паркинсона очень верен: «Работа расширяется, чтобы заполнить имеющееся время».
Также часто люди, проходящие курсы для самостоятельного изучения, не имеют достаточно времени, чтобы сосредоточиться на обучении. Поверьте, обучение - важный аспект карьеры в области науки о данных. Даже после того, как вы попали в науку о данных, важно продолжать учиться, чтобы оставаться актуальным.
Хотя курсы, которые проводил человек, отличались друг от друга. Путь, по которому они все начали изучать науку о данных, был более или менее похож. Их учебное путешествие в основном выглядело так:
- Обучение программированию (Python или R)
- Учимся проводить анализ данных
- Изучение других тем, таких как SQL, статистика и математика
- Алгоритмы обучения
Ключевые преимущества записи на курс - это структурированный подход и ощутимые преимущества. Структурированный подход помогает лучше управлять обучением и отслеживать его. Сертификаты помогают многим в поиске работы, а также помогают многим в получении повышения заработной платы. Если вы с нетерпением ждете плана по изучению науки о данных, посмотрите видео ниже.
Ниже приведены некоторые популярные ресурсы, чтобы начать изучение науки о данных. Нет хорошего или плохого варианта. Все зависит от того, какой из них лучше всего подходит для вас.
- Python / R - Codecademy, HackerRank и datacamp
- SQL - Режим и LearnSQL
- Статистика - Академия Хана
- Математика - Математика для специализации Data Science НИУ ВШЭ.
- Анализ данных - Анализ данных с помощью Python
- Машинное обучение - Курс машинного обучения Эндрю Н.Г., Прикладная наука о данных Мичиганского университета и IBM Data Science
Установка на рост
У всех из моего списка вдохновляющих людей была личность, которая придерживается установки на рост. Установка на рост - это больше верить в себя и свои способности. Люди с установкой на данность склонны полагать, что определенные навыки являются врожденными. Они считают, что эти навыки невозможно приобрести. Установка на рост - полная противоположность. Речь идет о вере в себя, что всему можно научиться.
Установка на рост играет важную роль в науке о данных. Есть много тем, которые нужно изучить, и это может быть ошеломляющим. Вместо этого я не могу выучить математику, я не могу быть хорошим программистом, я никогда не могу понять статистику. Люди с установкой на рост, как правило, остаются позитивными и продолжают попытки. Кто-то может быстро научиться, кому-то может потребоваться больше времени. Быть медленным учеником - это нормально. Каждый, кто проявляет стойкость и настойчивость, в конце концов достигнет своей цели.
Многие из этих людей, которые наконец-то добились успеха в науке о данных, вначале столкнулись с неудачами. Многие из них прошли неудачные собеседования. Многие из них сталкивались с проблемами при изучении науки о данных. Было бы легче сдаться, но никто из них не сдавался. Они извлекли уроки из своих неудач и продолжили двигаться вперед.
Сети
Нетворкинг играет очень важную роль в поиске подходящей работы. Большинство из этих людей были открыты для нетворкинга. Большинство из них искали возможности для расширения своей профессиональной сети. Мало что помогло в расширении их профессиональной сети:
- Посещение местных встреч
- Посещение мероприятий по науке о данных
- Отправка сообщений и запросов на подключение незнакомым людям в LinkedIn
- Волонтерство в таких организациях, как DataKind
Получить первую работу в области науки о данных может быть очень сложно. Есть много людей, которые пытаются совершить прорыв в науке о данных. На Kaggle 5 миллионов зарегистрированных пользователей. На курс машинного обучения Эндрю Н.Г. записано более 5 миллионов человек. Чтобы выделиться среди остальных, нужно приложить усилия. Хорошая профессиональная сеть очень помогает.
Еще одна убедительная причина работать над созданием вашей профессиональной сети - это помощь в поиске работы. Многие организации предпочитают набирать людей через программы направления сотрудников. Наличие хорошей профессиональной сети откроет вам больше возможностей для трудоустройства.
Вдохновляющее путешествие 5 человек в науку о данных
Ниже представлен путь пяти человек в науку о данных. Я нашел их очень вдохновляющими. Если вы ищете вдохновения, чтобы начать работу в области науки о данных. Ниже приведены истории людей, не имеющих опыта программирования, которые попали в науку о данных. Надеюсь, это даст вам мотивацию начать свое путешествие в науку о данных.
Путешествие Кейт в науку о данных после получения докторской степени. в неврологии
- Кейт доктор философии. в области нейробиологии предоставил доступ к некоторым техническим аспектам
- Ей не хватало практического опыта в науке о данных.
- Когда она начинала, у нее не было никаких навыков программирования.
- Она впервые начала учиться программировать с помощью CodeAcademy.
- Она продолжала изучать продвинутые темы на онлайн-курсах.
- Ей потребовалось 4 разных курса, чтобы изучить концепции и найти работу.
- Встречи с людьми со схожим опытом, которые пробились в науку о данных, помогли ей лучше понять свои сильные и слабые стороны.
- Вот полная история Кейт
Путь Келли к работе в области обработки данных своей мечты
- Келли имеет степень бакалавра экономики. Она переехала в США, чтобы получить степень магистра делового администрирования.
- После неудовлетворительной работы она подала заявку на участие в иммерсивной программе Galvanize data science - конкурсном курсе по науке о данных.
- После четырехкратного отказа в программе Galvanize Data Science она наконец-то была выбрана в 5-й раз.
- Ей потребовалось 475 заявлений о приеме на работу и 6 месяцев, чтобы получить работу своей мечты. Из этого путешествия определенно можно многому научиться.
- Основываясь на своем опыте, она предлагает самоанализ после каждого собеседования, чтобы понять, что работает, а что нужно улучшить.
- Она говорит, что чтение технических блогов помогло ей в интервью.
- Вот полная история Келли,
Путь Сариты от химической инженерии к специалисту по анализу данных
- Сарита имеет докторскую степень. в химической инженерии, а затем перешел в науку о данных
- Ее страсть к науке о данных заставила ее перезапустить карьеру и начать с нуля.
- По окончании 12-недельного курса по обработке и анализу данных она начала работать в качестве стажера, а затем получила постоянную должность в той же компании.
- Сарита говорит, что ее навыки SQL и Python очень помогают ей в работе.
- Вот полная история Сариты:
Путешествие влиятельного лица LinkedIn Ника Райана в науку о данных
- От желания играть в баскетбол до статистики - это действительно мотивирующее путешествие, к которому многие могут относиться.
- Ник потратил 2 часа в пути на изучение программирования, статистики и машинного обучения.
- Ник предлагает всем, кто изучает науку о данных, сначала сосредоточиться на основах, прежде чем переходить к алгоритмам.
- Некоторые из интересных советов касались важности сохранения мотивации к изучению науки о данных и того, как сети помогают получить работу в области науки о данных.
- Ник также рассказывает о преимуществах построения профессиональной сети.
- Вот полное путешествие ниже
Путешествие Рутгера Руизендаала в науку о данных во время прохождения магистерской программы, не связанной с наукой о данных
- Поиск магистерской диссертации фактически привел его к науке о данных.
- Тезис Рутгера касался стратегии социальных сетей для музыкальной индустрии, что привело его к анализу настроений в Twitter с использованием R
- Рутгер решил использовать науку о данных для своей диссертации, которая помогла ему изучить науку о данных и завершить диссертацию.
- Затем он перешел на дополнительные курсы по Python, SQL, Tableau и машинному обучению.
- Из пути Рутгера ясно одно: он не торопился изучать алгоритмы. Вместо этого он сначала сосредоточился на основах.
- Затем устроился на работу в области науки о данных сразу после получения степени магистра в области коммуникаций.
- Рутгер в своем образовательном путешествии прошел около 20+ курсов, связанных с наукой о данных.
- Ссылка на полную историю ниже
Советы, чтобы начать свой путь в науку о данных
- Важно иметь цель и составить план ее достижения. Ваша страсть к науке о данных может поднять вас только до определенного уровня. Для достижения вашей цели необходимо правильное планирование и отслеживание.
- Найдите время, чтобы выбрать подходящий ресурс для изучения науки о данных. В Интернете есть много ресурсов для изучения науки о данных. Но вам нужно выбрать те, которые соответствуют вашим потребностям.
- Было бы здорово встретить людей в области науки о данных с таким же опытом, как ваш. Разговор с ними помогает понять фактические области, на которых нужно сосредоточиться. Например, людям с исследовательским опытом может потребоваться минимальная поддержка в обучении статистике. Но им потребуется дополнительная поддержка, чтобы научиться программировать и понять прикладную сторону науки о данных.
- Для людей, не имеющих опыта в области науки о данных. Попробуйте найти возможности трудоустройства, где вы сможете применить свои текущие навыки. Например, люди с научным образованием могут искать работу в сфере здравоохранения. Наука о данных не зависит от отрасли или предметной области.
- Не подавайте заявку на работу своей мечты в первую очередь. Многие компании проводят период обдумывания перед повторным включением кандидата на собеседование. Дайте несколько интервью, и когда вы будете уверены, переходите к более крупным.
- Подпишитесь на популярные технические блоги, которые очень помогают в улучшении ваших знаний. Это также помогает лучше понять применение науки о данных.
- Найдите наставника или человека, к которому вы можете обратиться за советом и получить информацию. Наставник будет полезен в развитии вашей профессиональной сети. Наличие наставника для поддержки и руководства очень помогает в принятии правильного решения. Небольшие правильные решения на протяжении всей вашей карьеры будут иметь огромное сложное влияние.
- Не полагайтесь на курсы, на которые вы записались. Практическое воздействие не менее важно в науке о данных. Хороший способ повысить практическую отдачу - это обучение, выполняя проекты. Вот блог об изучении данных путем выполнения проектов.
- Найдите друзей по обучению. Это помогает в решении сложных проблем и подотчетности. Глубокое обсуждение технических вопросов с друзьями помогает лучше понять концепции.
- Научитесь писать и продвигать свою работу. Важно работать над своей выдачей в области науки о данных. Это очень поможет в открытии лучших возможностей.
Оставаться на связи
- Если вам понравилась эта статья и вас интересуют похожие, подписывайтесь на меня на Medium. Станьте средним участником, чтобы получить доступ к тысячам статей, касающихся карьеры, денег и многого другого.
- Я преподаю и рассказываю о различных темах в области науки о данных на моем канале YouTube. Подпишитесь на мой канал здесь.
- Подпишитесь на мой список рассылки здесь, чтобы получать больше советов по науке о данных и оставаться на связи с моей работой.
