Что такое # 66daysofdata?

# 66daysofdata - это инициатива, начатая Кеном Джи. Слоган

66 дн. 5 минут в день. Каждый день.

Изучая науку о данных, мы слишком поражены огромными и необычными вещами, которые она нам дает. Я почувствовал это сразу после того, как узнал о нескольких алгоритмах, глубоком обучении, MLops и многом другом. Уже больше года я начал изучать машинное обучение и так далее. Как говорится на сайте Кена Джи №66daysofdata:

Изучение науки о данных - это постоянство во времени. 66Days of Data - это формирование отличных привычек в области науки о данных в ежедневной практике и обмене своей работой.

Все, что нужно сделать, это регулярно изучать Data Science в течение 66 дней. Минимальные критерии должны составлять 5 минут в день и твитнуть в Twitter или LinkedIn о своем путешествии. Если вы хотите узнать об этом больше, посмотрите это:

Https://www.youtube.com/watch?v=qV_AlRwhI3I&t=3s

Почему я не могу быть последовательным, как другие?

Я запускал # 66daysofdata два раза, но не мог изучать его каждый день и применять. Я был обычным в течение максимум 11-15 дней, а потом уже не мог следить за этим. Когда я снова запускал # 66daysofdata в третий раз, я сел и осознал ошибки, которые делал первые два раза, и пришел к следующим вещам:

  1. Я не планировал того, чего хочу достичь за эти 66 дней.
  2. Я сразу перескакивал на разные темы вместо того, чтобы изучать предыдущие, и хорошо разбирался в основных концепциях.
  3. Очевидный: много откладывал.
  4. Я сосредоточился на слишком многих вещах одновременно - исследовательском анализе данных, глубоком обучении, исследовательской работе и т. Д. Слишком много было на столе.

Выброс адреналина

Пришло время выполнить задание и не откладывать на потом. Я составил список того, чего хочу достичь за эти 66 дней. Список снова казался слишком громоздким, и я был на грани того, чтобы снова сдаться. После того, как я завершил 15 дней, мой адреналиновый заряд, теперь я достиг стены 15 дней, и теперь это легко достижимо. Бывали дни, когда мне казалось, что я не хочу учиться, но мне каким-то образом удавалось что-то делать за 5 минут.

По прошествии 66 дней я был готов перейти ко 2-му раунду данных за 66 дней, а не просто сделать это! Мне потребовалось несколько дней, чтобы перерыв, и я начал с # 66daysofdata Round 2. Я сейчас нахожусь на втором раунде, и уровень адреналина уже высокий каждый день.

Взгляните на мое путешествие по раунду 1 # 66daysofdata:

Https://twitter.com/rohan_kumawat/status/1368633483870892032?s=20

Открытие и обзор

Вот список всего, чему я научился и еще раз пересмотрел:

  1. Соревнования Kaggle (серия табличных игровых площадок - март, апрель, май).
  2. Линейная и логистическая регрессия.
  3. Кодирование этикеток, одно горячее кодирование.
  4. К-Ближайшие соседи.
  5. Древо решений.
  6. Алгоритмы повышения.
  7. Оптимизация гиперпараметров.
  8. Методы перекрестной проверки.
  9. Уменьшение размерности.
  10. Искусственная нейронная сеть.
  11. Интеллектуальный анализ данных и хранилище данных.
  12. Соответствие изображений.
  13. Анализ главных компонентов.
  14. Автономные автомобили.

Мне не удалось успешно пройти соревнования Kaggle. Я делал заметки обо всех этих вещах и выстраивал свою концепцию. Этот раунд 1 не был идеальным, и если бы мне нужно было поставить свою оценку из 10, я бы поставил 3/10, но за ним следовало продолжить. Если бы я не был последовательным в течение 66 дней, то не думаю, что смог бы прояснить свои концепции на более концептуальном уровне.

Раунд 2 Adrenaline Kick

Я составил список того, чем я хочу заниматься во втором раунде, и одна из самых важных вещей, которые я хочу сделать, - это «Показать мою работу». Итак, на этот раз я буду вести блоги обо всем, что я узнал до сих пор, и о том, чему учусь сейчас. Я сейчас нахожусь в середине 2-го раунда, что гораздо интереснее, чем 1-й раунд. Я не ищу здесь совершенства, но продолжаю все 66 дней под девизом «Покажи мою работу».

Я призываю вас сделать это и присоединиться ко мне и другим людям, которые находятся в середине этого пути. Если вы начинаете или находитесь в середине своего пути в области науки о данных, напишите мне в Twitter или LinkedIn, чтобы узнать о своем специалисте по подотчетности.