Математика не требуется:

Как освоить ключевые навыки работы с данными без диплома инженера

В октябрьском выпуске журнала Harvard Business Review за 2012 год наука о данных названа одной из самых популярных новых областей 21 века. Если вам интересно прочитать эту статью, я уверен, что вы уже в курсе некоторых слухов, связанных с наукой о данных. Почему это? Прогрессивные инновации социальных сетей и Интернета вещей, в частности, привели к значительному увеличению доступности данных. В дополнение к этому возможности обработки и другие аппаратные функции также значительно улучшились с течением времени. Нетрудно представить себе мир, в котором овладение навыками работы с данными может стать негласным требованием для процветания в гиперконкурентном обществе.

Если широко распространенная информационная грамотность становится требованием современного общества, важно не только пропагандировать достоинства науки о данных, но и показать путь к доступному обучению, которое учитывает людей из всех областей (а не только математики, инженерии и естественных наук). майоры).

В этой статье я проведу вас через план ресурсов, который поможет вам быстро усвоить элементарные принципы науки о данных, не увязая в запутанных математических уравнениях. При этом базовые знания основных математических принципов (особенно в области вероятностей и статистики) значительно помогут быстрее связать эти интуитивные ассоциации и, следовательно, быстрее овладеть ключевыми навыками обработки данных.

Схема организована следующим образом:
1) Master Python
2) Master SQL
3) Master Tableau
4 ) Мастер Кафка

Не стесняйтесь сохранять это руководство и обращаться к нему по мере необходимости, я организовал каждый раздел на три уровня обучения: начинающий, средний и продвинутый. Поэтому в рамках тем курсов я бы посоветовал вам проходить курсы в прогрессивном порядке, то есть от новичка к продвинутому. Однако то, что по своей сути не упорядочено, — это последовательность, в которой вы можете начать изучать эти навыки. Многие люди начинают с Python, и это нормально. Но вы могли бы так же легко начать с трека Apache Kafka, особенно если вас больше интересует аспект обработки данных рабочего процесса, чем части анализа и визуализации данных. Кроме того, если вы видите себя больше в роли аналитика данных, а не специалистов по данным или инженеров данных, то я определенно начну с темы SQL и продолжу развивать свой набор навыков оттуда.

1) Мастер Python

Новичок

а. (Анжела Ю) 100 дней кода: полный курс Python Pro Bootcamp на 2022 год

б. (Хосе Портилья) Полный учебный курс машинного обучения 2022 года от нуля до героя на Python

Средний

а. (Ражив Ратан) Data Science & Deep Learning for Business 20 Case Studies

б. (Соледад Галли) Разработка функций для машинного обучения

в. (Соледад Галли) Выбор функций для машинного обучения

д. (Сэмюэл Хинтон) Управление данными в Python: ускоренный курс Pandas

Передовой

а. (Галли и Самиулла) Развертывание моделей машинного обучения

б. (Самиулла и Галли) Тестирование и мониторинг развертывания моделей машинного обучения

2) Мастер SQL

Новичок

a) (Хосе Портилья) The Complete SQL Bootcamp 2022: Go from Zero to Hero

б) (Maven Analytics) SQL для анализа данных: MySQL Business Intelligence для начинающих

Средний

а) (Имтиаз Ахмад) Мастер SQL для науки о данных

Передовой

a) (Maven Analytics) Расширенный SQL: анализ данных MySQL и бизнес-аналитика

б) (365 профессий) Python + SQL + Tableau: интеграция Python, SQL и Tableau

3) Мастер-табло

Новичок

а) (Кирилл Еременко) Tableau 2020 A-Z: Практические занятия по Tableau для науки о данных

Средний

a) (Филипп Бертон) Tableau Data Analyst/Specialist Desktop Certification

Передовой

а) (Кирилл Еременко) Tableau 20 Advanced Training: Master Training in Data Science

4) Мастер Апач Кафка

Новичок

a) (Стефан Маарек) Серия Apache Kafka — Изучите Apache Kafka для начинающих v2

Средний

а) (Стефан Маарек) Apache Kafka Series — Kafka Connect Практическое обучение»

b) (Стефан Маарек) Серия Apache Kafka — Kafka Streams for Data Processing

c) (Стефан Маарек и Саймон Обери) Серия Apache Kafka — KSQL на ksqlDB для потоковой обработки

d) (Стефан Маарек) Серия Apache Kafka — Confluent Schema Registry & REST Proxy

Передовой

а) (Стефан Маарек и Герд Кениг) Серия Apache Kafka — Безопасность Kafka | SSL SASL Kerberos ACL

b) (Стефан Маарек) Серия Apache Kafka — Настройка и администрирование кластера Kafka

c) (Стефан Маарек) Apache Kafka Series — Kafka Monitoring & Operations

Давайте подведем итоги

Приобретение навыков работы с данными становится все более актуальным в нашем гиперколичественном отслеживании и мониторинге общества. Приобретение, усердие, постоянная практика и применение этих навыков являются важной темой для обсуждения среди профессионалов, которые либо стремятся сменить карьеру, либо хотят дополнить свою существующую область новыми инструментами и методами.

Знание того, где найти доступные учебные программы по науке о данных, имеет первостепенное значение, если вы хотите сохранить актуальность в этом обществе, в котором очень важны показатели.

Это руководство предоставляет такую ​​информацию. Он предлагает доступные онлайн-курсы по науке о данных, которые помогут вам быстро освоить основы анализа данных, визуализации и проектирования. Обратите внимание, что простое посещение курсов не сделает вас экспертом. На самом деле область науки о данных настолько динамична, что на протяжении всей своей карьеры вы будете неоднократно сталкиваться с привычным для новичка опытом. Тем не менее, постоянные исследования, эксперименты и применение приобретенных методов помогут развить мышечную память для этих навыков и будут способствовать овладению навыками Data Science.

Спасибо, что прочитали, и помните: «Никогда не говори себе «нет».

Благословенная Любимая Семья!