Семя было посажено еще в моей студенческой карьере в Техасском университете в Остине. То, что начинается здесь, меняет мир — это распространенная фраза, и я верю, что она исходит от таких феноменальных выпускников, как Майкл Делл (даже будучи выпускником колледжа, он считается выпускником UT!) и Мэтью МакКонахи, до обычных, не- такой обычный я в моем собственном пузыре и круге влияния.
То, что начинается здесь, меняет мир» — распространенная крылатая фраза, и я в нее верю…
Класс был визуализация данных. Это было просто и занудно, но концепция создания алгоритма, подачи данных и получения предиктивного результата на тарелке (в данном случае это был R или Tableau) была невероятно увлекательной для меня.
Я подумал:я могу предсказать лотерею, исход спортивной игры или акции с помощью статистической модели или математической формулы?
Это было явное упрощение, потому что это НАМНОГО больше, чем «подключи и пыхни», как говорят в математике.
Перенесемся к глобальной пандемии COVID-19. Да, я, вероятно, вызвал воспоминания, но эй, это общий опыт и веха для всех нас, жителей планеты Земля.
Как и все компании и организации, все выясняли, как перейти в эту новую нормальную и рабочую среду, пытаясь остаться на плаву. К счастью, в ИТ-индустрии уже привыкли работать из дома, культура и образ мышления на месте. В то время я подпитывал свой интерес такими курсами, как Машинное обучение от А до Я: Python и R в науке о данных от SuperDataScience от Udemy. Эти курсы — отличный, низкий барьер для входа, который знакомит вас с концепцией, инструментами и методами для наук о данных.
Мое любопытство в конце концов привело меня к Специализации машинного обучения Эндрю Нг на платформе обучения Coursera. Очень техничный с точки зрения теории, математики и разработки программного обеспечения, но он продолжает смирять меня и говорить: ВАУ, мне еще столькому нужно научиться!
В конце концов, я попал в Магистерскую программу прикладных наук о данных Мичиганского университета, где с 2021 года я являюсь зачисленным студентом. (Возможно, еще один отчет о моем времени и путешествии в программе)
Источник: https://thomaselove.github.io/2018-431-book/data-science.html
Выше приведены различные компоненты, которые входят в науку о данных. Вы действительно должны много знать, чтобы быть успешным в этой отрасли. Моя цель — задокументировать то, что я узнал из различных разделов диаграммы Венна. Надеюсь, вы сможете что-то извлечь из этого, а если нет, то есть кладезь информации на различных ресурсах, таких как KDnugget, Analytics Vidhya, Мастерство машинного обучения и На пути к науке о данных.
Вывод. Я просто царапаю поверхность. Я не буду утверждать, что являюсь экспертом в области Data Science, Machine Learning и AI. Цель этой статьи — сделать ставку на то, чтобы сказать: «Эй, я серьезно отношусь к этому делу», и я приглашаю вас, читатель, в это путешествие и, возможно, помочь мне на этом пути. Я намерен опубликовать больше информации о различных инструментах и методах, связанных с наукой о данных. Надеюсь увидеть тебя там!
