Nilalaman
- Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
- Konklusyon
Pinagmulan: Bplanet / iStockphoto
Takeaway:
Ang agham ng data ay isa sa pinakamainit na larangan sa tech, ngunit paano ka makakapasok sa bukid? Narito ang ilang mga pangunahing kaalaman na maaari mong malaman sa iyong sarili.
Kasama sa post ang mga link na kaakibat
Ang agham ng data ay isang kumplikadong disiplina na nagpapakilala ng mga makabuluhang impormasyon na nakuha mula sa napakalaki na halaga ng nakabalangkas at hindi naka-istrukturang data. Marahil ang pinakamahirap na bahagi ng larangan ng kaalaman na ito ay malaman kung paano maiintindihan ang lahat ng data na ito, at ibahin ang anyo ng napakalawak na halaga ng nakakalat na impormasyon sa makabuluhan, maaaring kumilos na mga pananaw. Ang isang karampatang analyst ng data ay nakakaalam kung paano makita ang mga pattern na nagbibigay-daan sa mga organisasyon upang lumikha ng mga epektibong diskarte, makahanap ng mga bagong pagkakataon, at mapahusay ang kanilang mga pagsusumikap sa pagmemerkado.
Ang isang trabaho sa agham ng data ay isa sa mga pinaka-mahusay na bayad na magagamit, at ang mga siyentipiko ng data ay palaging hinahangad ng kahit na ang pinakamalaking kumpanya. Posible ba na turuan ang iyong sarili ng data sa agham? Maaari ka bang pumunta mula sa mga pangunahing kasanayan sa IT upang maging isang master analyst? Ang sagot ay oo, sa kondisyon na pipiliin mo ang mga tamang kurso at dalhin ang mga ito sa angkop na pagsusumikap. Narito ipapakita namin sa iyo ang isang pag-ikot ng mga pinakamahalagang konsepto ng agham ng data na dapat mong malaman upang maging isang scientist na data na itinuro sa sarili, na kung saan maaari kang malaman mula sa ginhawa ng iyong sariling tahanan. Maaari mong gawin ang lahat ng mga kursong ito sa pamamagitan ng Coursera nang mas mababa sa $ 100 bawat isa. (Upang malaman ang higit pa tungkol sa kung ano ang ginagawa ng isang siyentipiko ng data, tingnan ang Papel ng Trabaho: Scientist ng Data.)
Plain at simple, una ang mga bagay. Hindi ka maaaring maging isang siyentipiko ng data maliban kung nauunawaan mo kung ano talaga ang agham ng data, at isang panimulang kurso na nagbibigay sa iyo ng isang pangkalahatang-ideya ng disiplina na ito ang unang hakbang na dapat mong gawin. Kasama sa mga pangunahing konsepto kung bakit at kung paano napakahalaga ng agham ng data para sa negosyo at kung paano ito mailalapat. Dapat mong maunawaan kung ano ang pagsusuri ng regresyon, at kung paano gumagana ang proseso ng pagmimina ng isang set ng data, pati na rin kung anong mga tool at algorithm na gagamitin mo sa pang-araw-araw na batayan upang makabisado ang disiplina na ito.
Ang pinakamahusay na mga kurso ay ang mga na nakatuon din sa pamamaraan, kaya maaari mong matiyak na ang data na iyong makokolekta ay ginagamit para sa paglutas ng problema sa kamay sa isang may-katuturang paraan. Ang mga pangunahing kaalaman ay dapat na isama ang pag-unawa kung paano maayos na manipulahin ito upang malutas ang mga pinaka-karaniwang isyu, at kung paano maiintindihan ang puna pagkatapos mabuo at itaguyod ang isang modelo.
Ang isang panimulang kurso na nagtuturo sa iyo ng mga istatistika sa pamamagitan ng aplikasyon ay ang pinakamahusay na lugar upang simulan ang pag-aaral ng agham ng data, at ang programming ng Python ay kumakatawan sa pinaka pangunahing kasanayan na kinakailangan upang maunawaan ang larangang ito. Bago magtrabaho sa data, kailangan mong maunawaan kung paano i-extract ito sa rawest form nito, at ang Python ay kumakatawan sa pinaka pangunahing instrumento para sa pagmamanipula at pinino ito.
Ang mga unang kurso na kailangan mong gawin ay dapat magturo sa iyo ng mga pangunahing kaalaman sa kapaligiran ng programming Python na kailangan upang magkaroon ng kahulugan sa mga file na CSV at upang mahanap ang iyong paraan sa pamamagitan ng mga kumplikadong istruktura ng data. Kasama sa mga pangunahing konsepto ang pag-unawa sa mga pagsubok na t-test, sampling at pamamahagi, kung paano mag-query ng isang istraktura ng Pandas DataFrame, at kung paano i-extract, malinis at magproseso ng mga tabular data.
Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
Hindi mo mapagbuti ang iyong mga kasanayan sa pagprograma kapag walang nagmamalasakit sa kalidad ng software.
Ang karamihan ng data ay mined mula sa mga database, at hindi bababa sa isang bahagi nito ay umiiral sa isang nakaayos na form. Ang SQL ay nangangahulugang "Structured Query Language" at ito ang pinakamalakas na wika na "magsalita" sa mga database upang maunawaan ang mga ito, galugarin ang bawat nook at cranny, at kunin ang lahat ng mga makabuluhang data na kailangan mo para sa problema sa kamay. Alam kung paano magtrabaho kasama ang SQL, lumikha ng mga institusyon ng database sa ulap, magpatakbo ng mga query sa SQL, at ma-access ang mga database at mga set ng data ng real-world mula sa mga notebook ng Jupyter ay isang dapat na pag-set ng kasanayan para sa anumang scientist ng data.
Ang ilang antas ng kaalaman sa mga istatistika ay isang pangangailangan sa agham ng data. Bagaman ang istatistika ay isang talagang malawak na larangan, ang isang data analyst ay nangangailangan ng isang hindi bababa sa ilang mga konsepto sa istatistika at teorya ng probabilidad upang magbigay ng praktikal na pananaw sa mga negosyo at organisasyon. (Para sa higit pa sa agham ng data, tingnan ang 12 Mga Mahalagang Tip para sa Pag-aaral ng Agham ng Data.
Kailangan mong pagsamahin ang teorya sa pagsasanay sa pamamagitan ng pag-aaral ng mga pangunahing konsepto tulad ng pamamahagi, pagsubok at pag-iipon ng hypothesis, pati na rin ang pangunahing teorya ng probinsya ng Bayesian. Karamihan sa mga module ng pag-aaral ng machine ay, sa katunayan, na binuo sa mga modelo ng posibilidad ng Bayesian. Ang diskarte sa Bayesian ay isang madaling maunawaan na lumilipat mula sa posibilidad sa pagsusuri ng data at nagbibigay-daan para sa mas mahusay na accounting ng kawalan ng katiyakan pati na rin ang pagbibigay ng mga maaaring kumilos na mga pahayag ng mga pagpapalagay na maaaring magamit sa pagsasanay.
Upang makabisado ang agham ng data kailangan mong malaman kung paano malutas ang iba't ibang mga problema sa computational sa mga pamamaraan ng algorithm. Ang mga algorithm ay ginagamit upang manipulahin ang data sa pamamagitan ng mahusay na mga istruktura ng data. Kailangan mong malaman kung paano ipatupad ang mga istrukturang ito sa iba't ibang mga wika ng programming, kung ano ang aasahan mula sa kanila, at kung paano masira ang mga malalaking problema sa mas maraming mga butil. Maraming mga diskarte na dapat matutunan upang mag-disenyo ng isang mahusay na algorithm, tulad ng kung paano mapanatili ang balanse ng isang punungkahoy na puno, kung paano baguhin ang laki ng isang dynamic na hanay, at kung paano malutas ang mga problema nang maingat.
Ang pag-aaral ng makina ay ang agham na nagpapahintulot sa mga computer na kumilos sa labas ng mga hangganan ng mga script na kanilang na-program upang patakbuhin. Ito ay isang malawak na agham na maraming aplikasyon sa totoong mundo, at ang pagmimina ng data ay isa sa kanila. Ngunit upang lapitan ang pag-aaral ng makina kailangan mong magkaroon ng lahat ng mga kasanayan na nabanggit sa itaas. Kailangang mai-program ang mga algorithm sa pag-aaral ng machine kasama ang Python, at ang mga diskarte sa istatistika ay ang pinaka-epektibong mga "magturo" ng isang makina kung paano maging mas matalinong.
Ang buong larangan ng pag-aaral ng makina ay lubos na malawak, at may kasamang iba't ibang mga subtopika tulad ng pinangangasiwaan at hindi sinusuportahan na pag-aaral, pagsusuri ng modelo at malalim na pagkatuto. Bagaman hindi mo kinakailangang sumisid sa lalim ng pag-aaral kung paano i-program ang pinaka advanced na mga network ng neural, mas alam mo ang tungkol sa maraming mga aplikasyon ng pag-aaral ng makina sa agham ng data, mas mahusay.
Konklusyon
Hindi mahalaga kung ikaw ay isang mag-aaral sa unibersidad na naghahanap ng mga bagong paraan upang mapalawak ang iyong mga abot-tanaw, o isang propesyonal na nais na mapahusay ang kanyang resume. Ang pag-aaral ng mga mahahalagang konsepto ng agham na data na ito ay kailangan mo lamang upang bigyan ang iyong sarili ng isang mapagkumpitensya na kalamangan sa industriya.