Nutzung jeder Datenwissenschaftler heute beginnen

5 freie Ressourcen, mit deren Nutzung jeder Datenwissenschaftler heute beginnen sollte

Eine Zusammenstellung kostenloser Ressourcen zum Ausbau Ihrer Karriere in den Datenwissenschaften/Technik

Vor vier Jahren war ich frischgebackener Hochschulabsolvent und begann meine Karriere bei einem IoT-Startup mit vier Mitarbeitern. Eine meiner ersten Aufgaben bestand darin, eine Lösung für einen KI-basierten digitalen Assistenten für militärische Umgebungen zu erforschen und vorzuschlagen. Obwohl ich am College Ingenieurwesen studiert und in einem Labor zur Unterstützung der Forschung im Bereich des maschinellen Lernens gearbeitet habe, war es eine gewaltige Aufgabe, ein riesiges Projekt zur Verarbeitung bei Bitcoin Up natürlicher Sprache ohne einen erfahrenen Datenwissenschaftler/Ingenieur im Haus durchzuführen. Ich musste unweigerlich auf Online-Ressourcen zurückgreifen, um die Lücken zu füllen und Mentoren außerhalb der Organisation zu finden, die mir sowohl bei der Orientierung als auch bei der persönlichen Weiterentwicklung behilflich waren.

Im Schnelldurchlauf arbeite ich nun an der Dateninfrastruktur für unsere IoT-Plattform und schule Fullstack-Ingenieure und Produktmanager im Unternehmen in Datenwissenschaften, um unsere massiven IoT-Daten zu analysieren. Dieser Artikel ist eine Zusammenstellung aller Ressourcen, die ich verwendet habe, und der Tipps, die ich über die Jahre meiner eigenen Karriere in der Datenwissenschaft/im Ingenieurwesen gelernt habe. Ob Sie nun ein Ingenieur sind, der in der Datenindustrie Fuß fassen möchte, oder ein frischgebackener Absolvent, der sich auf seine neue Rolle vorbereitet, ich hoffe, Sie finden meine Tipps nützlich.

Bevor ich mich in beliebte MOOCs stürzte oder empfohlene Bücher bei Amazon kaufte, abonnierte ich zunächst verschiedene Newsletter über Datenwissenschaft und Datentechnik. Zuerst las ich jeden einzelnen Artikel und machte mir Notizen, aber mit der Zeit lernte ich, die wichtigen Links in mehreren Newslettern zu erkennen und mich auf einige wenige zu konzentrieren. Newsletter sind hervorragend geeignet, um über neue Tools, akademische Forschung und beliebte Blog-Einträge großer Internet-Giganten (z.B. Google, Netflix, Spotify, Airbnb, Uber usw.) auf dem Laufenden zu bleiben.

Erstellen Sie Ihren eigenen Datenlehrplan

Als nächstes müssen Sie je nach Schwerpunkt Ihren Lehrplan für Datenwissenschaft, Dateningenieur oder Datenanalytiker erstellen. Dies kann das Erlernen der Programmierung in Python oder R beinhalten, wenn Sie Ihre Karriere von einer nicht programmierenden Rolle wechseln. Wenn das Budget keine Rolle spielt, kann die Teilnahme an einem Bootcamp oder an Kursen von Udacity und Dataquest eine großartige Option sein, um eine Online-Mentorenschaft von Branchenexperten zu erhalten. Wenn Sie jedoch preisbewusst sind, wie ich es war, können Sie sich für Open-Source-Leitfäden entscheiden, um einen kostenlosen Lehrplan zu erstellen:

  • Open-Source-Gesellschaft Universität Datenwissenschaft
  • Andrew Ng’s ML Coursera-Kurs in Python
  • Python Machine Learning Buch Github Ressourcen
  • Freie Data-Engineering-Ressourcen des Hackernachmittags
  • David Venturis Master-Studiengang Freie Datenwissenschaft
  • Datenwissenschaft für Start-ups
  • Topbots Topbot’s AI-Forschungszusammenfassungen

Ein Vorbehalt an dieser Stelle ist, dass es nicht ausreicht, diese Kurse einfach nur zu belegen. Im Allgemeinen fand ich die meisten Kurse und Tutorials online, die sich entweder auf das Grundwissen (z.B. Mathematik, Statistik, Theorien) oder auf vereinfachte Anleitungen zur Erläuterung bei Bitcoin Up eines trivialen Beispiels konzentrieren. Dies trifft besonders auf große Datenmengen zu, da Tutorials dazu neigen, eine kleinere Teilmenge der Daten lokal laufen zu lassen, anstatt durch eine vollständige Produktionseinrichtung in der Cloud zu gehen.