Hacks 6 kuuga parimaks andmeteadlaseks saamiseks - 1. osa: teekaart

Data Scientist on hinnanud 2017. aasta parimaks töökohaks Ameerikas, keskmise põhipalgaga 110 000 dollarit (Allikas: Glassdoor). Karjääris on andmeteadlane, andmeinsener, andmeanalüütik, statistik, andmehaldur, andmearhitekt, ärianalüütik.

Miks just andmeteadlane? Ökonomistina, kellel on Belgradi ülikooli majandusteaduskonna bakalaureusekraad (rahandus, pangandus ja kindlustus) ja Ivey ärikooli MBA (juhtprojekt), ei tahtnud ma oma õpinguaastaid ära visata, et saada “ kursuse programmeerija ”.

Kuna olen kaks aastat oma startupi Petrucci Elegance ja ka noorte ettevõtlusfoorumil turundusjuht, tean, et ma ei ole sündinud pangas töötamiseks.

Käin igal Belgradi kohtumisel ICT Hubi, Start and Impact Hubi juures (teemad digitaalturundusest, ettevõtlusest, IT-st, infoteadusest, AI-st). Samuti olen inimene, kes õpib iga päev uusi asju, ei anna kunagi alla ja tal on suur nälg teadmiste järele.

Lugesin ühe minuti jooksul 1500 sõna ja 2017. aastal lugesin 50 raamatut. Kas teadsite, et keskmine inimene luges ühe minuti jooksul 400 sõna ja luges terve elu umbes 50 raamatut?

Belgradi tehnika- ja startup-kogukond on nii tugev ja suur ning ma armastan seda väga. Olin alati teistest erinev, nii et see kogukond on minu jaoks vinge koht. Tahtsin saada osa IT-sektorist ega teadnud, kust alustada ja mis on minu jaoks karjääritee. Nii saab andmeteadusest minu jaoks täiuslik karjääritee.

Data Science'is on umbes 215 000 avatud töökohta (allikas: Tõepoolest.com).

USA-s (Linkedin) on praegu umbes 31 000 statistiku ametikoha avanemist, pakkudes keskmist palka 77 000 dollarit (Glassdoor).

Küsisin sõbral Slavo ja juhendajalt nüüd, mida peaksin oma karjääri jooksul tegema. Ta tunneb mind väga hästi ja ütles, et olete sündinud andmeteadlase heaks. Niisiis võtsin vastu 6-kuulise väljakutse saada TOPi andmeteadlaseks.

Siin on minu teekaart jaanuarist augustini 2018. Minu mentor Slavo teeb selle minu jaoks ja ta toetab mind igapäevaselt.

JAANUAR

Iga päev KirillEremenko Super Data Science'i ja netisaadete vaatamine.
www.superdatascience.com

(Vaadatakse alates jaanuarist ja iga järgnev kuu)

www.superdatascience.com/podcast-marketing-research-to-data-science/

Nagu näete, on suurem osa minu kursustest Kirilli kursused ja ka Hadelin de Ponteves. Ma tõesti armastan nende viisi kõike selgitada ja siiani õppisid nad mind nende 2018. aasta 19 päeva jooksul palju.

1. Vaatasin Youtube'is neid videoid motivatsiooni ja inspiratsiooni saamiseks ning nägin, kas minu jaoks on DS:

https://www.superdatascience.com/podcast-marketing-research-to-data-science/
https://www.youtube.com/watch?v=rIofV14c0tc
https://www.youtube.com/watch?v=I7IW9Z3h20Y&t=1374s
https://www.youtube.com/watch?v=MOdlp1d0PNA&t=1064s

2. Pühapäev 6.1.2018. Vaatasin karjääriandmeid andmeteaduses A-Z ja kirjutasin kõik, mida ma ei teadnud ega mõistnud. Leidsin selle Google'ist ja järgmisel päeval hakkasin õppima. :)

Pidin seda sel päeval üleüldse vaatama. Kursus on vinge. Kirill Eremennko ja Hadelin de Ponteves oskasid keerulisi asju nii hõlpsalt lahti seletada.

3. Need kaks kursust peavad olema lõpetatud 25. jaanuariks (ja poisid, ma lõpetan need õigel ajal :))

4. Lugege iga päev neid kahte raamatut ja kasutage Pythonit. (Võite ka pdf-faili alla laadida ja seda lugeda)

5. 26. jaanuaril pean need kursused õppima jaanuari lõpuks.

6. Avage Git Hub jaanuari lõpuks ja laadige minu projektid üles Pythonis:

(minu jaoks oli see kursus liiga raske, ma ei saanud sellest aru. Kõigest jaanuarist olid Git ja Git Hub mulle nii rasked. Pidin õppima põhitõed ühe päevaga, selle asemel õppisin selle kolme päevaga. Ja nüüd on mul hea meel oma projekti Git Hubi üles laadida)

7. Avage minu Kaggle'i konto ja alustage Data Science'is võistlemist.

https://www.kaggle.com/

8. Õppige Tableau põhitõdesid ja treenige tegelikel andmetel kolm päeva nädalas.

Ma tõesti armastan Tableau'd ja otsustasin seda iga päev kasutada. Ma lugesin kuskilt, kui töötate iga päev millegi kallal ainult 1 tund, siis saate kahe aasta jooksul selles valdkonnas kapteniks. Kas pole nii vinge?

VEEBRUAR

1. Õppige Python A-Z: Python andmete saamiseks reaalainete harjutustega !:

2. Õppige täpsemat tabelit:

Otsustasin iga päev Tableau'ga 1 tunni jooksul trenni teha, nagu ma varem ütlesin. Nii et ostsin kõik kursused Kirill Eremenko ja Super Data Science'i käest. Tahan selle omandada, sest mulle väga meeldib Tableau ja andmed. Ka minu teaduskonnas on meil turundusuuringuid, kus kasutasime SPSS-i. Sain hinde ja mulle need andmed meeldivad. Nii et Tableau on tõesti fantastiline ja midagi sellist, mida näen end iga päev oma tulevases andmeside teadlasena töötades.

3. Avage minu Upwork profiil ja asuge tööle oma teadmiste andmebaasi jaoks

www.upwork.com

4. LINKEDIN-olek Andmeteaduse õppimine \ Masinõpe

MÄRTS-AUGUST **************************

Siiani oli kõik selleks valmis !:

1. Õppige neid kursusi iga päev:

2. Lugege neid raamatuid kui hädavajalikke, et saada parimaks andmeteadlaseks:

3. Valmistage ette intervjuudeks ja hakake kandideerima parimatele andmeteaduse töökohtadele

Lõpuks

Üks osa minu kuuest väljakutsest on ka iga nädal ajaveebide kirjutamine minu igapäevastest edusammudest Data Science'i teekaardil. Kirjutan iga nädal ühe ajaveebi, kuidas oli eelmine nädal. Kirjutan neist kursustest, oma võitlustest ja kõigest, mis on teekaardil, et saada tippteadlaseks. Nii tahan aidata teisi, kes soovivad saada andmeteadlaseks või ei tea, kuidas oma karjääriteed alustada. Kirjutan ausalt igapäevastest väljakutsetest, tööajast ja andmete õppimises uute asjade õppimisest. Samuti kirjutan seda selleks, et motiveerida ennast sellel teel püsima ja motiveerima teisi oma karjääri alustama andmeteaduses.

Nagu Kirill ütles: "Kohtume järgmine kord, kuni olete siis rõõmsalt analüüsinud!"

# 6kuune väljakutse #datascience #machinelearning #womenintech #deeplearning

Kasutasin Kirill Eremenko ja Super Data Science kursuste infograafikat.