Inhoud
- Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
- Gevolgtrekking
Bron: Bplanet / iStockphoto
Afhaal:
Data science is een van de populairste gebieden in de technologie, maar hoe kun je het veld ingaan? Hier zijn enkele basisprincipes die u zelf kunt leren.
De post bevat affiliatielinks
Data science is een complexe discipline die significante informatie identificeert uit gigantische hoeveelheden gestructureerde en ongestructureerde gegevens. Waarschijnlijk is het moeilijkste deel van dit kennisveld om te leren hoe al deze gegevens te begrijpen, en deze enorme hoeveelheid verspreide info om te zetten in zinvolle, bruikbare inzichten. Een competente data-analist weet die patronen te herkennen waarmee organisaties effectieve strategieën kunnen bedenken, nieuwe kansen kunnen vinden en hun marketinginspanningen kunnen verbeteren.
Een baan in de gegevenswetenschap is een van de best betaalde banen die er zijn, en zelfs door het grootste bedrijf zijn gegevenswetenschappers altijd in trek. Is het echt mogelijk om jezelf data science te leren? Kun je van eenvoudige IT-vaardigheden overgaan tot een meesteranalist? Het antwoord is ja, op voorwaarde dat u de juiste cursussen kiest en deze met de nodige zorgvuldigheid volgt. Hier presenteren we je een overzicht van de belangrijkste concepten voor gegevenswetenschap die je moet leren om een autodidactische gegevenswetenschapper te worden, die je allemaal vanuit je eigen huis kunt leren. Je kunt al deze cursussen via Coursera volgen voor minder dan $ 100 per stuk. (Zie Jobrol: gegevenswetenschapper voor meer informatie over wat een gegevenswetenschapper doet.)
Eenvoudig en simpel, eerst dingen eerst. Je kunt geen datawetenschapper worden tenzij je begrijpt wat datawetenschap eigenlijk is, en een inleidende cursus die je een overzicht geeft van deze discipline is de eerste stap die je moet zetten. Kernconcepten omvatten waarom en hoe data science zo belangrijk is voor het bedrijfsleven en hoe het kan worden toegepast. Je moet kunnen begrijpen wat regressieanalyse is en hoe het minen van een gegevensset werkt, en welke tools en algoritmen je dagelijks gaat gebruiken om deze discipline onder de knie te krijgen.
De beste cursussen zijn cursussen die zich ook richten op de methodologie, dus u kunt er zeker van zijn dat de gegevens die u verzamelt, op een relevante manier worden gebruikt voor hands-on probleemoplossing. De basisprincipes moeten inzicht omvatten hoe het op de juiste manier kan worden gemanipuleerd om de meest voorkomende problemen aan te pakken, en hoe de feedback kan worden begrepen nadat een model is gebouwd en geïmplementeerd.
Een inleidende cursus die u statistieken per toepassing leert, is de beste plaats om te beginnen met het leren van gegevenswetenschap, en Python-programmeren is de meest elementaire vaardigheid die vereist is om dit veld te begrijpen. Voordat u met gegevens werkt, moet u begrijpen hoe u deze in de ruwste vorm kunt extraheren, en Python is het meest elementaire instrument voor het manipuleren en verfijnen.
De eerste cursussen die u moet volgen, moeten u de basisprincipes van de Python-programmeeromgeving leren die nodig zijn om CSV-bestanden te begrijpen en uw weg te vinden door complexe datastructuren. Kernconcepten zijn het begrijpen van t-tests, bemonstering en distributies, het opvragen van een Pandas DataFrame-structuur en het extraheren, opschonen en verwerken van tabelgegevens.
Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
Je kunt je programmeervaardigheden niet verbeteren als niemand om softwarekwaliteit geeft.
Het overgrote deel van de gegevens wordt gewonnen uit databases en ten minste een deel ervan bestaat in een gestructureerde vorm. SQL staat voor 'Structured Query Language' en het is de krachtigste taal om met databases te 'spreken' om ze te begrijpen, alle hoeken en gaten te verkennen en alle betekenisvolle gegevens te extraheren die u nodig hebt voor het probleem dat voor u ligt. Weten hoe je met SQL werkt, database-instances in de cloud maakt, SQL-query's uitvoert en toegang krijgt tot databases en real-world gegevenssets van Jupyter-notebooks, is een must-have voor elke wetenschapper.
Enige mate van kennis in statistiek is een noodzaak in data science. Hoewel statistieken een heel breed veld zijn, vereist een data-analist op zijn minst enkele concepten in de statistiek en de waarschijnlijkheidstheorie om praktische inzichten te bieden aan bedrijven en organisaties. (Zie 12 belangrijke tips voor het leren van gegevenswetenschap voor meer informatie over gegevenswetenschap.)
Je moet theorie combineren met praktijk door kernconcepten te leren zoals distributie, hypothesetesten en regressie, evenals de fundamentele Bayesiaanse waarschijnlijkheidstheorie. De meeste machine learning-modules zijn in feite gebaseerd op Bayesiaanse waarschijnlijkheidsmodellen. De Bayesiaanse benadering is een intuïtieve benadering die van waarschijnlijkheid naar de analyse van gegevens gaat en zorgt voor een betere boekhouding van onzekerheid en biedt bruikbare verklaringen van veronderstellingen die in de praktijk kunnen worden gebruikt.
Om data science onder de knie te krijgen, moet je leren hoe je verschillende rekenproblemen met algoritmische technieken kunt oplossen. Algoritmen worden gebruikt om gegevens te manipuleren via efficiënte gegevensstructuren. Je moet leren hoe je deze structuren in verschillende programmeertalen kunt implementeren, wat je ervan kunt verwachten en hoe je grote problemen in meer korrelige stukken kunt splitsen. Er zijn veel strategieën die moeten worden geleerd om een efficiënt algoritme te ontwerpen, zoals hoe een binaire boom in balans te houden, hoe het formaat van een dynamische array te wijzigen en hoe recursief problemen kunnen worden opgelost.
Machine learning is de wetenschap waarmee computers kunnen handelen buiten de grenzen van de scripts waarvoor ze zijn geprogrammeerd. Het is een diepgaande wetenschap die veel toepassingen in de echte wereld heeft, en datamining is daar een van. Maar om machine learning te benaderen, moet je over alle bovengenoemde vaardigheden beschikken. Machine learning-algoritmen moeten worden geprogrammeerd met Python en statistische benaderingen zijn de meest effectieve om een machine te 'leren' slimmer te worden.
Het hele gebied van machine learning is enorm uitgebreid en omvat verschillende subonderwerpen, zoals begeleid en zonder toezicht leren, modelevaluatie en diep leren. Hoewel je niet noodzakelijkerwijs zo diep hoeft te duiken als het leren programmeren van de meest geavanceerde neurale netwerken, hoe beter je weet hoe veel toepassingen van machine learning in de gegevenswetenschap er zijn.
Gevolgtrekking
Het maakt niet uit of je een universiteitsstudent bent die op zoek is naar nieuwe manieren om je horizon te verbreden, of een professional die zijn of haar CV wil verbeteren. Het leren van deze belangrijke data science-concepten is alles wat u nodig hebt om uzelf een concurrentievoordeel in de branche te geven.