Советы по лучшему программированию

Новогодние постановления программистов на 2020 год

Повысьте свою карьеру в области программирования и науки о данных в этом десятилетии

Data Science в 2020 году

Мы только начали новый год и новое десятилетие, полное возможностей, проблем и неизведанных путей, которые приведут к волнующим научным открытиям и направлениям. Мир науки о данных развивается невероятно быстрыми темпами, поэтому современные специалисты по данным должны быть хорошо подготовлены, обладая хорошими навыками программирования, анализа и решения проблем. Хотя генезис науки о данных мог произойти где-то в последние два десятилетия, нет никаких сомнений в том, что в последние годы наблюдается растущая тенденция к ее популярности среди профессионалов и ученых, что приводит к созданию новых рабочих мест, академических программ и областей исследований. . Все больше и больше людей будут вдохновлены начать карьеру в смежных областях; однако эффективная стратегия и план обучения станут важными и решающими для достижения успеха.

1. Читайте, читайте, читайте

Книги - богатейший источник информации и знаний и, следовательно, лучший инструмент для самообучения. В настоящее время существует множество книг по науке о данных, аналитике данных, машинному обучению и искусственному интеллекту для консультационных, справочных или учебных целей. Большинство книг по кодированию и программированию написаны в удобном для читателя стиле учебников: каждая глава начинается с объяснения математической и статистической теории, лежащей в основе алгоритма, за которой следует пошаговый пример с использованием кода, и (некоторые из них) заканчиваются раздел упражнений для проверки вашего понимания темы или перехода на новый уровень. В качестве дополнения, у некоторых авторов есть общедоступный репозиторий в своем профиле GitHub, соответствующий кодам, используемым в их книге, чтобы вы могли их проконсультироваться и иметь их в качестве справочника для будущих проектов или приложений.

Начните с определения списка из 12 книг, которые вам интересно прочитать, и попробуйте читать по одной в месяц. К концу года вы будете удивлены тем, насколько вы экспоненциально укрепите свои навыки программирования и анализа, а также все полученные знания, связанные с концепциями, алгоритмами и методологиями науки о данных и машинного обучения.

2. Посещайте больше курсов, семинаров или учебных курсов по программированию

В дополнение к личному чтению вы также можете рассмотреть возможность прохождения дополнительных курсов, связанных с вашими интересами в области науки о данных. Сегодняшний высокотехнологичный мир позволяет нам проходить онлайн-курсы на таких сайтах, как Udemy, Coursera и DataCamp без необходимости физического присутствия в определенном месте. Польза от этих курсов? Недорого, широкий выбор для всех уровней, самообучение и сертификат об окончании.

Ищете более строгую и требовательную схему? Попробуйте участвовать в семинарах или записаться на курсы для начинающих по программированию. В то время как семинары, как правило, занимают меньше времени, учебные курсы по программированию структурированы таким образом, что вы будете изучать и осваивать определенный язык программирования, функциональность или область применения за короткий-средний период времени с помощью более длительных и более частых учебных занятий. Если у вас есть больше свободного времени и дополнительный бюджет, я настоятельно рекомендую вам записаться на учебный курс по программированию из-за его преимуществ и признания в организациях и на предприятиях по сравнению с онлайн-курсами.

3. Развивайте личные сложные проекты.

Люди захотят узнать, насколько вы креативны. Они захотят узнать, на что вы способны и на что способны, используя свои навыки и знания, для анализа и решения проблем. Не умаляя значения проектов, назначенных на онлайн-курсах, они не отражают реальность и не включают уровень сложности, с которым вы столкнетесь в реальном проекте. Обычно эти проекты разрабатываются на основе традиционных наборов данных, где не требуется - или требуется небольшое количество - очистки данных и предварительной обработки. Хотя они представляют собой хорошие примеры для проверки вашего понимания определенного алгоритма или темы, они не полностью подготовят вас к работе в реальном мире.

Чтобы быть более подготовленным к реальным проектам, попробуйте разработать личные сложные проекты. Найдите более сложные наборы данных, загрузите их и начните играть с ними. Как только вы почувствуете себя в большей безопасности, попробуйте присоединиться к соревнованиям (например, соревнованиям Kaggle) - индивидуально или в команде - чтобы по-настоящему проверить свои навыки и вывести их на новый уровень. Вы даже можете выиграть призы и возможность получить интервью в одной из ведущих национальных организаций! Все эти проекты добавят ценности вашему резюме и дадут вам больше возможностей познакомиться с реальными случаями.

4. Создайте / укрепите свой личный бренд.

Как специалист по анализу данных, аналитик данных или инженер по обработке данных, вы должны начать создавать и / или укреплять свой личный бренд (т. Е. Свой профессиональный публичный профиль и сопроводительное письмо для рекрутеров и организаций). Обладая обширными знаниями нескольких языков программирования, алгоритмов машинного обучения, теории науки о данных, теории вероятностей и статистических концепций, а также сильными аналитическими навыками, не сообщая другим то, что вы знаете, значительно снизит ваши шансы получить работу. или даже с вами связались для интервью. В сегодняшнем высококонкурентном мире недостаточно указывать языки программирования в качестве технических навыков в своем резюме. Вместо этого попробуйте следующие стратегии для создания и / или укрепления своего личного бренда:

  • Создайте профиль GitHub и постоянно добавляйте новые материалы

GitHub - ведущая в мире платформа для разработки программного обеспечения. Наличие профиля является обязательным для новых и действующих программистов и разработчиков программного обеспечения. Создавайте репозитории с кодами и проектами, с которыми вы работали, и делитесь ими публично. Это даст вам возможность познакомиться с другими программистами и разработчиками программного обеспечения и позволит им узнать о том, над чем вы работаете, а также о ваших интересах, проектах и ​​приложениях. Старайтесь постоянно загружать новые материалы. Это позволит людям узнать, что вы продолжаете учиться и проявляете творческий подход.

  • Разработайте личный веб-сайт

Подобно тому, как у многих врачей есть свои личные веб-сайты, на которых они делятся своими достижениями, исследовательскими интересами, публикациями, проектами и биографическими данными, вы также можете разработать свой личный веб-сайт. Имея его, вы могли бы поделиться с другими своими жизненными достижениями, проектами в области науки о данных, над которыми вы работали, личными библиотеками кодов, книгами, которые вы прочитали, написанными вами статьями, опубликованными вами статьями, полученными сертификатами, конференциями, учебными курсами и семинарами. вы посетили, записали подкасты и другие интересные вещи, которые помогут вам продать себя другим, укрепив свой личный бренд. Попробуйте настроить свой веб-сайт таким образом, чтобы вы могли рассказать другим о вашей личности, идеях и целях, будучи профессионалом; не забывайте поддерживать его в актуальном состоянии. Пусть ваш личный веб-сайт станет продолжением вас самих.

  • Начните писать блоги о кодировании и программировании

В сети есть множество блогов и сообществ, где можно делиться идеями, концепциями и мыслями, связанными с кодированием и программированием. Написание статей, блогов и / или статей представляет собой еще один способ сообщить другим, что вы активны в областях науки о данных. Делая это, вы также улучшите свои письменные и коммуникативные навыки, особенно при рассмотрении высокотехнологичных и сложных концепций.

5. Поделитесь своими знаниями с другими

Один из способов, которым люди считают наиболее эффективную стратегию продолжения обучения, - это делиться с другими тем, что они знают. Хотите знать, насколько хорошо вы знаете то, что знаете, и сколько вы знаете? Попробуйте эффективно объяснять другим; попробуйте помочь другим, если вы застряли или сомневаетесь. Не смогли ответить на конкретное сомнение или вопрос? Без проблем. Это побудит вас продолжать учиться больше и поможет понять, что обучение - это процесс на протяжении всей жизни.

Например, Stack Overflow - крупнейшее и пользующееся наибольшим доверием онлайн-сообщество разработчиков, которое может учиться, делиться своими знаниями в области программирования и строить свою карьеру - было построено на основе этой предпосылки: разработчики помогают разработчикам.

Stack Overflow - открытое сообщество для всех, кто кодирует. Мы поможем вам получить ответы на самые сложные вопросы по программированию, поделиться знаниями с коллегами наедине и найти работу вашей следующей мечты.

- Переполнение стека

6. Будьте в курсе новых тенденций и требований для достижения успешной карьеры в этой области.

Область науки о данных - это быстро меняющееся пространство. Новые технологии, алгоритмы и методологии постоянно появляются в результате увеличения числа людей, погружающихся в многочисленные области исследований. С каждым новым достижением будут появляться новые возможности и, в конечном итоге, новые задачи. Все предыдущее потребует от будущих специалистов по обработке данных способности решать текущие и будущие задачи. Они должны уметь избавляться от устаревшего и быстро адаптироваться (то есть развивать навыки быстрого обучения) к потребностям рынка и клиентов. Попробуйте читать последние новости, статьи и документы, связанные с вашими исследованиями и интересами приложений, подписывайтесь на информационные бюллетени, присоединяйтесь к сообществам программистов, расширяйте свою сеть и связи, прочтите требования к описаниям вакансий в области науки о данных, чтобы определить области ваших возможностей и возможности для улучшения, а также окружите себя активные и творческие люди, работающие и исследующие эту область.

— —

Если вы нашли эту статью полезной, не стесняйтесь загрузить мои личные коды на GitHub. Вы также можете написать мне по электронной почте [email protected] и найти меня в LinkedIn. Хотите узнать больше о приложениях для анализа данных, анализа данных и машинного обучения в инженерной сфере? Изучите мои предыдущие статьи, посетив мой профиль на Медиуме. Спасибо за внимание.

- Роберт