Установите правильные цели, создайте свою собственную учебную программу и составьте дорожную карту для обучения

Во время моего путешествия по науке о данных вне рамок формального образования я обнаружил, что мотивация является ключом к пониманию сложности предмета и к тому, чтобы не унывать из-за обилия информации, которая составляет широко разрекламированный набор навыков специалиста по данным. В следующей статье я расскажу о том, почему мотивация так важна при изучении науки о данных, объясню, как вы можете получить и сохранить мотивацию, и поделюсь с вами копией моей личной учебной программы и системой оценки для изучения науки о данных.

Почему мотивация так важна при изучении науки о данных? Если вы введете в Google что-то вроде «какие навыки необходимы для карьеры в области науки о данных», вам будет представлен обширный список навыков.

Сюда будут входить такие вещи, как:

  • Разработка программного обеспечения
  • Информатика
  • Статистика
  • Математика
  • Инженерия данных
  • Базовые знания
  • Машинное обучение
  • Глубокое обучение
  • Коммуникация
  • и многое другое

Наука о данных упоминается как отдельная дисциплина, но каждая из этих областей сама по себе является дисциплиной. Как же тогда вы научитесь тому, что кажется непреодолимым набором навыков, за разумное время? Как узнать, какие навыки нужно изучить в первую очередь? В самом начале может быть очень легко быстро потерять мотивацию и отказаться от обучения перед лицом того, что кажется почти невыполнимой задачей.

«Никто никогда не говорит о мотивации в обучении. Наука о данных - это обширная и нечеткая область, из-за которой трудно учиться. Очень трудно. Без мотивации вы в конечном итоге остановитесь на полпути и поверите, что не можете этого сделать, когда вина не в вас, а в учении », - Вик Паручури

Так почему же наука о данных требует так много навыков? Быстрый поиск работы, содержащий слова "данные" и "наука", даст вам понимание. Ниже приведены только снимки вакансий, которые я нашел в ходе недавнего поиска работы, который я проводил еще в июле. Каждая из этих вакансий подпадала бы под зонтик науки о данных, но для каждой из них требуется свой набор навыков.

Как получить мотивацию

В начале пути действительно важно иметь план. Чтобы составить план, вам сначала понадобится цель. Я считаю, что перед лицом быстро меняющихся технологий в науке о данных, а также регулярного изменения должностных ролей и требований, лучше не иметь цели, привязанной к конкретному названию должности. К тому времени, как вы доберетесь туда, этой работы, возможно, уже не будет.

Вместо этого ваша цель должна быть целью, другими словами, подумайте о том, что вы хотите сделать. Например, когда я изучал науку о данных, моей целью было «оказать положительное влияние с помощью данных». Чтобы оказать наибольшее влияние в кратчайшие сроки, мое обучение было сосредоточено на прикладной стороне науки о данных.

ваша цель должна быть целью, другими словами, подумайте о том, что вы хотите сделать

Самые важные навыки в моем списке касались разработки программного обеспечения, инженерии данных, использования существующих библиотек науки о данных и достаточного знания математики и статистики, чтобы понимать, что происходит и как интерпретировать результаты. Если бы я был больше сосредоточен на создании новых способов моделирования данных, то мои навыки, возможно, были бы больше сосредоточены на роли исследования данных, и поэтому области, в которых мне требовались более глубокие знания, были бы значительно различны.

Где сосредоточиться

Итак, у вас есть цель и вы знаете, на каком наборе навыков следует сосредоточить большую часть своего времени. Чтобы достичь своей цели наиболее эффективно, вам нужно убедиться, что вы изучаете только те навыки, которые имеют прямое отношение к вашей цели. Кроме того, у вас, скорее всего, будет опыт, когда вы перейдете в науку о данных. Например, вы могли раньше работать в области разработки программного обеспечения или иметь высшее математическое образование. В этом случае будут области, в которых вы уже обладаете обширными знаниями.

Я рекомендую это вместо того, чтобы полагаться на онлайн-курс или образовательный институт, чтобы дать вам учебную программу, которую вы вместо этого создаете самостоятельно. Существует так много фантастических ресурсов для изучения науки о данных, многие из них совершенно бесплатны (я ранее писал статью о своих 5 лучших). Вы можете составить свой собственный учебный план из материала, который соответствует вашим целям, уровню подготовки и стилю обучения.

создать свой собственный учебный план

Я бы не стал отказываться от онлайн-курсов, но я предлагаю вместо того, чтобы пройти один или два популярных MOOC (массовых открытых онлайн-курсов), чтобы получить сертификаты. Вместо этого вы выбираете соответствующие части из множества различных курсов. В наши дни все больше и больше платформ курсов, таких как Coursera, переходят на модели на основе подписки, поэтому вы платите помесячно, а не платите единовременную плату за курс. Помимо возможности выбрать наиболее подходящие части курса для вашего индивидуального пути обучения, вы также можете учиться более экономичным способом.

Как оставаться мотивированным

После того, как вы поставили цели и составили учебный план, вам нужен какой-то способ сохранить мотивацию. Я рекомендую сделать три вещи:

  1. Запишите свои цели и почаще возвращайтесь к ним. Чтобы убедиться, что приобретаемые навыки помогут вам достичь цели как можно быстрее, важно вернуться к своей долгосрочной цели в постоянная основа. Каждый раз, когда вы начинаете изучать что-то новое, отметьте свою цель и спросите себя "актуально ли это?". Это гарантирует, что вы всегда будете осваивать навыки, которые строго соответствуют вашим долгосрочным целям.
  2. Создайте план действий. При разработке учебной программы рекомендуется где-нибудь задокументировать ее. Моя собственная дорожная карта, на которую я поделюсь ссылкой в ​​конце этой статьи, состоит из длинного списка навыков в таблице Google с системой оценки. Раз в месяц я сравнивал себя с этим списком навыков и умений и сравнивал его с предыдущими месяцами. Если вы часто следите за курсом, вы можете получать чувство удовлетворения от отметок и получения значков и уровней. Оценка себя в дорожной карте дала мне чувство удовлетворения и способ отпраздновать свой успех. Отличный мотиватор для обучения!
  3. Используйте в первую очередь практический подход к обучению. Как только вы почувствуете, что сможете, я рекомендую применить полученные навыки на практике. Вы можете сделать это разными способами, включая участие в соревнованиях по машинному обучению, таких как Kaggle, создание собственных проектов данных из общедоступных наборов данных или участие в проектах с открытым исходным кодом. Возможность создавать то, что работает, доставит вам огромное чувство удовлетворения и будет гораздо более мотивирующим, чем любое количество галочек.

Моя дорожная карта

Вот ссылка на дорожную карту, которую я использовал, когда изучал науку о данных. Когда вы откроете это, вам будет предложено сделать копию, это создаст редактируемую версию на вашем собственном диске Google. Если хотите, я также написал версию этого в серии сообщений в блоге, которые можно найти здесь.

Спасибо за прочтение!