"શરૂઆતના વિશ્લેષકો સાથે કેવી રીતે નેટવર્ક કરવું" અથવા ઓનલાઈન કોર્સ "સ્ટાર્ટ ઇન ડેટા સાયન્સ"ની સમીક્ષા

મેં "એક હજાર વર્ષ" માટે કંઈપણ લખ્યું નથી, પરંતુ અચાનક "શરૂઆતથી ડેટા સાયન્સ શીખવું" પર પ્રકાશનોની મીની-સાયકલમાંથી ધૂળ ઉડાડવાનું કારણ હતું. સામાજિક નેટવર્ક્સમાંથી એક પર સંદર્ભિત જાહેરાતમાં, તેમજ મારા મનપસંદ Habré પર, મને કોર્સ વિશેની માહિતી મળી "ડેટા સાયન્સમાં પ્રારંભ કરો". તેની કિંમત માત્ર પેનિસ હતી, કોર્સનું વર્ણન રંગીન અને આશાસ્પદ હતું. "કેમ અન્ય કોર્સ કરીને નકામીમાંથી ધૂળ પડી ગયેલી કુશળતાને પુનઃસ્થાપિત કરી શકાતી નથી?" - મેં વિચાર્યુ. જિજ્ઞાસાએ પણ ભૂમિકા ભજવી હતી; હું લાંબા સમયથી જોવા માંગતો હતો કે આ ઑફિસમાં તાલીમનું સંગઠન કેવી રીતે કાર્ય કરે છે.

હું તમને તરત જ ચેતવણી આપું છું કે હું કોઈપણ રીતે કોર્સ ડેવલપર્સ અથવા તેમના સ્પર્ધકો સાથે જોડાયેલો નથી. લેખમાંની તમામ સામગ્રી વક્રોક્તિના સહેજ સ્પર્શ સાથેનો મારો વ્યક્તિલક્ષી મૂલ્ય ચુકાદો છે.
તેથી, તમે હજી પણ જાણતા નથી કે તમારી મહેનતથી કમાયેલા 990 રુબેલ્સનું રોકાણ ક્યાં કરવું? પછી બિલાડી હેઠળ તમારું સ્વાગત છે.

એક નાની પ્રસ્તાવના તરીકે, હું કહીશ કે હું આશાસ્પદ અભ્યાસક્રમો વિશે કંઈક અંશે શંકાસ્પદ છું જે ટૂંકા સમયમાં "100 રુબેલ્સથી વધુના પગાર સાથે એક સફળ ડેટા વિશ્લેષક" બની શકે છે (જોકે તમે કદાચ આના શીર્ષક ચિત્ર પરથી અનુમાન લગાવ્યું હશે. લેખ).

ઘણા વર્ષો પહેલા, ડેટા સાયન્સની તાલીમ માટે સક્રિય જાહેરાતને પગલે, મેં ડેટા સાયન્સના ક્ષેત્રમાં ઓછામાં ઓછું કંઈક માસ્ટર કરવા માટે અલગ અલગ રીતે પ્રયાસ કર્યો અને મને હાબરના વાચકો સાથે મળેલી મુશ્કેલીઓ વિશે નોંધો શેર કરી.

શ્રેણીના અન્ય લેખો1. મૂળભૂત શીખો:

• "મોટા અને નાના ડેટાને પકડો!" — (કોગ્નિટિવ ક્લાસમાંથી ડેટા સાયન્સ અભ્યાસક્રમોની સંક્ષિપ્ત ઝાંખી)
• "હવે તેણે તમને પણ ગણ્યા છે" અથવા શરૂઆતથી ડેટા સાયન્સ
• "ઓસ્કરને બદલે આઇસબર્ગ!" અથવા મેં કેવી રીતે કાગલ પર ડેટાસાયન્સની મૂળભૂત બાબતો શીખવાનો પ્રયાસ કર્યો
• "ધ લિટલ એન્જિન જે કરી શકે છે!" અથવા "મશીન લર્નિંગ અને ડેટા એનાલિટિક્સ વિશેષતા", ડેટા સાયન્સ શિખાઉ માણસની નજર દ્વારા

2. તમારી પ્રથમ કુશળતાનો અભ્યાસ કરો

• "મશીન્સ લર્નિંગનો ઉદય" અથવા ડેટા સાયન્સ અને લાઇટ બલ્બ સ્પેક્ટ્રા વિશ્લેષણના શોખનું સંયોજન
• "ઘડિયાળની જેમ!" અથવા Accord.NET ફ્રેમવર્કનો ઉપયોગ કરીને C# માં મશીન લર્નિંગ (ડેટા સાયન્સ).
• "મશીન લર્નિંગની શક્તિનો ઉપયોગ કરો, લ્યુક!" અથવા KSS અનુસાર લ્યુમિનાયરનું સ્વચાલિત વર્ગીકરણ
• "4 લગ્નો અને એક અંતિમવિધિ" અથવા મોસ્કો સરકારના ખુલ્લા ડેટાનું વિશ્લેષણ કરવા માટે રેખીય રીગ્રેશન
• મોસ્કો ઓપન ડેટાનું વિશ્લેષણ કરવા માટે Accord.NET નો ઉપયોગ કરીને "તુર્કી સુલતાનને પત્ર" અથવા C# માં રેખીય રીગ્રેશન

અને લાંબા સમય પછી, મેં બીજો કોર્સ અજમાવવાનું નક્કી કર્યું.

કોર્સ વર્ણન:

"ડેટા સાયન્સમાં પ્રારંભ કરો" કોર્સનું વર્ણન વચન આપે છે કે માત્ર 990 રુબેલ્સ ખર્ચ્યા પછી (લેખન સમયે) અમે નવા નિશાળીયા માટે વિડિઓ લેક્ચર્સ અને વ્યવહારુ કાર્યોના ફોર્મેટમાં ચાર-અઠવાડિયાનો અભ્યાસક્રમ પ્રાપ્ત કરીશું. ઉપરાંત, ચાલો કર કપાતના રૂપમાં કોર્સ ખર્ચના ભાગ માટે વળતર વિશે ભૂલશો નહીં (તેઓ બધા દસ્તાવેજો મેઇલ દ્વારા મોકલવાનું વચન આપે છે).

કોર્સમાં બે શરતી બ્લોક્સ છે, એક તમને જણાવશે કે "ડેટા સાયન્સ" શું છે, કયા લોકપ્રિય ક્ષેત્રો છે અને તમે ડેટાસાયન્સના ક્ષેત્રમાં કેવી રીતે કારકિર્દી વિકસાવી શકો છો. બીજો બ્લોક ડેટા વિશ્લેષણ માટે પાંચ સાધનોને જુએ છે: એક્સેલ, એસક્યુએલ, પાયથોન, પાવર BI અને ડેટા કલ્ચર.

સારું, જે "સ્વાદિષ્ટ" લાગે છે, અમે કોર્સ માટે ચૂકવણી કરીએ છીએ અને પ્રારંભ તારીખની રાહ જુઓ.

અપેક્ષા મુજબ, અમે કોર્સની શરૂઆતના એક દિવસ પહેલા અમારા અંગત ખાતામાં લૉગ ઇન કરીએ છીએ, વિકાસકર્તાઓ તરફથી વિદાય શબ્દોમાં સ્ક્રોલ કરીએ છીએ અને લાંબા સમયથી રાહ જોવાતી કોર્સની શરૂઆતની સૂચનાની રાહ જોઈએ છીએ.

સમય પસાર થઈ ગયો છે, ડી-ડે આવી ગયો છે, અને તમે તાલીમ શરૂ કરી શકો છો. પ્રથમ પાઠ ખોલ્યા પછી, અમે ઑનલાઇન લર્નિંગ સિસ્ટમ્સથી પરિચિત સ્કીમ જોઈશું - એક વિડિઓ લેક્ચર, વધારાની સામગ્રી, પરીક્ષણો અને હોમવર્ક. જો તમે ક્યારેય Coursera, EDX, Stepik નો ઉપયોગ કર્યો હોય, તો તમને કોઈ સમસ્યા ન હોવી જોઈએ.

કોર્સની અંદર:

ચાલો ક્રમમાં જઈએ. પ્રથમ પાઠનો વિષય "DS વિહંગાવલોકન: મૂળભૂત બાબતો, લાભો, એપ્લિકેશન્સ" છે, તે પછીના બધા પાઠોની જેમ વિડિઓ લેક્ચરથી શરૂ થાય છે.

અને શરૂઆતથી જ એવું અનુભવાય છે કે સાથીઓએ અભિગમ દ્વારા માર્ગદર્શન આપ્યું હતું "તો તે કરશે" મારા પ્રિય સોવિયેત કાર્ટૂનમાંથી.

પહેલી જ મિનિટથી તમે સમજો છો કે કોર્સ માટેની સામગ્રી વિશેષ રીતે રેકોર્ડ કરવામાં આવી ન હતી, પરંતુ અન્ય કેટલાક ખુલ્લા પાઠ અથવા વિશિષ્ટ અભ્યાસક્રમોમાંથી લેવામાં આવી હતી. વિડિયો માટે પણ કોઈ સબટાઈટલ કે ડાઉનલોડ વિકલ્પ નથી ઑફલાઇન જોવા માટે.

વ્યાખ્યાન પછી, પાઠ માટે વધારાની સામગ્રી ઓફર કરવામાં આવે છે (વિડિઓ વ્યાખ્યાન અને ભલામણ કરેલ સાહિત્યમાંથી પ્રસ્તુતિ), અમે તેનું વિશ્લેષણ કરીશું નહીં.

પછી એક કસોટી આપણી રાહ જોશે. કસોટીઓ આવરી લેવામાં આવેલી સામગ્રીના પ્રશ્નોની જટિલતા અને પર્યાપ્તતાની ડિગ્રીમાં બદલાય છે.

અને અહીં ફરીથી તાલીમના પરિણામમાં રસનો અભાવ પ્રગટ થાય છે, તમે પરીક્ષણમાં નિષ્ફળ થઈ શકો છો, પરંતુ તે કંઈપણ અસર કરશે નહીં, તમે હજી પણ પાઠ સફળતાપૂર્વક પાસ કરશો, પરંતુ ફરીથી લેવાના વધારાના પ્રયાસ માટેની વિનંતી મોટે ભાગે અનુત્તરિત રહેશે.

ત્યારબાદ, પાઠ યોજના: “વિડિઓ -> વધારાની. સામગ્રી -> ટેસ્ટ” સમગ્ર અભ્યાસક્રમનો આધાર હશે.

કેટલીકવાર પાઠ પ્રશ્નાવલિ અને સ્વતંત્ર હોમવર્કથી પાતળો કરવામાં આવશે.

માત્ર બે હોમવર્ક અસાઇનમેન્ટ છે. અને સાચું કહું તો, મેં માત્ર એક પાસ કર્યું છે.

તમારું પ્રથમ હોમવર્ક અસાઇનમેન્ટ તમારા મુખ્ય કૌશલ્યોની રૂપરેખા આપતા તમારા રેઝ્યૂમે સબમિટ કરવાનું છે. હું 100% કહી શકતો નથી, પરંતુ મને લાગે છે કે લગભગ કોઈપણ રેઝ્યૂમે સ્વીકારવામાં આવશે અને સોંપણી સ્વીકારવામાં આવશે. સોંપણી પછી, તમને વધારાની સામગ્રી - ભલામણો મોકલવામાં આવશે. કોર્સેરા પર હોમવર્ક સાથે હું કેવી રીતે સંઘર્ષ કરતો હતો તે યાદ રાખીને, તે કેટલું સરળ હતું તેનાથી હું થોડો અસ્વસ્થ પણ હતો.

પ્રારંભિક ભાગ પૂર્ણ કર્યા પછી, લાંબા સમયથી રાહ જોવાતી “ડેટા સાયન્સમાં પ્રારંભ કરવા માટેનાં સાધનો” નો અભ્યાસ શરૂ થાય છે. અને પહેલો એક જોરદાર શીર્ષક સાથેનો પાઠ છે: "એક્સેલમાં કામ કરવું: કુશળતાને શૂન્યમાંથી વિશ્લેષક સુધી અપગ્રેડ કરવી."

વાહ! તે આકર્ષક લાગે છે, પરંતુ વાસ્તવમાં અપેક્ષા અને વાસ્તવિકતા વચ્ચેનો તફાવત ફાસ્ટ ફૂડની જાહેરાતમાંથી હેમબર્ગરના ફોટા અને ચેકઆઉટ વખતે તમને જે આપે છે તેટલો જ છે.

વાસ્તવમાં, અમે અવલોકન કરીશું કે કેવી રીતે, એક્સેલમાં ઓટોફિલિંગ કોષોમાંથી "VLOOKUP()" ફંક્શનના ગૂંચવણભર્યા વર્ણન તરફ આગળ વધીને, શિક્ષક "To be, or not to be", "ના વિષય પર હેમ્લેટની જેમ અચકાશે. નવા નિશાળીયા માટે બધું સમજાવો" અથવા "સાધક માટે રસપ્રદ સામગ્રી આપો." મારા વ્યક્તિલક્ષી અભિપ્રાયમાં, ન તો એક કે અન્ય કામ કર્યું.

તે ખાસ કરીને મહાન છે કે કોર્સમાં જીવંત વેબિનાર શામેલ નથી તે હકીકત હોવા છતાં. એટલે કે, આ તમે ચૂકી ગયેલા વર્ગોના રેકોર્ડિંગ્સ નથી, પરંતુ ફક્ત લાંબા સમય પહેલા થયેલા વર્ગોના રેકોર્ડિંગ્સ (નીચેનું ચિત્ર જુઓ), લેખકોએ હજી પણ વાતાવરણ જાળવવાનું નક્કી કર્યું છે. (અથવા કદાચ તેઓ માત્ર આળસુ હતા) и જ્યારે શિક્ષક અવાજની સમસ્યાઓ હલ કરે છે ત્યારે તમને પાંચ મિનિટ માટે જોવા માટે બનાવે છે.

વિડિઓ પછી, પ્રમાણભૂત યોજના અનુસાર, વધારાની સામગ્રી અને એક પરીક્ષણ અનુસરે છે.

આગળનો વિષય SQL ભાષા વિશે છે. પાઠ SQL ક્વેરીઝ સાથે કામ કરવા માટે ખૂબ જ મૂળભૂત અને ઉદાહરણો પૂરા પાડે છે; સિદ્ધાંતમાં, સમાન વિષય પરના વિડિયો અને લેખો મળી શકે છે. ઇન્ટરનેટ પર મફતમાં શોધવા માટે સરળ.

SQL પછી Python લાઇબ્રેરી “Pandas” નો ઉપયોગ કરીને કાગલેમાંથી ડેટાસેટની પ્રક્રિયા કરવા પર એક પાઠ છે. પાઠ યોજના બદલાઈ નથી: વિડિઓ -> વધારાની. સામગ્રી -> પરીક્ષણ. ત્યાં કોઈ વધારાના કાર્યો પૂરા પાડવામાં આવેલ નથી, પરિણામોની સ્વચાલિત ચકાસણી સાથેનું કાર્ય પણ નથી. આમ, તમારે ચોક્કસપણે એનાકોન્ડા ઇન્સ્ટોલ કરવાની અને કોડ લખવાની જરૂર રહેશે નહીં. પણ વિડિયો લેક્ચરમાં કોડની ઝીણી પ્રિન્ટને ધ્યાનમાં લેવી યોગ્ય છે, તેને ફોન પર જોવું અર્થહીન છે, અને મારે તેને મોનિટર પર લગભગ પોઈન્ટ-બ્લેન્ક જોવું પડ્યું.

પાઠ ચાર: "10 મિનિટમાં PBI માં લોજિસ્ટિક્સ રિપોર્ટનું વિઝ્યુલાઇઝેશન" (видео кстати длится минут 50) . આ વિડિયોમાં તેઓ પાવર BI નામના એક રસપ્રદ ટૂલ વિશે વાત કરશે; સાચું કહું તો, મેં તે પહેલાં ક્યારેય સાંભળ્યું નથી.

અભ્યાસક્રમનો અનપેક્ષિત અંત:

અંતિમ પાંચમો પાઠ તમને યોગ્ય ડેટા સ્ટોરેજના સામાન્ય સિદ્ધાંતો વિશે જણાવશે; વ્યાખ્યાન ફરીથી બીજા કોર્સમાંથી લેવામાં આવ્યું છે. આ પાઠમાં, પ્રમાણભૂત કસોટી ઉપરાંત, હોમવર્ક ફરીથી દેખાય છે, પરંતુ મેં તે કર્યું નથી. શા માટે જાણવા માંગો છો?

કારણ કે જ્યારે મેં આજે અભ્યાસક્રમનું પૃષ્ઠ ખોલ્યું, જે ફક્ત અડધું જ પૂર્ણ થયું હતું, ત્યારે મેં આ જોયું:

તે છે સિસ્ટમે માન્યું કે મેં સફળતાપૂર્વક અભ્યાસક્રમ પૂર્ણ કર્યો છે, જોકે હકીકતમાં મેં તે પૂર્ણ કર્યો નથી.

તદુપરાંત, બાકીની તમામ વિડિઓઝ જોયા પછી અને પરીક્ષણો હાથ ધર્યા પછી, કાઉન્ટર બદલાયું નથી, પરંતુ 56% પર રહ્યું. હું ધારું છું કે હું કંઈપણ જોઈ શકતો નથી અને કોઈ પરીક્ષા આપી શકતો નથી અને તેમ છતાં "ડિપ્લોમા" મેળવી શકું છું.

ખાસ કરીને આશ્ચર્યજનક બાબત એ છે કે આ કોર્સ સત્તાવાર રીતે જુલાઈ 22 થી 14 ઓગસ્ટ સુધી ચાલ્યો હતો અને મને “ડિપ્લોમા” પહેલેથી જ 04.08.2019 ઓગસ્ટ, XNUMX ના રોજ જારી કરવામાં આવ્યો હતો.

તાલીમનું પરિણામ

તાલીમ પૂર્ણ કર્યા પછી, કંપનીની વેબસાઇટ અમને વચન આપે છે: "તમારી લાયકાત સ્થાપિત ફોર્મના દસ્તાવેજો દ્વારા પુષ્ટિ કરવામાં આવશે." પરંતુ મુશ્કેલી એ છે કે, આ અભ્યાસક્રમ ન તો પુનઃપ્રશિક્ષણ કાર્યક્રમ છે કે ન તો અદ્યતન તાલીમ કાર્યક્રમ છે, જેનો અર્થ છે કે તમે સરળતાથી મેળવી શકશો "પ્રમાણપત્ર", જેનો સૈદ્ધાંતિક રીતે કોઈ સત્તાવાર દરજ્જો નથી.

સંભવતઃ એક વાજબી પ્રશ્ન હશે: "તમે 990 રુબેલ્સ માટે શું અપેક્ષા રાખી હતી?" સાચું કહું તો, મેં કંઈપણ અપેક્ષા નહોતી કરી. તે સ્પષ્ટ છે કે ઉચ્ચ-ગુણવત્તાવાળા અભ્યાસક્રમો નોંધપાત્ર રીતે વધુ ખર્ચાળ છે. પરંતુ મુશ્કેલી એ છે કે ત્યાં મફત અભ્યાસક્રમો છે જે ફક્ત ખરાબ જ નહીં, પરંતુ વ્યવસાયિક રીતે અનેક ગણા વધુ છે, ઉદાહરણ તરીકે, માંથી અભ્યાસક્રમો એમવીએ અથવા થી જ્ઞાનાત્મક વર્ગ. અભ્યાસક્રમ પૂરો થવાનું સમાન “પ્રમાણપત્ર” (જો કોઈને તેની જરૂર હોય તો), ત્યાં તમે તેને સંપૂર્ણપણે મફત મેળવી શકો છો.

એક ફાયદો એ છે કે આ સમીક્ષા સામગ્રી એક જગ્યાએ એકત્રિત કરવામાં આવે છે અને ડેટા સાયન્સથી સંપૂર્ણપણે અજાણ વ્યક્તિ માટે આ વિસ્તારમાં નેવિગેટ કરવું ખરેખર સરળ બનશે.

કોર્સના અંતે, અમને વચન આપવામાં આવ્યું છે કે અમે સાધનોનો સમૂહ શીખીશું, અને અમારા રેઝ્યૂમે પર અમે આના જેવું કંઈક લખી શકીશું:

હકિકતમાં આ એક ખૂબ જ મજબૂત અતિશયોક્તિ છે. તમે અનિવાર્યપણે ફક્ત ઘણા સાધનો વિશે સાંભળશો અને વધુ કંઈ નહીં.

સારાંશ

મારા મતે, કોર્સમાં ન્યૂનતમ ઉપયોગી ભાર છે; તે ખાસ કરીને નિરાશાજનક છે કે લેખકો તેના માટે અલગ વિડિઓ પ્રવચનો રેકોર્ડ કરવામાં ખૂબ આળસુ હતા. સારી રીતે, આના જેવી કોઈ વસ્તુ માટે પૈસા માંગવા એ શરમજનક છે, અથવા તમારે 10 ગણા ઓછા માંગવા જોઈએ.

પરંતુ હું ફરી એક વાર પુનરાવર્તન કરું છું કે ઉપરોક્ત તમામ માત્ર મારા વ્યક્તિલક્ષી મૂલ્યનો નિર્ણય છે; આ કોર્સ લેવો કે નહીં તે તમારા પર નિર્ભર છે.

PS કદાચ સમય જતાં કોર્સના લેખકો તેને અંતિમ સ્વરૂપ આપશે અને સમગ્ર લેખ સુસંગતતા ગુમાવશે.
માત્ર કિસ્સામાં, હું લખીશ કે તે 22 જુલાઈથી 14 ઓગસ્ટ સુધીના આ કોર્સના પ્રથમ લોન્ચ માટે માન્ય છે.

PPS જો પોસ્ટ એટલી અસફળ હોવાનું બહાર આવ્યું છે, તો હું તેને કાઢી નાખીશ, પરંતુ શરૂઆતમાં હું ટીકા વાંચવા માંગુ છું, કદાચ કંઈક સંપાદિત કરવાની જરૂર છે. નહિંતર, હમણાં માટે તે નિમ્ન-ગુણવત્તાવાળા અભ્યાસક્રમની અસુવિધાજનક ટીકા જેવું લાગે છે

સોર્સ: www.habr.com