नोट्स तारीख वैज्ञानिक: कोठे सुरू करावे आणि ते आवश्यक आहे का?

TL;DR ही डेटा सायन्स आणि त्या व्यवसायात प्रवेश कसा करायचा आणि त्यात विकास कसा करायचा याबद्दल प्रश्न/उत्तरे देणारी पोस्ट आहे. लेखात मी मूलभूत तत्त्वे आणि FAQ चे विश्लेषण करेन आणि तुमच्या विशिष्ट प्रश्नांची उत्तरे देण्यास तयार आहे - टिप्पण्यांमध्ये लिहा (किंवा खाजगी संदेशात), मी काही दिवसातच प्रत्येक गोष्टीची उत्तरे देण्याचा प्रयत्न करेन.

नोट्सच्या “सॅटॅनिस्ट डेट” मालिकेच्या आगमनाने, कसे सुरू करावे आणि कोठे खोदायचे या प्रश्नांसह बरेच संदेश आणि टिप्पण्या आल्या आणि आज आम्ही प्रकाशनानंतर उद्भवलेल्या मुख्य कौशल्यांचे आणि प्रश्नांचे विश्लेषण करू.

येथे नमूद केलेली प्रत्येक गोष्ट अंतिम सत्य असल्याचा दावा करत नाही आणि ते लेखकाचे व्यक्तिनिष्ठ मत आहे. प्रक्रियेत सर्वात महत्त्वाच्या वाटणाऱ्या मुख्य गोष्टी आपण पाहू.

याची नेमकी गरज का आहे?

उद्दिष्ट अधिक चांगल्या प्रकारे साध्य होण्यासाठी, जेणेकरुन ते काहीसे विशिष्ट दिसावे - तुम्हाला Facebook/Apple/Amazon/Netflix/Google वर DS किंवा रिसर्च सायंटिस्ट बनायचे आहे - आवश्यकता, भाषा आणि आवश्यक कौशल्ये पहा विशेषतः कोणत्या पदासाठी. नेमणूक प्रक्रिया काय आहे? अशा भूमिकेत एक सामान्य दिवस कसा जातो? तिथे काम करणाऱ्या व्यक्तीची सरासरी प्रोफाइल कशी दिसते?

बर्‍याचदा एकंदरीत चित्र असे असते की एखाद्या व्यक्तीला त्याला नेमके काय हवे आहे हे समजत नाही आणि या अस्पष्ट प्रतिमेची तयारी कशी करावी हे पूर्णपणे स्पष्ट नसते - म्हणून आपल्याला नेमके काय हवे आहे याची किमान एक ढोबळ योजना असणे योग्य आहे.

वर्तमान ध्येय दृश्य ठोस करा

जरी ते वाटेत बदलत असले, आणि नाटकाच्या दरम्यान योजना बदलणे सामान्यपणे सामान्य आहे, तरीही एक ध्येय असणे आणि त्यावर लक्ष केंद्रित करणे, वेळोवेळी मूल्यांकन करणे आणि पुनर्विचार करणे फायदेशीर आहे.

ते असेल किंवा ते अजूनही संबंधित आहे?

जोपर्यंत तुम्ही स्थितीत वाढता.

कल्पना करा की तुमच्या पदापूर्वी तुम्हाला पीएचडी करायची आहे, उद्योगात २-३ वर्षे काम करायचे आहे आणि साधारणपणे मठात ध्यान करताना तुमचे केस कापायचे आहेत - डेटा सायन्सची परिस्थिती पूर्वी अर्थशास्त्रज्ञांसारखीच होणार नाही आणि वकील? तुम्ही ज्या क्षेत्राचा पाठपुरावा करू इच्छिता त्या क्षेत्रात सर्व काही ओळखण्यापलीकडे बदलेल का?

प्रत्येकजण आता तिथे गर्दी करेल अशी चांगली संधी नाही आणि आम्हाला असे चित्र दिसेल जिथे व्यवसायात प्रवेश करण्याचा प्रयत्न करणार्‍या लोकांचा एक विस्तृत थर आहे - आणि तेथे फक्त एक अल्प प्रारंभिक स्थिती असेल.

मार्ग निवडताना सध्याच्या ट्रेंडचा विचार करणे योग्य आहे, केवळ श्रमिक बाजाराची सद्य स्थितीच नाही तर ते कसे बदलत आहे आणि ते कुठे आहे याची तुमची कल्पना देखील आहे.

उदाहरणार्थ, लेखकाने सैतानवादी बनण्याची योजना आखली नाही, परंतु त्याच्या पीएचडी दरम्यान त्याने तृतीय-पक्षाच्या प्रकल्पांवर काम केले ज्यात डीएस बरोबर साम्य असलेली मजबूत कौशल्ये होती आणि पदवीधर शाळेच्या शेवटी तो नैसर्गिकरित्या पर्यावरणाकडे वळला, एक चांगले पाहून स्थिती

जर नाटकाच्या दरम्यान असे दिसून आले की इतरत्र हलविणे आवश्यक आहे - कारण तेथे आता सर्वात जास्त हालचाल होत आहे आणि सर्व मनोरंजक क्रिया घडत आहेत, तर आम्ही नैसर्गिकरित्या तेथे जाऊ.

कौशल्य ब्रेकडाउन

या कौशल्यांच्या सशर्त श्रेणी आहेत ज्या मला DS मध्ये पूर्ण आणि प्रभावी कामासाठी महत्त्वाच्या वाटतात. मी स्वतंत्रपणे इंग्रजी हायलाइट करेन - तुम्ही CS मध्ये जे काही करता ते शिका. पुढील प्रमुख श्रेणी आहेत.

प्रोग्रामिंग/स्क्रिप्टिंग

तुम्हाला नक्की कोणत्या भाषा अवगत आहेत? अजगर? जावा? शेल स्क्रिप्टिंग? लुआ? एसक्यूएल? C++?

प्रोग्रॅमिंगच्या बाबतीत तुम्हाला नेमके काय सक्षम असणे आवश्यक आहे आणि का - येथील पदांची श्रेणी मोठ्या प्रमाणात बदलते.

उदाहरणार्थ, मला बर्‍याचदा जटिल तर्कशास्त्र, क्वेरी, मॉडेल्स, विश्लेषणे लागू करावी लागतात आणि सामान्यत: अर्थ लावलेल्या प्रणाली विकसित कराव्या लागतात, परंतु सर्वात सामान्य आणि वाजवी वगळता, कोडच्या गतीसाठी जवळजवळ कधीही आवश्यकता नसते.

म्हणून, माझे कौशल्य संच त्यांच्यापेक्षा खूप वेगळे आहे जे Tensorflow लायब्ररी लिहितात आणि l1 कॅशे आणि तत्सम गोष्टींचा कार्यक्षम वापर करण्यासाठी कोड ऑप्टिमाइझ करण्याचा विचार करतात, म्हणून तुम्हाला नक्की काय हवे आहे ते पहा आणि शिकण्याच्या योग्य मार्गाचे मूल्यांकन करा.

उदाहरणार्थ, अजगरासाठी, लोक आधीच मेक अप करतात नकाशा भाषा शिकणे.

निश्चितपणे, तुमच्या गरजांसाठी आधीच अनुभवी सल्ला आणि चांगले स्रोत आहेत - तुम्हाला यादी ठरवायची आहे आणि त्यावर काम सुरू करायचे आहे.

व्यवसाय प्रक्रिया समजून घेणे

आपण त्याशिवाय कुठेही जाऊ शकत नाही: आपल्याला या प्रक्रियेत का आवश्यक आहे, आपण काय करत आहात आणि का हे समजून घेणे आवश्यक आहे. यामुळे तुमचा बराच वेळ वाचू शकतो, तुमचे फायदे वाढू शकतात आणि वेळ आणि संसाधने वाया घालवणे टाळता येते.

सहसा, मी स्वतःला खालील प्रश्न विचारतो:

• मी कंपनीत नक्की काय करू?
• का?
• त्याचा वापर कोण आणि कसा करणार?
• माझ्याकडे कोणते पर्याय आहेत?
• पॅरामीटर्सच्या मर्यादा काय आहेत?

येथे पॅरामीटर्सबद्दल थोडे अधिक तपशील आहे: जर तुम्हाला माहित असेल की एखाद्या गोष्टीचा त्याग केला जाऊ शकतो तर तुम्ही बर्‍याचदा कामाची परिस्थिती मोठ्या प्रमाणात बदलू शकता: उदाहरणार्थ, अर्थ लावणे किंवा त्याउलट, येथे काही टक्के भूमिका बजावणार नाहीत आणि आमच्याकडे खूप वेगवान आहे. उपाय, आणि क्लायंटला त्याची गरज आहे, कारण तो AWS मध्ये पाइपलाइन चालू असलेल्या वेळेसाठी पैसे देतो.

गणित

येथे तुम्ही स्वतः सर्व काही विचार करता आणि समजून घेता - मूलभूत गणिताच्या ज्ञानाशिवाय तुम्ही ग्रेनेड (माफ करा रँडम फॉरेस्ट) असलेल्या माकडांपेक्षा अधिक काही नाही - म्हणून तुम्हाला किमान मूलभूत गोष्टी समजून घेणे आवश्यक आहे. जर मी अगदी कमी यादी संकलित केली तर त्यात हे समाविष्ट असेल:

• रेखीय बीजगणित - मोठ्या संख्येने संसाधने Google साठी सोपे आहेत, आपल्यासाठी सर्वात चांगले काय आहे ते पहा;
• गणितीय विश्लेषण - (किमान पहिल्या दोन सेमिस्टरमध्ये);
• मशीन लर्निंगमध्ये संभाव्यता सिद्धांत सर्वत्र आहे;
• कॉम्बिनेटरिक्स - हे प्रत्यक्षात सिद्धांताला पूरक आहे;
• आलेख सिद्धांत - किमान BASIC;
• अल्गोरिदम - किमान पहिल्या दोन सेमेस्टरसाठी (त्याच्या पुस्तकातील कॉर्मेनच्या शिफारसी पहा);
• मॅथलॉजिक - किमान मूलभूत.

व्यावहारिक डेटा विश्लेषण आणि व्हिज्युअलायझेशन

सर्वात महत्त्वाच्या गोष्टींपैकी एक म्हणजे डेटासह आपले हात घाण होण्यास घाबरू नका आणि डेटासेट, प्रकल्पाचे सर्वसमावेशक विश्लेषण करा आणि द्रुत डेटा व्हिज्युअलायझेशन तयार करा.

इतर सर्व डेटा ट्रान्सफॉर्मेशन आणि युनिक्स नोड्समधून एक साधी पाइपलाइन तयार करण्याची क्षमता (मागील लेख पहा) किंवा वाचनीय आणि समजण्यायोग्य नोटबुक लिहिण्याची क्षमता याप्रमाणे एक्सप्लोरेटरी डेटा अॅनालिसिस हे फक्त नैसर्गिक बनले पाहिजे.

मी व्हिज्युअलायझेशनचा उल्लेख करू इच्छितो: शंभर वेळा ऐकण्यापेक्षा एकदा पाहणे चांगले.

मॅनेजरला आलेख दाखवणे हे संख्यांच्या संचापेक्षा शंभर पट सोपे आणि स्पष्ट आहे, त्यामुळे मॅटप्लॉटलिब, सीबॉर्न आणि ggplot2 हे तुमचे मित्र आहेत.

सॉफ्ट स्किल्स

तुमच्या कल्पना, तसेच परिणाम आणि चिंता (इ.) इतरांना कळवण्यात सक्षम असणे तितकेच महत्त्वाचे आहे - तुम्ही तांत्रिक आणि व्यावसायिक दोन्ही अटींमध्ये कार्य स्पष्टपणे सांगू शकता याची खात्री करा.

काय होत आहे, तुम्ही कोणता डेटा वापरत आहात आणि तुम्हाला कोणते परिणाम मिळाले आहेत हे तुम्ही सहकारी, व्यवस्थापक, वरिष्ठ, क्लायंट आणि इतर कोणालाही समजावून सांगू शकता ज्यांना त्याची गरज आहे.

तुमचे तक्ते आणि कागदपत्रे तुमच्याशिवाय वाचली पाहिजेत. म्हणजेच, तिथे काय लिहिले आहे हे समजून घेण्यासाठी तुम्हाला तुमच्याकडे जाण्याची गरज नाही.

तुम्‍ही प्रॉजेक्ट/तुमच्‍या कामाचे दस्‍तीकरण करण्‍यासाठी आणि/किंवा दस्तऐवजीकरण करण्‍यासाठी स्‍पष्‍ट सादरीकरण करू शकता.

तुम्ही तुमची स्थिती तर्कसंगत आणि भावनिक रीतीने व्यक्त करू शकता, "हो/नाही" म्हणा किंवा प्रश्न/निर्णयाचे समर्थन करू शकता.

प्रशिक्षण सत्र

अशी अनेक ठिकाणे आहेत जिथे आपण हे सर्व शिकू शकता. मी एक छोटी यादी देईन - मी त्यातून सर्वकाही प्रयत्न केले आणि प्रामाणिकपणे सांगायचे तर, प्रत्येक वस्तूचे त्याचे फायदे आणि तोटे आहेत. हे वापरून पहा आणि आपल्यास काय अनुकूल आहे ते ठरवा, परंतु मी अनेक पर्याय वापरून पहा आणि एकावर अडकू नका अशी शिफारस करतो.

• ऑनलाइन अभ्यासक्रम: coursera, udacity, Edx, इ;
• नवीन शाळा: ऑनलाइन आणि ऑफलाइन - SkillFactory, SAD, MADE;
• शास्त्रीय शाळा: विद्यापीठातील मास्टर्स प्रोग्राम आणि प्रगत प्रशिक्षण अभ्यासक्रम;
• प्रकल्प - तुम्ही तुम्हाला स्वारस्य असलेली कार्ये निवडू शकता आणि त्यांना कट करू शकता, त्यांना गिथबवर अपलोड करू शकता;
• इंटर्नशिप - येथे काहीही सुचवणे कठीण आहे; तुम्हाला काय उपलब्ध आहे ते शोधावे लागेल आणि योग्य पर्याय शोधावे लागतील.

ते आवश्यक आहे का?

शेवटी, मी कदाचित तीन वैयक्तिक तत्त्वे जोडेन जे मी स्वतः अनुसरण करण्याचा प्रयत्न करतो.

• मनोरंजक असावे;
• आंतरिक आनंद आणा (= किमान दुःखाचे कारण नाही);
• "तुझे होण्यासाठी."

त्यांना का? दररोज काहीतरी करणे आणि त्याचा आनंद घेणे किंवा स्वारस्य नसणे याची कल्पना करणे कठीण आहे. अशी कल्पना करा की तुम्ही एक डॉक्टर आहात आणि तुम्हाला लोकांशी संवाद साधण्याचा तिरस्कार वाटतो - हे नक्कीच, कसे तरी कार्य करू शकते, परंतु तुम्हाला काहीतरी विचारू इच्छित असलेल्या रुग्णांच्या प्रवाहामुळे तुम्ही सतत अस्वस्थ व्हाल. हे दीर्घकाळात काम करत नाही.

मी विशेषतः आंतरिक सुखाचा उल्लेख का केला? मला असे वाटते की पुढील विकासासाठी आणि तत्त्वतः, शिकण्याच्या प्रक्रियेसाठी हे आवश्यक आहे. जेव्हा मी काही क्लिष्ट वैशिष्‍ट्ये पूर्ण करण्‍याचे व्‍यवस्‍थापित करतो आणि एखादे मॉडेल तयार करतो किंवा एखादे महत्‍त्‍वाचे मापदंड मोजतो तेव्हा मला याचा आनंद होतो. जेव्हा माझी संहिता सौंदर्यदृष्ट्या सुंदर आणि चांगली लिहिली जाते तेव्हा मला त्याचा आनंद होतो. म्हणून, काहीतरी नवीन शिकणे मनोरंजक आहे आणि थेट कोणत्याही महत्त्वपूर्ण प्रेरणा आवश्यक नाही.

"तुमचे असणे" हीच भावना आहे की तुम्हाला हेच करायचे होते. माझ्याकडे एक छोटीशी कथा आहे. लहानपणापासूनच मला रॉक म्युझिक (आणि मेटल - सॅल्मन!) मध्ये रस आहे आणि इतर अनेकांप्रमाणे मला कसे खेळायचे हे शिकायचे होते आणि एवढेच. असे दिसून आले की मला ऐकू येत नाही आणि आवाजही नाही - याचा मला अजिबात त्रास झाला नाही (आणि मला म्हणायचे आहे की हे स्टेजवर अनेक कलाकारांना त्रास देत नाही), आणि मी शाळेत असताना मला गिटार मिळाला ... आणि हे स्पष्ट झाले की मला तासन्तास बसून त्यावर खेळणे खरोखर आवडत नाही. हे कठीण जात होते, मला नेहमीच असे वाटत होते की एक प्रकारचा बल्शिट बाहेर येत आहे - मला त्यातून अजिबात आनंद मिळाला नाही आणि मला फक्त वाईट, मूर्ख आणि पूर्णपणे अक्षम वाटले. मी अक्षरशः स्वत: ला वर्गासाठी बसण्यास भाग पाडले आणि सर्वसाधारणपणे ते घोड्यासाठी चांगले अन्न नव्हते.

त्याच वेळी, फ्लॅशवर काहीतरी (किंवा दुसरे काहीतरी) अॅनिमेट करण्यासाठी स्क्रिप्टचा वापर करून, खेळणी विकसित करण्यासाठी मी तासन्तास शांतपणे बसू शकलो आणि मला गेममधील घटक पूर्ण करण्यासाठी किंवा हालचालींच्या यांत्रिकी आणि/किंवा हाताळण्यासाठी खूप प्रेरणा मिळाली. तृतीय-पक्ष लायब्ररी, प्लगइन आणि इतर सर्व काही कनेक्ट करणे.

आणि कधीतरी मला जाणवलं की गिटार वाजवणं ही माझी गोष्ट नाही आणि मला ऐकायला आवडतं, वाजवायला नाही. आणि जेव्हा मी गेम आणि कोड (त्या क्षणी सर्व प्रकारचे धातू ऐकणे) लिहिले तेव्हा माझे डोळे चमकले आणि तेव्हा मला तेच आवडले आणि मी तेच करायला हवे होते.

तुम्हाला इतर काही प्रश्न आहेत का?

अर्थात, आम्ही सर्व विषय आणि प्रश्नांमध्ये जाऊ शकलो नाही, म्हणून टिप्पण्या लिहा आणि मला PM करा - मला प्रश्न विचारण्यात नेहमीच आनंद होतो.

स्त्रोत: www.habr.com