"प्रारंभिक विश्लेषकांसह नेटवर्क कसे करावे" किंवा "डेटा सायन्समध्ये प्रारंभ करा" ऑनलाइन कोर्सचे पुनरावलोकन

मी "एक हजार वर्षे" काहीही लिहिले नाही, परंतु अचानक "सुरुवातीपासून डेटा सायन्स शिकणे" यावरील प्रकाशनांच्या मिनी-सायकलमधून धूळ उडविण्याचे एक कारण होते. सोशल नेटवर्क्सपैकी एकावर संदर्भित जाहिरातींमध्ये तसेच माझ्या आवडत्या Habré वर, मला कोर्सबद्दल माहिती मिळाली "डेटा सायन्समध्ये प्रारंभ करा". त्याची किंमत फक्त पेनी होती, कोर्सचे वर्णन रंगीत आणि आशादायक होते. "दुसरा कोर्स करून निरुपयोगीपणापासून धुळीला मिळालेली कौशल्ये पुनर्संचयित का करत नाहीत?" - मला वाट्त. कुतूहलाचीही भूमिका होती; या कार्यालयात प्रशिक्षणाची संस्था कशी कार्य करते हे मला खूप पूर्वीपासून पहायचे होते.

मी तुम्हाला ताबडतोब चेतावणी देतो की मी कोणत्याही प्रकारे कोर्स डेव्हलपर किंवा त्यांच्या स्पर्धकांशी संलग्न नाही. लेखातील सर्व साहित्य हे विडंबनाचा थोडासा स्पर्श असलेला माझा व्यक्तिनिष्ठ मूल्य निर्णय आहे.
तर, तुम्हाला अजूनही माहित नाही की तुमचे कष्टाने कमावलेले 990 रूबल कुठे गुंतवायचे? मग मांजरीखाली तुमचे स्वागत आहे.

एक लहान प्रस्तावना म्हणून, मी असे म्हणेन की मी आशादायक अभ्यासक्रमांबद्दल काहीसा साशंक आहे जे एका नवशिक्याला अल्पावधीत "100 रूबलपेक्षा जास्त पगारासह यशस्वी डेटा विश्लेषक" बनवू शकतात (जरी तुम्हाला कदाचित शीर्षक चित्रावरून याचा अंदाज आला असेल. लेख).

अनेक वर्षांपूर्वी, डेटा सायन्स प्रशिक्षणासाठी सक्रिय जाहिरातींच्या पार्श्वभूमीवर, मी डेटा सायन्सच्या क्षेत्रात किमान काहीतरी प्रभुत्व मिळविण्यासाठी वेगवेगळ्या मार्गांनी प्रयत्न केले आणि मला मिळालेल्या अडथळ्यांबद्दल नोट्स Habr वाचकांसह सामायिक केल्या.

मालिकेतील इतर लेख1. मूलभूत गोष्टी जाणून घ्या:

• "मोठा आणि छोटा डेटा पकडा!" — (कॉग्निटिव्ह क्लासमधील डेटा सायन्स अभ्यासक्रमांचे संक्षिप्त विहंगावलोकन)
• “आता त्याने तुम्हालाही मोजले आहे” किंवा डेटा सायन्स फ्रॉम स्क्रॅच
• "ऑस्करऐवजी आइसबर्ग!" किंवा मी kaggle वर DataScience च्या मूलभूत गोष्टी शिकण्याचा प्रयत्न कसा केला
• "शक्य असलेले छोटे इंजिन!" किंवा "मशीन लर्निंग आणि डेटा अॅनालिटिक्स स्पेशलायझेशन", डेटा सायन्स नवशिक्याच्या नजरेतून

2. तुमच्या पहिल्या कौशल्यांचा सराव करा

• "मशीन लर्निंगचा उदय" किंवा डेटा सायन्स आणि लाइट बल्ब स्पेक्ट्रा विश्लेषणाचे छंद एकत्र करणे
• "घड्याळाच्या काट्यासारखे!" किंवा Accord.NET फ्रेमवर्क वापरून C# मध्ये मशीन लर्निंग (डेटा सायन्स).
• "मशीन लर्निंगची शक्ती वापरा, ल्यूक!" किंवा KSS नुसार luminaires चे स्वयंचलित वर्गीकरण
• मॉस्को सरकारच्या खुल्या डेटाचे विश्लेषण करण्यासाठी "4 विवाह आणि एक अंत्यसंस्कार" किंवा रेखीय प्रतिगमन
• मॉस्को ओपन डेटाचे विश्लेषण करण्यासाठी Accord.NET वापरून "तुर्की सुलतानला पत्र" किंवा C# मध्ये रेखीय प्रतिगमन

आणि बर्‍याच दिवसांनंतर, मी दुसरा कोर्स करण्याचा निर्णय घेतला.

अभ्यासक्रम वर्णन:

"डेटा सायन्समध्ये प्रारंभ करा" या कोर्सचे वर्णन वचन देते की केवळ 990 रूबल खर्च केल्यानंतर (लेखनाच्या वेळी) आम्ही नवशिक्यांसाठी व्हिडिओ व्याख्याने आणि व्यावहारिक कार्यांच्या स्वरूपात चार आठवड्यांचा कोर्स प्राप्त करू. तसेच, कोर्सच्या खर्चाच्या काही भागासाठी कर कपातीच्या रूपात भरपाईबद्दल विसरू नका (ते सर्व कागदपत्रे मेलद्वारे पाठविण्याचे वचन देतात).

कोर्समध्ये दोन सशर्त ब्लॉक्स आहेत, एक तुम्हाला "डेटा सायन्स" म्हणजे काय, कोणती लोकप्रिय क्षेत्रे आहेत आणि तुम्ही डेटा सायन्सच्या क्षेत्रात करिअर कसे विकसित करू शकता हे सांगेल. दुसरा ब्लॉक डेटा विश्लेषणासाठी पाच टूल्स पाहतो: Excel, SQL, Python, Power BI आणि डेटा कल्चर.

बरं, "स्वादिष्ट" काय वाटतं, आम्ही कोर्ससाठी पैसे देतो आणि प्रारंभ तारखेची प्रतीक्षा करतो.

अपेक्षेने, आम्ही अभ्यासक्रम सुरू होण्याच्या आदल्या दिवशी आमच्या वैयक्तिक खात्यात लॉग इन करतो, विकासकांकडून विभक्त शब्दांमधून स्क्रोल करतो आणि अभ्यासक्रमाच्या दीर्घ-प्रतीक्षित प्रारंभाच्या सूचनेची प्रतीक्षा करतो.

वेळ निघून गेला, डी-डे आला आणि तुम्ही प्रशिक्षण सुरू करू शकता. पहिला धडा उघडल्यानंतर, आम्ही ऑनलाइन शिक्षण प्रणालीशी परिचित असलेली योजना पाहू - एक व्हिडिओ व्याख्यान, अतिरिक्त साहित्य, चाचण्या आणि गृहपाठ. जर तुम्ही कधीही Coursera, EDX, Stepik वापरले असेल तर तुम्हाला कोणतीही अडचण येऊ नये.

कोर्सच्या आत:

चला क्रमाने जाऊया. पहिल्या धड्याचा विषय "DS विहंगावलोकन: मूलभूत, फायदे, अनुप्रयोग" आहे, तो पुढील सर्व धड्यांप्रमाणे व्हिडिओ व्याख्यानाने सुरू होतो.

आणि सुरुवातीपासूनच असे जाणवते की कॉमरेड्स दृष्टीकोनातून मार्गदर्शन करत होते "म्हणून ते होईल" माझ्या आवडत्या सोव्हिएत कार्टूनमधून.

पहिल्याच मिनिटापासून तुम्हाला समजते की अभ्यासक्रमासाठीची सामग्री विशेष रेकॉर्ड केलेली नव्हती, परंतु इतर काही खुल्या धड्यांमधून किंवा विशेष अभ्यासक्रमांमधून घेतली गेली होती. तसेच व्हिडिओला कोणतेही उपशीर्षक किंवा डाउनलोड पर्याय नाहीत ऑफलाइन पाहण्यासाठी.

व्याख्यानानंतर, धड्यासाठी अतिरिक्त साहित्य ऑफर केले जाते (व्हिडिओ व्याख्यानाचे सादरीकरण आणि शिफारस केलेले साहित्य), आम्ही त्यांचे विश्लेषण करणार नाही.

मग एक परीक्षा आमची वाट पाहत आहे. कव्हर केलेल्या सामग्रीसाठी प्रश्नांची जटिलता आणि पर्याप्ततेच्या प्रमाणात चाचण्या बदलतात.

आणि येथे पुन्हा प्रशिक्षणाच्या परिणामात रस नसणे दिसून येते, तुम्ही चाचणी अयशस्वी होऊ शकता, परंतु त्याचा काहीही परिणाम होणार नाही, तुम्ही अजूनही धडा यशस्वीपणे पास कराल, परंतु पुन्हा घेण्याच्या अतिरिक्त प्रयत्नाची विनंती बहुधा अनुत्तरीत राहील.

त्यानंतर, पाठ योजना: “व्हिडिओ -> अतिरिक्त. साहित्य -> ​​चाचणी” हा संपूर्ण अभ्यासक्रमाचा आधार असेल.

कधीकधी धडा प्रश्नावली आणि स्वतंत्र गृहपाठाने पातळ केला जाईल.

फक्त दोन गृहपाठ असाइनमेंट आहेत. आणि खरे सांगायचे तर मी फक्त एक उत्तीर्ण झालो.

तुमची पहिली गृहपाठ असाइनमेंट म्हणजे तुमच्या मुख्य कौशल्यांची रूपरेषा देणारा रेझ्युमे सबमिट करणे. मी 100% म्हणू शकत नाही, परंतु मला असे दिसते की जवळजवळ कोणताही रेझ्युमे स्वीकारला जाईल आणि असाइनमेंट स्वीकारले जाईल. असाइनमेंट केल्यानंतर, तुम्हाला अतिरिक्त साहित्य पाठवले जाईल—शिफारशी. Coursera वर गृहपाठ करताना मी कसा संघर्ष केला हे लक्षात ठेवून, ते किती साधे आहे हे पाहून मी थोडा अस्वस्थ झालो.

प्रास्ताविक भाग पूर्ण केल्यानंतर, बहुप्रतीक्षित “डेटा सायन्समध्ये प्रारंभ करण्यासाठी साधने” चा अभ्यास सुरू होतो. आणि पहिला धडा मोठ्याने शीर्षक असलेला धडा आहे: "एक्सेलमध्ये कार्य करणे: कौशल्ये शून्य ते विश्लेषक श्रेणीसुधारित करणे."

व्वा! हे मोहक वाटते, परंतु प्रत्यक्षात अपेक्षा आणि वास्तविकता यातील फरक फास्ट फूडच्या जाहिरातीतील हॅम्बर्गरचा फोटो आणि चेकआउट करताना ते तुम्हाला काय देतात यामधील फरक आहे.

खरं तर, आम्ही निरीक्षण करू की, एक्सेलमधील ऑटोफिलिंग सेलमधून “VLOOKUP()” फंक्शनच्या गोंधळात टाकणाऱ्या वर्णनाकडे कसे जाताना, शिक्षक “असणे किंवा नसणे”, “या प्रश्नाच्या विषयावर हॅम्लेटसारखे संकोच करेल. नवशिक्यांसाठी सर्वकाही समजावून सांगा" किंवा "साधकांसाठी मनोरंजक सामग्री द्या." माझ्या व्यक्तिनिष्ठ मतानुसार, एक किंवा दुसरे काम केले नाही.

हे विशेषतः चांगले आहे की कोर्समध्ये थेट वेबिनार समाविष्ट नाही हे तथ्य असूनही. म्हणजेच, हे तुम्ही चुकवलेल्या वर्गांचे रेकॉर्डिंग नाहीत, परंतु बर्याच काळापूर्वी झालेल्या वर्गांचे रेकॉर्डिंग (खालील चित्र पहा), लेखकांनी तरीही वातावरण टिकवून ठेवण्याचा निर्णय घेतला. (किंवा कदाचित ते फक्त आळशी होते) и शिक्षक ध्वनी समस्या सोडवत असताना तुम्हाला पाच मिनिटे पहा.

व्हिडिओनंतर, मानक योजनेनुसार, अतिरिक्त सामग्री आणि चाचणी अनुसरण करा.

पुढील विषय SQL भाषेबद्दल आहे. धडा SQL प्रश्नांसह कार्य करण्याच्या मूलभूत गोष्टी आणि उदाहरणे प्रदान करतो; तत्वतः, समान विषयावरील व्हिडिओ आणि लेख आढळू शकतात इंटरनेटवर विनामूल्य शोधणे सोपे आहे.

SQL नंतर पायथन लायब्ररी “पांडा” वापरून कागले कडून डेटासेटवर प्रक्रिया करण्याचा धडा आहे. धडा योजना बदललेली नाही: व्हिडिओ -> अतिरिक्त. साहित्य -> ​​चाचणी. कोणतीही अतिरिक्त कार्ये प्रदान केलेली नाहीत, परिणामांची स्वयंचलित तपासणी असलेले कार्य देखील नाही. अशा प्रकारे, तुम्हाला निश्चितपणे अॅनाकोंडा स्थापित करून कोड लिहावा लागणार नाही. तसेच व्हिडिओ लेक्चरमधील कोडची बारीक प्रिंट लक्षात घेण्यासारखे आहे, फोनवर ते पाहणे निरर्थक आहे, आणि मला ते मॉनिटरवर जवळजवळ पॉइंट-ब्लँक पहावे लागले.

धडा चार: "10 मिनिटांत PBI मध्ये लॉजिस्टिक रिपोर्टचे व्हिज्युअलायझेशन" (видео кстати длится минут 50) . या व्हिडिओमध्ये ते पॉवर बीआय नावाच्या मनोरंजक साधनाबद्दल बोलतील; खरे सांगायचे तर, मी यापूर्वी कधीही ऐकले नव्हते.

अभ्यासक्रमाचा अनपेक्षित शेवट:

शेवटचा पाचवा धडा तुम्हाला योग्य डेटा स्टोरेजच्या सामान्य तत्त्वांबद्दल सांगेल; व्याख्यान पुन्हा दुसऱ्या कोर्समधून घेतले आहे. या धड्यात, मानक चाचणी व्यतिरिक्त, गृहपाठ पुन्हा दिसून येतो, परंतु मी ते केले नाही. का जाणून घ्यायचे आहे?

कारण जेव्हा मी आज कोर्सचे पृष्ठ उघडले, जे फक्त अर्धे पूर्ण झाले होते, तेव्हा मला हे दिसले:

ते आहे प्रणालीने मानले की मी अभ्यासक्रम यशस्वीरित्या पूर्ण केला आहे, जरी प्रत्यक्षात मी तो पूर्ण केला नाही.

शिवाय, उर्वरित सर्व व्हिडिओ पाहिल्यानंतर आणि चाचण्या घेतल्यानंतर, काउंटर बदलला नाही, परंतु 56% वर राहिला. असे मला वाटते मी काहीही पाहू शकलो नाही आणि कोणतीही चाचणी घेऊ शकलो नाही आणि तरीही "डिप्लोमा" मिळवू शकलो नाही.

विशेषतः आश्चर्याची गोष्ट म्हणजे हा अभ्यासक्रम अधिकृतपणे 22 जुलै ते 14 ऑगस्टपर्यंत चालला होता आणि मला “डिप्लोमा” आधीच 04.08.2019 ऑगस्ट XNUMX रोजी जारी करण्यात आला होता.

प्रशिक्षणाचा परिणाम

प्रशिक्षण पूर्ण झाल्यावर, कंपनीची वेबसाइट आम्हाला वचन देते: "तुमच्या पात्रतेची पुष्टी प्रस्थापित स्वरूपाच्या कागदपत्रांद्वारे केली जाईल." पण अडचण अशी आहे की, हा कोर्स ना पुनर्प्रशिक्षण कार्यक्रम किंवा प्रगत प्रशिक्षण कार्यक्रम आहे, याचा अर्थ तुम्हाला फक्त मिळेल "प्रमाणपत्र", ज्याला तत्वतः अधिकृत दर्जा नाही.

कदाचित एक वाजवी प्रश्न असेल: "तुम्ही 990 रूबलसाठी काय अपेक्षा केली?" खरे सांगायचे तर, मला कशाचीही अपेक्षा नव्हती. हे स्पष्ट आहे की उच्च-गुणवत्तेचे अभ्यासक्रम लक्षणीयरीत्या अधिक महाग आहेत. परंतु समस्या अशी आहे की असे विनामूल्य अभ्यासक्रम आहेत जे केवळ वाईटच नव्हे तर अनेक वेळा व्यावसायिकरित्या बनवले जातात, उदाहरणार्थ, पासून अभ्यासक्रम एमव्हीए किंवा पासून संज्ञानात्मक वर्ग. अभ्यासक्रम पूर्ण केल्याचे समान “प्रमाणपत्र” (कोणाला आवश्यक असल्यास), तेथे तुम्ही ते पूर्णपणे मोफत मिळवू शकता.

याचा एक फायदा असा आहे की हे पुनरावलोकन साहित्य एकाच ठिकाणी संकलित केले जाते आणि डेटा सायन्सशी पूर्णपणे अपरिचित असलेल्या व्यक्तीसाठी या भागात नेव्हिगेट करणे खरोखर सोपे होईल.

अभ्यासक्रमाच्या शेवटी, आम्हाला वचन दिले जाते की आम्ही अनेक साधने शिकू आणि आमच्या रेझ्युमेवर आम्ही असे काहीतरी लिहू शकू:

खरं तर ही अतिशयोक्ती आहे. तुम्ही मूलत: फक्त अनेक साधनांबद्दल ऐकाल आणि आणखी काही नाही.

सारांश

माझ्या मते, कोर्समध्ये किमान उपयुक्त भार आहे; हे विशेषतः निराशाजनक आहे की लेखक त्यासाठी स्वतंत्र व्हिडिओ व्याख्याने रेकॉर्ड करण्यास खूप आळशी होते. चांगल्या मार्गाने, अशा गोष्टीसाठी पैसे मागणे लाजिरवाणे आहे किंवा तुम्ही 10 पट कमी पैसे मागावेत.

पण मी पुन्हा एकदा सांगतो की वरील सर्व केवळ माझा व्यक्तिनिष्ठ मूल्याचा निर्णय आहे; हा अभ्यासक्रम घ्यायचा की नाही हे तुमच्यावर अवलंबून आहे.

PS कदाचित कालांतराने अभ्यासक्रमाचे लेखक त्यास अंतिम स्वरूप देतील आणि संपूर्ण लेख प्रासंगिकता गमावेल.
फक्त बाबतीत, मी असे लिहीन की हा कोर्स 22 जुलै ते 14 ऑगस्ट दरम्यानच्या पहिल्याच लॉन्चसाठी वैध आहे.

PPS जर पोस्ट खूप अयशस्वी ठरली, तर मी ते हटवेल, परंतु सुरुवातीला मला टीका वाचायला आवडेल, कदाचित काहीतरी संपादित करणे आवश्यक आहे. अन्यथा, सध्या हे कमी-गुणवत्तेच्या अभ्यासक्रमावर वजा गैरसोयीचे टीकासारखे दिसते

स्त्रोत: www.habr.com