Come creare un piano di studio di Data Science di un anno utilizzando la stagionalità del tuo cervello

'Creare un piano di studio di Data Science di un anno sfruttando la stagionalità del cervello'

Il tuo cervello ha anche le stagioni e puoi usarle per imparare Data Science in modo più efficiente

Insegnarti da solo la Data Science può sembrare fuori dalla tua portata quando tutto ciò con cui sei sommerso sui social media in questi giorni sono storie di come le persone abbiano imparato la Data Science in tre mesi e siano state assunte da una società FAANG più velocemente di quanto tu potessi dire “database”.

Quando non riesci nemmeno a far funzionare il tuo semplice programma Python senza errori, queste storie possono essere le più scoraggianti.

In momenti come questi, può sembrare un sogno impossibile insegnarsi la Data Science e iniziare una nuova carriera. Può sembrare anche un esercizio inutile quando hai provato tutto in passato per insegnarti i concetti e gli strumenti di cui avrai bisogno per avere successo, solo per arrenderti dopo un paio di settimane a causa di mancanza di impegno, progresso o divertimento.

Tuttavia, se c’è una cosa che ho imparato nell’autodidattica di successo degli ultimi quattro anni, è che il successo arriva quando finalmente impari come lavorare con il tuo cervello – anziché contro di esso. E questo avviene imparando a lavorare con la stagionalità del tuo cervello.

• Analisi esplorativa dei dati Svelare la storia all’interno del tuo dataset
• Padronanza della segmentazione dei clienti utilizzando i dati delle transazioni con carta di credito
• Come le aziende possono costruire il proprio grande modello linguistico simile al ChatGPT di OpenAI

Ecco come impostare il tuo piano di studio autodidattico per la Data Science di un anno utilizzando la stagionalità del tuo cervello per massimizzare il tuo potenziale di apprendimento ed efficacia.

Il tuo piano di studio stagionale di 1 anno

La funzionalità del cervello è influenzata dalla stagione, così come dall’ora del giorno. Nel 2016 sono state studiate le ritmiche annuali dell’attività cerebrale e si è scoperto che fluttuano a seconda della stagione. Lo studio ha rilevato che il cervello funziona al massimo delle sue capacità nelle attività di attenzione sostenuta durante l’estate, ma al minimo delle sue capacità nelle stesse attività durante l’inverno. Inoltre, il cervello funziona al massimo delle sue capacità nei compiti di memoria di lavoro (la memoria di lavoro si riferisce alla memoria necessaria per “pianificare, comprendere, ragionare e risolvere problemi”) durante l’autunno, ma al minimo delle sue capacità negli stessi compiti durante la primavera. Sebbene siano necessari ulteriori studi per solidificare questi risultati, possiamo comunque utilizzarli per produrre un piano di studio per la Data Science di un anno che utilizzerà il tuo cervello al massimo delle sue potenzialità.

Inverno: programmazione e strutture dati

Secondo lo studio sopra citato, l’inverno è un momento in cui il tuo cervello non è proprio al massimo quando si tratta di attività di attenzione sostenuta. Tuttavia, ciò non significa che non puoi iniziare a lavorare attraverso tutorial di programmazione e familiarizzare con database e strutture dati.

Dalla mia esperienza, posso dire che non dovresti dedicare più di tre ore intense al giorno per imparare a programmare o lavorare con i database. C’è qualcosa nell’imparare a programmare che si presta meglio a dare tutto ciò che hai in due o tre ore di lezioni e poi dedicare il resto del tempo alla risoluzione di problemi pratici – che è dove di solito fai la maggior parte del tuo apprendimento.

freeCodeCamp.org

Impara a programmare gratis.

www.youtube.com

È ora di iniziare a seguire le lezioni su freeCodeCamp per imparare le basi di Python (e/o R), SQL e forse anche JavaScript.

Quindi, il resto della tua giornata dovrebbe essere dedicato ad aggiungere i tuoi progetti personali o completare le domande di pratica su Leetcode. Il processo di applicazione del codice è dove imparerai di più. Scrivere codice, incontrare errori, imparare a navigare in StackOverflow e apportare correzioni è ciò che solidificherà i concetti che hai appreso in precedenza durante la giornata.

Primavera: visualizzazione dei dati

Come suggerito dallo studio sopra citato, la primavera è un momento di basso punto per la memoria di lavoro del tuo cervello – questo significa che è il momento di iniziare a esplorare alcuni concetti di visualizzazione dei dati e cercare di memorizzarli nel modo migliore possibile.

La visualizzazione dei dati può essere considerata la parte “di rilievo” nell’apprendimento della Data Science e per una buona ragione: stai imparando rappresentazioni accurate dei dati, tipi di visualizzazione ed estetica. Tuttavia, non farti ingannare pensando che queste cose non siano importanti. Tutt’altro. La visualizzazione dei dati è dove racconti la storia dei dati, nonché offri previsioni per il futuro.

Desidererai lavorare per stabilire un flusso di lavoro che ti assicuri di rispondere a tutte le domande corrette prima di preparare la tua visualizzazione: qual è l’obiettivo della tua visualizzazione? chi è il tuo pubblico? quante informazioni devi fornire in una sola visualizzazione? come puoi utilizzare i colori e i grafici in modo più efficace?

Anche se non conosci ancora molto riguardo alla pulizia dei dati (che arriverà in autunno quando metterai insieme tutto nella tua prima analisi completa dei dati), puoi iniziare a visualizzare alcuni dati pre-preparati grazie alle competenze di programmazione che hai sviluppato in inverno. Dai un’occhiata a questa lista per trovare dei set di dati con cui puoi iniziare a costruire visualizzazioni.

Estate: algebra, statistica, calcolo

Secondo lo studio discusso sopra, l’estate è la stagione ottimale del tuo cervello per compiti di attenzione sostenuta. Ciò significa che vuoi affrontare i concetti più difficili della scienza dei dati durante l’estate. Per la maggior parte delle persone, questo significa matematica.

Nei prossimi tre mesi è il momento di aprire i libri di testo e guardare i video tutorial su Youtube per iniziare a padroneggiare gli argomenti di algebra, statistica e calcolo. Queste tre aree della matematica sono quelle di cui avrai bisogno per la maggior parte dei lavori generali di scienza dei dati (i requisiti specifici dell’industria potrebbero richiedere livelli più avanzati di matematica, come il calcolo multivariato, le equazioni differenziali e la matematica discreta).

Professor Leonard

Questo canale è dedicato all’istruzione di matematica di qualità. È assolutamente GRATUITO quindi goditelo! I video sono organizzati in…

www.youtube.com

Professor Leonard è il mio insegnante preferito su Youtube per algebra, statistica e calcolo. Offre lezioni universitarie di alta qualità e a lunghezza intera che vanno dal precorso al calcolo differenziale. Il mio unico rimpianto è di non aver iniziato a guardare le sue lezioni prima.

Autunno: mettere tutto insieme – analisi dei dati

L’autunno è il momento in cui il tuo cervello lavora alla sua massima capacità di memoria di lavoro, il che significa che è il momento di mettere insieme tutto ciò che hai imparato nell’ultimo anno e completare la tua prima analisi completa dei dati.

L’analisi dei dati segue i passi per determinare un obiettivo per l’analisi, raccogliere, pulire e analizzare i dati e infine interpretare i risultati e produrre una conclusione. Questo metterà insieme tutto ciò che hai imparato in precedenza, con l’obiettivo finale di essere in grado di svolgere il lavoro di un vero scienziato dei dati.

L’obiettivo qui non è che tu sia perfetto. Diavolo, hai passato gli ultimi nove mesi a imparare i fondamenti dell’analisi dei dati, non è molto tempo. Invece, l’obiettivo è che tu pensi metodicamente ai passi coinvolti nell’analisi dei dati applicando ciò che hai imparato nell’anno precedente. Potresti non avere tutte le risposte e potrebbero ancora esserci alcune tecniche che ti sfuggono per produrre la migliore analisi possibile. Tuttavia, dovresti avere le competenze di base necessarie per trarre alcune conclusioni interessanti dai dati con cui stai lavorando.

Considerazioni finali

È fondamentale ribadire il messaggio dall’inizio di questo articolo: l’obiettivo di questo piano non è che tu impari da solo la scienza dei dati in un anno, ma che sviluppi una routine coerente che ti faccia progredire regolarmente nel tuo programma di apprendimento della scienza dei dati.

Anche se il piano sembra ben definito per diventare uno scienziato dei dati in un anno, questo non è sempre il caso: ci saranno ostacoli.

Invece, questo piano non è altro che una guida per aiutarti a studiare le materie di cui hai bisogno per diventare uno scienziato dei dati nei momenti migliori dell’anno per sfruttare al massimo i flussi e riflussi naturali del tuo cervello. Con ogni anno successivo, puoi essere sicuro che le competenze si stanno ancor più radicando nel tuo cervello, grazie alla stagionalità dei nostri cervelli.

Iscriviti per ricevere le mie storie direttamente nella tua casella di posta: Iscrizione alle storie

Diventa membro per ottenere accesso illimitato a VoAGI utilizzando il mio link di riferimento (riceverò una piccola commissione senza costi aggiuntivi per te): Membership VoAGI

Sostieni la mia scrittura donando per finanziare la creazione di altre storie come questa: Donazione