Сегодня я подумал, что найду время, чтобы подумать о моих последних 13 неделях моего челленджа #92DaysofDataAnalytics. Во-первых, давайте пройдемся по небольшому фону. У меня есть степень бакалавра психологии. Как я создал #92DaysofDataAnalytics? Я закончил трехмесячный учебный курс по анализу данных в октябре 2021 года и хотел выработать новую привычку, которая поможет мне оставаться последовательным в изучении анализа данных. Так родился #92DaysofDataAnalytics.
Моя цель в этой статье — поделиться 60 уроками из этого незабываемого опыта.
Что такое #92DaysofDataAnalytics?
#90DaysofDataAnalytics — это инициатива, направленная на обучение на основе проектов путем развития моих навыков анализа данных посредством практической работы и применения при документировании моего прогресса.
Почему 92 дня?
92 дня эквивалентны 3 месяцам, что было продолжительностью моего учебного курса по аналитике данных.
Мои цели
1. Проводить анализ данных из множества различных наборов данных, используя широкий спектр навыков и инструментов, которые я приобрел.
2. Выработать привычку ежедневного обучения.
3. Чтобы было удобно делиться своей работой.
Как я это сделал?
Шаг 1 — ежедневное обучение.
Я тратил не менее 30 минут в день на изучение анализа данных. Это в основном о построении последовательности.
Шаг 2 — Подотчетность
Я поделился своим ежедневным прогрессом в LinkedIn и Twitter с хэштегом #92DaysofDataAnalytics.
Обратите внимание, что я буду использовать термины анализ данных и наука о данных как синонимы.
Урок 1. Читайте, изучайте и задавайте правильные вопросы, прежде чем начинать проект по науке о данных.
Урок 2. Сосредоточьтесь на освоении основ.
Урок 3. Найдите руководителей, наставников и лидеров мнений по анализу данных. Они дадут вам направление и ответят на все вопросы, связанные с вашей карьерой.
Урок 4. Создайте и настройте свой профиль GitHub, чтобы другие люди могли лучше понять, кто вы и чем занимаетесь.
Урок 5. Ваш профиль на GitHub будет развиваться по мере того, как вы будете расширяться в области анализа данных. Итак, как новичок, не зацикливайтесь на том, чтобы сделать его идеальным, когда вы только начинаете.
Урок 6. Изучение SQL. Это самый фундаментальный навык. Изучите это первым.
Урок 7. Продолжайте учиться с помощью книг, онлайн-курсов, видео на YouTube и т. д.
Урок 8. Выполняйте проекты, чтобы повысить компетентность и избавиться от синдрома самозванца, которым страдают новички.
Урок 9. Не бойтесь хвастаться своей работой в социальных сетях — LinkedIn.
Урок 10 – ПРАКТИКА, ПРАКТИКА и еще раз ПРАКТИКА.
Урок 11. Научитесь принимать отзывы профессионально.
Урок 12. Не пропускайте вопросы/задачи викторины во время прохождения онлайн-курсов или чтения книг. Это поможет вам учиться быстрее.
Урок 13. Если вы когда-нибудь чувствовали себя немотивированными и обескураженными, прочитайте статьи на Medium и Towards data science, чтобы черпать вдохновение.
Урок 14. Присоединяйтесь к сообществам и клубам специалистов по обработке и анализу данных, чтобы не терять концентрацию и помогать налаживать связи.
Урок 15. Воспользуйтесь преимуществами бесплатных ресурсов и рекламных акций, чтобы научиться анализировать данные.
Урок 16. Завершите онлайн-курсы.
Урок 17. Каждый день уделяйте изучению данных не менее 30 минут.
Урок 18. Не бойтесь просить о помощи, если чувствуете, что застряли.
Урок 19. Переполнение стека — ваш лучший друг.
Урок 20 – ПРАКТИКА, ПРАКТИКА и еще раз ПРАКТИКА.
Урок 21. Поиск в Google — это навык анализа данных. Узнать его.
Урок 22. Зайдите на сайты с объявлениями о вакансиях и прочитайте описания вакансий на роль аналитика данных. Обратите внимание на требуемые навыки, обязанности, квалификацию и опыт.
Урок 23. Научите кого-нибудь тому, что вы уже знаете.
Урок 24. Станьте волонтером в качестве специалиста по данным.
Урок 25. Будьте целенаправленно заметны в социальных сетях.
Урок 26. Испытайте себя. Попробуйте несколько промежуточных или продвинутых проектов, чтобы проверить свои навыки.
Урок 27. Помимо технических навыков, стремитесь развивать свои социальные навыки.
Урок 28. Изучение веб-скрапинга для сбора первичных данных.
Урок 29 . Выработайте хорошие привычки в области обработки данных.
Урок 30 – ПРАКТИКА, ПРАКТИКА и еще раз ПРАКТИКА.
Урок 31. Будьте страстными. Наука о данных о еде, сне и дыхании.
Урок 32.Будьте любопытны и любознательны. Сомневайтесь во всем. Даже собственные результаты.
Урок 33 –будьте смиренны. Всегда есть возможности для улучшения.
Урок 34. Научитесь рассказывать истории на основе данных.
Урок 35. Научитесь техническому письму или хотя бы его части.
Урок 36.Наберитесь терпения. Наука о данных — это марафон, а не спринт.
Урок 37. Подойдите к науке о данных с мышлением обучения, а не заработка.
Урок 38 – Адаптируйтесь. Если какой-то инструмент не справляется со своей задачей, откажитесь от него и научитесь использовать тот, который работает.
Урок 39. Будьте честны.
Урок 40. ПРАКТИКА, ПРАКТИКА и еще раз ПРАКТИКА.
Урок 41. Слушайте подкасты, чтобы получить представление о новых тенденциях, инструментах, распространенных проблемах и решениях в области науки о данных.
Урок 42. Не работайте изолированно. Будьте открыты для сотрудничества.
Урок 43. Потратьте время на опробование различных визуализаций ваших данных, чтобы лучше понять проблему.
Урок 44. Возможны ошибки. Ваш проект может провалиться. Воспринимайте это как прекрасную возможность для обучения.
Урок 45. Отмечайте свои маленькие победы. Если вы прошли онлайн-курс, отпразднуйте это. Если вас выбрали на стажировку, отметьте это.
Урок 46.Ваш личный веб-сайт — один из обязательных инструментов для создания личного бренда.
Урок 47. Обновите свое резюме.
Урок 48.Исследуйте реальное применение науки о данных во всем, что вы делаете.
Урок 49 –будьте собой. Не бойтесь пробовать свои идеи и точки зрения.
Урок 50 –ПРАКТИКА, ПРАКТИКА и еще раз ПРАКТИКА.
Урок 51. Реальные данные беспорядочны.
Урок 52. Чтобы сэкономить время, найдите похожий код, прежде чем писать свой.
Урок 53.Учитесь в своем темпе.
Урок 54.Выберите правильный инструмент визуализации.
Урок 55. Если вы не являетесь основателем, изучите статистику.
Урок 56. Составьте план превращения вашей модели в веб-приложение.
Урок 57 –Отдых. Не настраивайте себя на выгорание.
Урок 58.Простота — это ключ к успеху. Особенно при построении моделей машинного обучения.
Урок 59. Выберите отрасль, которая вас интересует.
Урок 60 –ПРАКТИКА, ПРАКТИКА и еще раз ПРАКТИКА
