Bedste svar
Nå, datavidenskab er en meget avanceret karrieremulighed, der har virkelig en lysere fremtid i opbevaring for så mange aspiranter, der virkelig ønsker at gøre en god karriere i det samme.
Også dette emne har virkelig medført en katastrofal ændring i den måde, virksomhederne nu ser på den engang spildende data.
Data genereres hele tiden, og så analyseres og behandles de for at konvertere dem til nogle bit af virkelig vigtige og nyttige oplysninger, der virkelig tjener til at tilbyde virksomhederne en rigtig god forudsigelsesanalyse for at hjælpe dem vokse ved at forstå deres kunder nærmere og tilbyde dem en rigtig god kvalitet af brugeroplevelse igen.
Når det er sagt, da du nævnte, er du en absolut friskere inden for dette felt og har brug for at lære emnet fra bunden, lad mig fortælle dig noget virkelig vigtigt, før vi rent faktisk kommer ind i mere de haler om emnet.
Som aspirant for dette meget udfordrende, men alligevel interessante og spændende felt, forventes det, at du har et større niveau af lidenskab i det samme.
Passion er virkelig vigtigt for at få dig til at nå dine drømme hurtigt.
Også nu er det meget vigtigt at begynde at lære emnet på en meget strømlinet måde for at hjælpe dig med den komplette læseplan uden at gå glip af noget vigtigt emne under dens enorme spektrum.
Datavidenskab er et meget merværdigt emne, der består af mange vigtige underemner, som er karrieremuligheder og specialiseringer i sig selv, såsom:
Machine Learning
Data Analytics
Data Mining
Data Visualization
Kunstig intelligens
Python osv.
Nu kan du vælge et af ovenstående emner som dine karrieremuligheder afhængigt af dine egne interesser.
Hvor skal man begynde at lære dette emne?
Nå, ærligt talt, dette emne er ikke noget, du kan være i forkæle dig med selvstudiemetoder. Du kan helt sikkert øve dine færdigheder enormt for at forbedre din viden. Selvstudie i dette tilfælde hjælper dig kun med at være mere klar med de grundlæggende grundlæggende og indledende begreber sammen med nogle jargon og terminologier i branchen.
Således vil jeg ikke sige, at selvstudium er ikke nødvendigt her for dette emne. Faktisk er det et must. Du kan helt sikkert starte med det grundlæggende i matematik, statistik og et par programmeringssprog.
Du bør dog også tænke på at henvende dig til den rigtige træner eller træningsinstitut for at hjælpe dig med et øget niveau af dedikation og et højere kvalitetsuddannelse om emnet, der hjælper dig med at blive ekspert på meget kortere tid.
Jeg vil varmt anbefale dig at deltage i den gratis online demo-session, der udføres af Digital Vidya Institute på deres hjemmeside for at hjælpe dig med at lære mere om emnet i detaljer.
Svar
Jeg tror, det afhænger af, hvad du vil gøre med Data Science og dit nuværende niveau. Selvom du siger jordoverflade, har alle deres egen erfaring. Som andre svar forklarer meget godt, er datalogi et meget bredt emne, der indeholder flere underfelter såsom statistik, maskinindlæring, datalogi … En god tilgang er at starte fra underfelt, du føler dig mest komfortabel med . Selv på jordoverfladen skal der være noget, du føler dig mere tilbøjelig til at lære.
Jeg elsker bogen fra Joel Grus. Det er en meget sjov at læse en bog, og det faktum, at forfatteren satte den sammen med en historie, gør den meget underholdende. Selvom det kommer med en python-introduktion, tror jeg det ville være frustrerende at følge, hvis du ikke allerede er fortrolig med sproget eller datavidenskaben emner det dækker. Når du er det, er bogen forbløffende, jeg kan godt lide den især som et resumé af grundlæggende maskinindlæringsalgoritmer.
Hvis vi antager, at jordoverfladen betyder, at du ikke ved, hvordan du koder, en god tilgang, hvis du vil afslutte læsning “ Data Science from Scratch ” er at først lærer python-basics. Du kan bruge “ Learning Python ” fra Mark Lutz, Python the Hard Way eller endda platforme såsom Codecademy . Men for at være ærlig er der for mange muligheder for at liste selv de bedste, bare vælg enhver, der føles ok, og det ville være tilstrækkeligt.
Sammenfattende bogen er meget god, men jeg vil sige, at den ikke er den bedste første bog at læse , men snarere den anden eller endda den tredje, kun at læse, når du kender det grundlæggende i python, så du kan få mest muligt ud af det. Det er rigtigt, at du kan hente det og læse det, men hvis du har begrænset tid, og du vil rationalisere din indsats, er der måske et bedre valg for en starter.