Bästa svaret
Tja, datavetenskap är ett mycket framstegande karriäralternativ som har verkligen en ljusare framtid lagrad för så många aspiranter som verkligen vill göra en bra karriär i samma.
Detta ämne har också verkligen lett till en katastrofal förändring i hur företag nu ser på den en gång slösaktiga data.
Data genereras hela tiden och så analyseras och bearbetas för att omvandlas till några bitar av riktigt viktig och hjälpsam information som verkligen tjänar till att erbjuda företagen en riktigt god kvalitetsprediktiv analys för att hjälpa dem växa genom att förstå sina kunder närmare och erbjuda dem en riktigt bra användarupplevelse av hög kvalitet i sin tur.
Med detta sagt, eftersom du nämnde att du är en helt fräschare inom detta område och måste börja lära dig ämnet från början, låt mig berätta något riktigt viktigt innan vi faktiskt går in i mer de svansar om ämnet.
Som en aspirant för detta mycket utmanande men ändå intressanta och spännande område förväntas du ha en större nivå av passion inom samma.
Passion är verkligen viktigt att driva dig mot att snabbt uppnå dina drömmar.
Det är också mycket viktigt att börja lära sig ämnet på ett mycket strömlinjeformat sätt för att hjälpa dig med hela läroplanen utan att missa något viktigt ämne under dess enorma spektrum.
Datavetenskap är ett mycket tufft ämne som består av många viktiga underämnen, som är karriäralternativ och specialiseringar i sig, såsom:
Machine Learning
Data Analytics
Data Mining
Data Visualization
Artificial Intelligence
Python, etc.
Nu kan du välja något av ovanstående ämnen som dina karriäralternativ beroende på dina egna intressen.
Var ska du börja lära dig ämnet?
Nåväl, ärligt talat, detta ämnet är inte något som du kan i ge dig in genom självstudier. Du kan säkert öva dina färdigheter enormt för att förbättra din kunskap. Men självstudier i det här fallet hjälper dig bara att bli tydligare med grundläggande grunder och introduktionskoncept tillsammans med vissa jargon och terminologier i branschen.
Således skulle jag inte säga att självstudier är inte nödvändigt här för detta ämne, det är faktiskt ett måste. Du kan definitivt börja med grunderna i matematik, statistik och några programmeringsspråk.
Du bör dock tänka på att gå till rätt tränare eller utbildningsinstitut för att hjälpa dig med en ökad nivå av engagemang och en högre kvalitetsutbildning i ämnet som hjälper dig att bli expert på mycket kortare tid.
Jag rekommenderar starkt att du deltar i den gratis online-demosessionen som Digital Vidya Institute genomför på deras webbplats för att hjälpa dig att lära dig mer om ämnet i detalj.
Svar
Jag tror att det beror på vad du vill göra med Data Science och din nuvarande nivå. Även om du säger ”marknivå” har alla sina egna erfarenheter. Som andra svar förklarar mycket bra är datavetenskap ett mycket brett ämne som innehåller flera underfält som statistik, maskininlärning, datavetenskap … Ett bra tillvägagångssätt är att börja från underfält du känner dig mest bekväm med . Även på marknivå borde det finnas något du känner dig mer benägen att lära dig.
Jag älskar boken från Joel Grus. Det är väldigt roligt att läsa en bok och det faktum att författaren sammanställer den med en berättelse gör den väldigt underhållande. Men även om det kommer med en pythonintroduktion, tror jag att det skulle vara frustrerande att följa om du inte redan är bekant med språket eller datavetenskapens ämnen det täcker. När du väl är det är boken fantastisk, jag gillar den särskilt som en sammanfattning av grundläggande maskininlärningsalgoritmer.
Förutsatt att marknivå betyder att du inte vet hur man kodar, ett bra tillvägagångssätt om du vill avsluta att läsa “ Data Science from Scratch ” är att först lära sig grunderna i python. Du kan använda “ Learning Python ” från Mark Lutz, Python the Hard Way eller till och med plattformar som Codecademy . Men för att vara ärlig finns det för många alternativ för att lista även de bästa, välj bara alla som känns ok och det skulle vara tillräckligt.
Sammanfattningsvis boken är väldigt bra men jag skulle säga att den inte är den bästa första boken att läsa , utan snarare den andra eller till och med den tredje, att läsa bara när du känner till grunderna i python så att du kan få ut det mesta av den. Det är sant att du kan plocka upp det och läsa det, men om du har begränsad tid och vill rationalisera dina ansträngningar, kanske det finns ett bättre val för en förrätt.