Seu currículo de ciência de dados

Crie seu próprio currículo de ciência de dados

Como projetar um caminho de aprendizado personalizado para a ciência de dados

Texto original em Médium de Rebecca Vickery

À medida que o campo da ciência de dados cresceu na última década, o mesmo aconteceu com o número de cursos on-line, programas de graduação e Bootcamps que prometem ensinar tudo o que você precisa saber para se tornar um cientista de dados. Embora muitos desses cursos ofereçam uma sólida base nos princípios básicos, eles não são de forma alguma personalizados para você.

Com o número de recursos de aprendizado disponíveis para a ciência de dados agora, para muitas pessoas, criar seu próprio currículo personalizado para aprendizado pode ser a melhor opção. Ao criar um caminho de aprendizado personalizado, você aprenderá apenas o que precisa aprender, aprofundar-se nas áreas particularmente adequadas aos seus objetivos e, na maioria dos casos, gastar muito menos em comparação com o pagamento de um programa de graduação ou Bootcamp.

No artigo a seguir, descreverei por que criar seu próprio currículo para ciência de dados é uma boa idéia, como começar e como se manter motivado para continuar aprendendo na ausência de um professor ou instrutor.

---

Decida o que você quer ser

A ciência de dados é um campo amplo e, de fato, existem muitos tipos diferentes de papéis que podem ser classificados no âmbito da ciência de dados. Cada uma dessas funções diferirá em termos dos conjuntos de habilidades necessárias e, em particular, a profundidade do conhecimento necessário para determinadas habilidades.

Por exemplo, o papel do engenheiro de aprendizado de máquina exigirá um conhecimento profundo de programação e engenharia de dados, de modo que o foco do seu currículo para esse tipo de função esteja mais próximo do conjunto de habilidades de engenharia de software. Considerando que um cientista de dados de pesquisa que trabalha em novos algoritmos e técnicas exigirá conhecimento mais extenso de matemática e conceitos estatísticos.

Portanto, é vital determinar antecipadamente a área da ciência de dados em que você está mais interessado e, em seguida, projetar seu currículo com base nas habilidades específicas que você precisará desenvolver.

O que você já sabe?

Como a ciência de dados é um campo relativamente novo, muitas pessoas que estudam ciência de dados já terão habilidades e experiências que adquiriram em empregos anteriores ou em estudos acadêmicos. Ao projetar seu currículo, é importante considerar as habilidades que você já possui e que são transferíveis.

Se você já possui um doutorado em um assunto numerado, por exemplo, já deve ter o conhecimento prévio dos conceitos matemáticos necessários. Portanto, seu currículo pode ser mais adaptado para adquirir habilidades de engenharia de software. Se, no entanto, você já trabalhou como engenheiro de software, uma rota cada vez mais comum para a ciência de dados, seu foco pode ser direcionado para a aquisição do conhecimento teórico de matemática e estatística por trás dos algoritmos de aprendizado de máquina.

O que você precisa aprender?

Depois de conhecer a área específica da ciência de dados que mais lhe interessa e determinar quaisquer habilidades transferíveis de estudos anteriores ou experiência de trabalho, é hora de criar uma lista de habilidades que você precisa aprender.

Para fazer isso, primeiro examine as principais habilidades de que todos os cientistas de dados precisarão, independentemente da área específica. Hoje em dia, isso é tipicamente python, SQL, análise de dados, aprendizado de máquina e aprendizado profundo, engenharia de dados e pelo menos um entendimento básico de matemática e estatística por trás do aprendizado de computador e aprendizado profundo. Se você ainda não tem conhecimento ou experiência dessas áreas, adicione-as à sua lista.

Em seguida, você precisará consultar alguns anúncios de emprego em sua área de interesse específica. Os requisitos listados para cada trabalho fornecerão uma boa ideia de em quais áreas você precisará adquirir um conhecimento mais profundo. Você poderá adicioná-los à sua lista.

Determine seu estilo de aprendizagem

Pessoas diferentes aprendem melhor usando estilos diferentes. Algumas pessoas aprendem melhor através de métodos visuais e auditivos, como slides e vídeos, algumas preferem aprender sozinhas ou em grupos, enquanto outras são mais físicas preferindo aprender fazendo.

Na década de 1970, Neil Fleming, professor da Nova Zelândia, criou o modelo VARK de estilos de aprendizagem. Este modelo categoriza os estilos de aprendizagem em sete tipos diferentes. Os cursos tradicionais assumem que todos aprenderão melhor através do meio específico usado. No entanto, acredito que, para realmente aprender algo da maneira mais eficiente possível, é importante encontrar o material certo que melhor se adapte ao seu estilo de aprendizado individual. Para ter uma idéia do tipo de aluno que você é, você pode fazer este teste .

Existe uma vasta gama de diferentes materiais de aprendizagem disponíveis para obter as habilidades necessárias para uma carreira em ciência de dados. Se você é um aprendiz prático, pode tentar cursos baseados em codificação no navegador, como Dataquest e codeacademy , ou tentar participar de competições do kaggle . Se você aprender melhor através de palestras e vídeos, o Coursera possui uma boa variedade de cursos que usam esse tipo de material.

Celebre seus sucessos

Por fim, depois de determinar as habilidades que você precisa aprender e como deseja aprendê-las, você precisa decidir sobre um método a ser usado para acompanhar seu progresso, para que possa celebrar suas realizações.

Eu recomendo criar um roteiro de aprendizado. Não precisa ser nada extravagante. Usei uma planilha do Google para rastrear a minha. O importante é encontrar um método para manter um registro das habilidades que você está aprendendo e incluir uma maneira de marcar ou acompanhar o andamento de suas habilidades.

Uma imagem do roteiro que usei para aprender ciência de dados é mostrada abaixo. Isso consiste em uma longa lista de habilidades em uma planilha do google com um sistema de pontuação. Uma vez por mês, eu me compara a essa lista de habilidades e habilidades e a compara com o mês anterior.