Эти пять блогеров посоветуют, с чего стоит начать обучение data science, расскажут о распространенных ошибках на старте карьеры и объяснят, кому лучше и вовсе не погружаться в эту профессию.
Tina Huang
Тина Хуан — специалист по данным в одной из FAANG компаний. В своих видео Тина рассказывает:
- какие курсы выбрать начинающему специалисту;
- какой проект подойдет для старта карьеры в сфере;
- как лучше учиться кодить;
- как понять, придется ли по душе такая работа с данными или же лучше выбрать что-нибудь другое.
Тина — фанат самообучения. На ее канале есть лайфхаки о том, как сделать процесс более эффективным или не потерять мотивацию, если у вас уже есть full-time работа.
Thu Vu data analytics
Ту Ву более пяти лет работает в data science. В блоге она советует, как
- избежать ошибок, которые сама допустила во время обучения;
- учить математику, которая необходима для любого дата-сайентиста;
- сформировать качественное портфолио.
Одно из лучших видео на канале Ву — это ролик о недостатках известных курсов о данных. Она объясняет, что, хотя популярные программы, вроде «Аналитик данных от IBM» на Coursera, хороши для старта, они пропускают множество важных тем по статистике. Или же предлагают студентам не самый качественный код.
Ken Jee
Кен Джи работает в data science пять лет. Его специализация — спортивная аналитика (ей посвящен целый плейлист на канале). Джи говорит, что в начале карьеры чувствовал себя «очень потерянным», и именно поэтому сейчас он стремится помочь новичкам и поделиться с ними опытом. У Джи есть несколько плейлистов (один, два), в которых найдете ответы про то, как войти в data science:
- подойдет ли мне эта профессия;
- с чего начать обучение;
- какой компьютер выбрать для работы;
- стоит ли учиться на чужих проектах;
- как выбрать первый проект для портфолио.
Джи рассказывает и о минусах профессии. Это, например, высокий порог входа в специальность, перенасыщенность рынка джунами и необходимость постоянно обучаться.
Krish Naik
У Криша Наика более чем полумиллиона подписчиков и десять лет опыта в data science. Его канал — настоящая энциклопедия, где можно найти плейлист практически о любой теме, с которой может столкнуться специалист по данным. К примеру, здесь можно посмотреть серии, посвященные SQL, Python, статистике, Exploratory Data Analysis, инструментам для визуализации данных и многому другому.
Для новичков полезными будут видео «Как правильно изучать data science» или «Дорожная карта будущего эксперта в Python».
Sundas Khalid
Сундас Халид — дата-сайентист в Google. Ее карьера доказывает, что самостоятельно выучить data science без технического бекграунда возможно. В плейлисте Starting in Data Science она рассказывает о:
- самых распространенных ошибках самоучек дата-сайентистов;
- темах, которые стоит освоить в первую очередь;
- советах для начинающих.
Также на канале Халид рассказывает, как проходит типичный рабочий день дата-сайентиста в Google. Или как она, будучи самоучкой, боролась с синдромом самозванца.