Becoming a Data Scientist – Curriculum via Metromap
http://nirvacana.com/thoughts/becoming-a-data-scientist/
데이터 과학, 기계 학습, 빅 데이터 분석,인지 컴퓨팅 .... 우리 모두는 기사, 기술 수요 정보 그래프 및이 주제에 대한 의견 (하품!) 으로 눈살을 찌푸렸다 . 한 가지는 확실합니다. 당신은 하룻밤 사이에 데이터 과학자가 될 수 없습니다. 그 여행은 확실히 도전적인 여행입니다. 그러나 어떻게 당신은 하나가되는 것에 가나 요? 어디서부터 시작해야할까요? 터널 끝에 언제 빛이 보이기 시작하니? 학습 로드맵은 무엇입니까? 알아야 할 도구와 기술은 무엇입니까? 목표 달성시기를 어떻게 알 수 있습니까?
비판적 시각화가 데이터 과학에 얼마나 중요한지를 감안할 때, 아이러니 컬하게도 데이터 과학자가되기 위해 필요한 것의 실용적이지만 시각적 인 표현을 (몇 가지 제외하고) 찾을 수 없었습니다. 여기 교과 과정을 만드는 나의 겸손한 시도, 이것이 데이터 과학자의 여행 이 되는 데 사용할 수있는 학습 계획입니다 . 나는 지하철지도에서 영감을 얻었고 그것을 학습 경로를 묘사하는 데 사용했습니다. 전반적인 계획을 점진적으로 다음 영역 / 영역으로 구성했습니다.
- 기초
- 통계
- 프로그램 작성
- 기계 학습
- 텍스트 마이닝 / 자연 언어 처리
- 데이터 시각화
- 빅 데이터
- 데이터 처리
- 데이터 Munging
- 도구 상자
각 지역 / 도메인은 "지하철 선"으로 표현되며, 점진적으로 배우고 마스터해야하는 주제를 묘사하는 방송국이 있습니다. 아이디어는 당신이 최종 목적지에 도달 할 때까지 (또는) 다음 라인으로 전환 할 때까지 선을 선택하고 열차를 타고 모든 역 (토픽)을 통과하는 것입니다. 점차적으로 각 역 (선)을 1에서 10까지 표시하여 여행 순서를 표시합니다. 이를 개인 학습 계획으로 활용하여 가장 개발하기를 원하는 분야와 습득 기술을 파악할 수 있습니다. 이것은 결코 끝이 아닙니다. 그러나 단단한 출발. 의견과 건설적인 의견을 언제든지 남겨주세요.
- Fundamentals
- Statistics
- Programming
- Machine Learning
- Text Mining / Natural Language Processing
- Data Visualization
- Big Data
- Data Ingestion
- Data Munging
- Toolbox
.
