Data Science - jak zacząć? Czy studia to dobry pomysł?

Question

Cześć,

Chciałbym rozwinąć aktualne oraz posiąść nowe umiejętności w kierunku analizy danych/data science.

Krótko o mnie: skończyłem licencjat i magisterkę z FiR, posiadam 3+ lat doświadczenia jako analityk w obszarze logistyki. W pracy wykorzystuję głównie Excela (VBA, Power Query), Power BI, SAPa oraz (w niedużym stopniu) SQL.

Jaki Waszym zdaniem powinien być kolejny krok w rozwoju we wcześniej wspomnianym kierunku? Myślałem nad studiami podyplomowymi Data Science w biznesie na UMK - jednak nie znalazłem żadnych opinii na ich temat, link do studiów - https://www.econ.umk.pl/studia-podyplomowe/data-science-w-biznesie/

Zależy mi na praktycznym, biznesowym podejściu, które realnie przyda mi się w pracy a jednocześnie nie będzie wypłynięciem na zbyt głęboką wodę. Może polecacie jakieś inne rozwiązania - kursy, książki?

Będę wdzięczny za każdą sugestię.

Comments

ten pan nagrywa kursy o data science : https://www.udemy.com/user/krakowiakpawel9/

---

Dziękuję za link. Najpierw muszę chociaż trochę wdrożyć się w tematykę DS, żeby wiedzieć czego szukać i jaki ewentualnie, płatny kurs, wybrać.

Answer 1

Generalnie, startujesz od totalnego zera, gdyż zestaw narzędzi po za SQL ni jak się ma do Data Science w świecie IT.

Osoba pracująca w dziale data science w świecie IT zajmuje się analizą dużych zbiorów danych w celu wyciągania z nich użytecznych informacji i wykorzystywania ich do podejmowania decyzji biznesowych.  Taka osoba powinna posiadać umiejętności w zakresie matematyki, statystyki, programowania i analizy danych. ( chociaz tutaj podejrzewam, powinieneś mieć doświadczenie, nie wiem jak to z logistyką ale finanse i rachunkowość są Ci znane, więc na pewno łebski z Ciebie gość i masz smykałke do matematyki, statystyki).

Z technologii używanych to 

1. Języki programowania: Python, R, SQL.
2. Narzędzia do analizy danych: Pandas, Numpy, Scikit-learn, TensorFlow.
3. Narzędzia do wizualizacji danych: Matplotlib, Seaborn, ggplot2.
4. Bazy danych: MySQL, PostgreSQL, Oracle.
5. Technologie Big Data: Hadoop, Spark.

Ponadto, ważnymi umiejętnościami dla osoby pracującej w dziale data science są umiejętności komunikacyjne, umiejętność pracy w zespole. 

Nie wiem, czy studia są dobrym pomysłem i nie zabiorą zbyt dużo czasu, na opanowywanie wszystkiego samodzielnie i też nie wiem w jakim wieku jesteś, ale przebranżowienie pewnie przy najlepszych wiatrach z rok Ci zajmie, może więcej. 
Z  Literaturki: 

1. Książki: Możesz zacząć od przeczytania tych które wprowadzą Cię w tematykę data science, takich jak "Python for Data Analysis" autorstwa Wes McKinney lub "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" autorstwa Aurélien Géron.

2. Kursy online: Możesz zacząć naukę od kursów online, takich jak kurs "Introduction to Data Science in Python" na platformie Coursera lub "Data Science Essentials" na platformie edX.

tyle mi do głowy przychodzi 

Comments

Matematyka i statystyka była na studiach, ale jakiś czas temu - wymagałałyby odświeżenia.

Czy wszystkie wspomniane przez Ciebie technologie, to taki must have dla każdego Data Scientist? Jakie z nich wskazałbyś jako priorytetowe?

Co do studiów, to myślisz, że mogłyby być zbyt obciążające w kontekście łączenia ich z etatem? W sensie zajęcia zajęciami, ale dużo nauki samodzielnej - pod presją czasu (zaliczeń) - dobrze rozumiem? Elastyczność kursów & uczenie się swoim tempem to dobry argument. Mam 26 lat.

Zastanawiam się nad nauką DS w pracy, w sensie nauka poprzez praktyczne rozwiązanie jakiegoś problemu. Muszę poszukać jakichś zastosowań DS w logistyce.

Dziękuję za wskazówki i podesłane kursy, książki - muszę to rozplanować i zacząć działać.