关于在数据工程和机器学习领域应继续开展的工作的建议

Question

我完成了28小时机器学习与python (基础课程)在Udemy，这是非常有益的。

我的目标是能够理解什么是ML，以及如何在处理数据时使用它的概念。

我不知道该在哪里继续。我的目标是成为一名数据工程师/分析师，或者至少是一名数据工程师。

因为课程的可信度，我正在寻找课程。

我在密歇根大学找到了一门课程：用Python实现应用数据科学。

但我很困惑，我是否应该采取其他的东西，以开始我的数据科学找工作。我知道这将是一个漫长的过程。

对于如何在这段旅程中继续前进，我有任何建议，我真的很困惑。

如果不应该在这里问我的问题，请放心吧。

Answer 1

达奎斯特是一个很好的起点。它将帮助您弥合从仅仅学习到作为数据分析员、数据工程师或数据科学家的实际编码之间的差距。与大多数在线课程不同的是，没有视频，它们提供了一个交互式的编码和学习环境，使您可以很容易地学习实际需要的实际技术来处理现实世界的数据和问题。

关于Dataquest的最好部分是他们指导的项目，这些项目是您学习的每个主题的一部分。如果你想最终找到一份数据分析员、科学家或工程师的工作，你将需要一个项目组合来展示你所知道的东西，而Dataquest帮助你完成整个过程。

fast.ai是另一个学习机器学习的好地方，尤其是深度学习，所有这些都是免费的。他们使用自上而下的方法进行教学，这将使你在短时间内完成自己的项目和数据。

Answer 2

有三个方面的知识，你需要成为一个普遍胜任的数据科学家：

1. 统计/数学知识
2. 程序编制/ CS技能
3. 领域知识

我认为学习和课程对你有帮助，在一定程度上对3 )有帮助。如果你在1/2中感到足够自信，你可以解决一些现实生活中的问题，最好开始做项目(Kaggle，您自己的项目，等等)。

否则，你应该专注于以面向目标的方式将1和2结合起来的应用课程。我非常喜欢Kaggle的微型课程，因为它们很小，实用和快速，但你需要一些基础来做这些。

Answer 3

首先，恭喜你开始了成为一名数据工程师/分析师的旅程。据我所知，关于如何成为一名数据分析员，没有明确的道路。

Python课程的应用数据科学很棒，但我希望您开始研究任何领域(NLP，CV)的问题陈述，并参加竞争，在那里您将学习如何可视化数据并使用大量数据集，这是成为数据工程师/分析师的关键要求。在这个过程中，您将知道您需要学习和应用什么来解决问题陈述。

记住，这将是一个漫长的旅程，所以继续前进！