Przejdź do głównej zawartości

Data science landscape- od ekscytacji do przytłoczenia.

 

 

Po sieci krąży grafika, którą bardzo lubię, i której nie znoszę jednocześnie (link u dołu wpisu). Pokazuje jak obszerna i zróżnicowana jest wiedza dziedzinowa z zakresu data science.

Pierwsze moje wrażenie, gdy natknęłam się na tę grafikę jakiś czas temu było bardzo pozytywne. Poczułam się naprawdę zainspirowana. Zawsze lubiłam się uczyć i nigdy nie sprawiało mi to większych trudności. Uczenie się w zasadzie jest stałym elementem mojego życia, bo przynosi mi naprawdę dużo satysfakcji. Pomyślałam: "Tyle jeszcze przede mną. Super!".

Kolejny kontakt z tą grafiką jakiś czas później, po pierwszych podjętych próbach wymyślenia planu nauki ("Od czego by tu zacząć?”) wiązał się z poczuciem niepokoju. Wręcz przeraziło mnie to, jak daleko w lesie jestem. Pomyślałam: "No, nie ma szans. To mi zajmie 50 lat. Zdążę umrzeć zanim spełnię marzenie.”.

Poczułam chaos informacyjny, natłok wartościowych materiałów, kursów, które warto zrobić i książek, które dobrze jest przeczytać. Zrobiło się nagle tego tak dużo, że na pewno nie starczyłoby mi życia, by to wszystko ogarnąć. To jest przykład tego, jak nie myśleć o nauce czegoś nowego. Nigdy. 

Wierzę, że wszystko można uprościć. Podejść do tematu rozsądnie, nawet, jeśli się ma nierozsądnie duże ambicje. Wierzę, że można ułożyć sobie sensowny plan i się go trzymać. Właśnie to próbuję teraz uszyć na miarę dla siebie i na pewno dam znać, jak wymyślę coś, co (przynajmniej) będzie mi się wydawało najbardziej optymalne.

*Grafika, o której piszę znajduje się tu:

 https://commons.wikimedia.org/wiki/File:Data-Science-Landscape.jpg (autor grafiki: Biochanin)

Komentarze

Popularne posty z tego bloga

10+ najczęstszych błędów w analizie danych (i jak ich uniknąć przed certyfikatem DataCamp)

  Gdy życie krzyżuje plany  (i co z tego wynika) Jestem na etapie kończenia zaplanowanych powtórek. Wszystko idzie trochę wolniej, niż zakładałam, bo życie (ech, znowu ono) pokrzyżowało mi plany. Mam teraz coś znacznie ważniejszego, z czym muszę się zmierzyć, niż jakikolwiek certyfikat. W tym krótkim poście chciałabym pochylić się nad częstymi błędami, które zdarzają się osobom przygotowującym się do certyfikatu, do którego ja też podchodzę. Pisałam o nim tutaj →  Certyfikat DataCamp: Python Data Associate- jak się do niego przygotowuję? . Skąd wzięłam te błędy? Najpierw przedstawię błędy wymieniane przez autorów materiałów na DataCampie. Potem przejdę przez takie, które często pojawiają się w innych źródłach (np. tu: laboratorium-mozliwosci.pl , dataconversion.ie ). Później dorzucę coś od siebie - czyli błędy, które sama popełniłam. A na koniec to, co podpowiedział mi jeszcze ChatGPT (jako uzupełnienie listy). Z mojej perspektywy - osoby, która przygotowuje się do egza...

Jak skrócić drogę do pierwszej pracy w branży?

  Obraz  Gerd Altmann  z  Pixabay Uczyć się można od zera, od podstaw. Następnie zagłębiać się w coraz to bardziej zaawansowane tematy. Wchodzić wyżej i wyżej- jak po schodach. Wszystko może się układać w jedną linię, która idzie od punktu A do B, potem do C i tak dalej. Tylko, że wymierne efekty takiej nauki przyjdą po dłuższym czasie. Choć będą to solidne podstawy- tego nie mogę tej metodzie odjąć- to pierwszej pracy szybko nie dostaniemy.  Ok, nie mówię, że chcę pierwszą pracę od razu. Jestem realistką, ale… Chcę działać tak, by proces ten jak najbardziej skrócić. Wymyśliłam plan, który opiera się na spełnianiu wymagań potencjalnych przyszłych pracodawców. Nie jest to linia pociągnięta w jednym kierunku. To raczej sieć powiązań, które stopniowo stworzą jedną wielką całość. Co to oznacza? Przejrzę bardzo dużą liczbę ofert pracy dla początkujących w tej branży, może nawet oferty staży i praktyk. Następnie zbiorę wszystkie wymagania, które będą się w nich przewi...