Przejdź do głównej zawartości

Czy DataCamp pomógł mi w przebranżowieniu? Moje doświadczenia po 2 latach


DataCamp — czy warto wykupić subskrypcję?

Jeśli tak jak ja, nie jesteś finansowo w najlepszym momencie swojego życia, możesz zastanawiać się, czy warto inwestować w kursy online, które w gruncie rzeczy nie pokazują niczego, czego nie można w internecie znaleźć zupełnie za darmo. Byłam w tym samym miejscu i tę samą decyzję musiałam podjąć. Zrobiłam swój research, posłuchałam, co mieli do polecenia prowadzący zajęcia, na które uczęszczałam, i ostatecznie podjęłam decyzję o wykupieniu dostępu do platformy DataCamp.

Trochę zdradzając moje wrażenia z korzystania z zasobów oferowanych przez DataCamp — nie żałuję ani jednej złotówki, którą wydałam na nieograniczony dostęp do materiałów.

Dlaczego DataCamp?

Zacznę od tego, że pomimo używania tej strony już od około dwóch lat, ona ciągle ma mi wiele do zaoferowania. Pracując jednocześnie na pełny etat, nigdy nie miałam zbyt wiele czasu na eksplorowanie strony, szczególnie że przeglądam też trochę treści z innych źródeł — bywa to całkiem czasochłonne.

Niemniej jednak to właśnie DataCamp jest tym źródłem, które zawsze porządkuje mi w głowie dany temat, który zaczynam. Zanim jestem w stanie pojąć coś z materiałów z innych źródeł, zwykle potrzebuję tego „krok po kroku” wprowadzenia oferowanego mi przez DataCamp.

Co wyróżnia DataCamp?

Mega ważnym aspektem tej platformy jest fakt, że nie tylko przekazuje informacje, które należy sobie przyswoić, ale od razu inicjuje kontakt z przerabianym materiałem. Po każdym filmiku jest parę ćwiczeń do zrobienia.

To jest zbawienie dla osób takich jak ja, które:

  • są kinestetykami,

  • potrzebują paru kanałów nadawania informacji,

  • chcą czuć się zaangażowane w proces nauki.

Krótkie filmy — zbyt krótkie, by poczuć się znudzonym, ale wystarczające, by przekazać sensowny pakiet informacji.

Zaraz po nich — praktyczne ćwiczenia.
Czego chcieć więcej?

Ciągły rozwój platformy

Ponadto ta strona nie jest „martwa” — to nie jest zbiór kilku kursów, który zatrzymał się w rozwoju.
Tam ciągle coś się dzieje, zmienia na lepsze, poszerza o nowe dostępne materiały.

Bogactwo tematyki i form nauki

Zakres tematów na DataCamp jest naprawdę bogaty:

  • kursy,

  • projekty,

  • ćwiczenia,

  • praktyka,

  • cheat sheety,

  • code alongs...

i wiele innych.

Tematy obejmują około 30 technologii.

Można np.:

  • uczyć się filtrując kursy pod kątem zagadnienia („Python”),

  • przejść gotowy Skill Track, np. „Python Data Fundamentals”,

  • albo nawet Career Track, np. „Associate Data Scientist in Python”.

Możliwości zdają się nie kończyć!

Dlaczego to ważne przy przebranżowieniu się?

Dla osób takich jak ja, które są na etapie zmieniania branży, samodzielna decyzja, czego się uczyć, by nie tracić czasu, bywa bardzo trudna.

Na ile szczegółowo nauczyć się zagadnienia, by móc pracować w danej branży?
Wiadomo, że wiedza się nie kończy, i to jest piękne, ale zgubne dla tych, którzy dopiero zaczynają swoją przygodę z IT.

DataCamp oferuje Tracki — ścieżki, którymi można podążać, by kawałek po kawałku zjeść przysłowiową żabę. Dzięki nim można iść prosto do celu, bez zbytniego rozpraszania się i z jasno określonym kierunkiem. To duże ułatwienie, taki kompas w gąszczu dostępnych źródeł.

Certyfikaty

Co więcej, platforma oferuje certyfikaty, które można zdobyć po przerobieniu odpowiednich kursów i zdaniu egzaminu.
Temat certyfikatów jeszcze poruszę później, gdy sama podejdę do takiego egzaminu — a stanie się to całkiem niebawem.

Możliwość darmowego testu

Dla tych, którzy jeszcze się wahają, czy zacząć korzystać z DataCampa na dobre, mam dobrą wiadomość: każdy pierwszy rozdział kursu jest dostępny bezpłatnie.
Możecie sobie spokojnie przetestować, czy taka forma nauki Wam odpowiada.

Na zakończenie

Wiem, że ten post nie oddaje wszystkiego, co oferuje DataCamp. Pokrywa jedynie część możliwości platformy i mam tego pełną świadomość.

To celowy zabieg — opisuję tylko to, co istotne z perspektywy osoby, która waha się, czy kupić sobie dostęp do wszystkich materiałów.
Ja kiedyś również stałam przed taką decyzją.


* Grafika z początku wpisu została wygenerowana przez AI (Sora)

Komentarze

Popularne posty z tego bloga

Statystyka praktyczna w data science- książka [RECENZJA]

  Idąc za ciosem, postanowiłam dalej pracować nad swoim rozumieniem statystyki. W tym celu sięgnęłam po książkę „Statystyka praktyczna w data science” autorstwa Petera Bruce’a, Andrewa Bruce’a i Petera Gedecka. Czy jestem zawiedziona? Wręcz przeciwnie! 📘 Dlaczego sięgnęłam po tę książkę? Po przeczytaniu „Analityka danych” (o którym pisałam tutaj: Jak polubić statystykę? Książka „Analityk Danych”- idealna na początek! [Recenzja] ) poczułam, że czas na kolejny krok- coś bardziej konkretnego i praktycznego. Chciałam ugruntować podstawy statystyki, ale w sposób zrozumiały, nieprzytłaczający i przydatny z perspektywy osoby, która dopiero wchodzi w świat data science. 💡 Pierwsze wrażenie- bardzo pozytywne! Jestem zadowolona ze swojego wyboru z wielu powodów. Przede wszystkim – za sposób, w jaki ta książka została zaprojektowana. Różne elementy treści zostały wyróżnione: kursywą, pogrubieniem, czcionką o stałej szerokości, a nawet czcionką o stałej szerokości z kursywą . Do tego trzy ...

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. ...

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...