Przejdź do głównej zawartości

DataCamp Python Data Associate - relacja i wskazówki dla zdających


Dlaczego zdecydowałam się na ten certyfikat?

Wspominałam już wcześniej nie raz i nie dwa, jak sądzę, że przymierzam się do certyfikatu DataCamp Python Data Associate. Od dłuższego czasu często zaglądam na DataCamp i w miarę mojej eksploracji tej platformy zachciałam skorzystać także z opcji przystąpienia do certyfikatu. Żeby się sprawdzić? Żeby coś sobie udowodnić? A może poczuć się lepiej z własną wiedzą? Myślę, że wszystko po trochu popchnęło mnie do tego działania.

Długo wahałam się, czy to już ten moment, kiedy chcę się "testować". Nigdy nie byłam osobą, która wyrywała się do odpowiedzi. Wolałam milczeć, ale zapytana odpowiadać na pytania poprawnie. Tak samo teraz, nienaturalnym było dla mnie robić coś takiego z własnej inicjatywy i to w formie spędzania wolnego czasu. Dla przyjemności.

Jak wygląda egzamin?

Certyfikat składa się z dwóch części. Pierwsza jest teoretyczna i są na nią przeznaczone 2 godziny, kolejna część - praktyczna - trwa 4 godziny (lub krócej oczywiście, jeśli wyrobimy się przed czasem). Ta pierwsza część polega na uzupełnianiu fragmentów kodu lub wybieraniu właściwej odpowiedzi, natomiast druga dotyczy realnych problemów: mamy dane, mamy pracę przy nich prowadzącą do wyciągania z nich wniosków krok po kroku. To znaczy - zadanie po zadaniu. W części teoretycznej mamy na odpowiedź ograniczoną ilość czasu, lecz pomiędzy poszczególnymi zadaniami możemy robić pauzę - wszystko w tym limicie dwóch godzin. Przy praktyce jest inaczej - dostajemy wszystkie cztery zadania od razu. Możemy je sobie przeczytać wszystkie i choć nie ma sensu robić ich od końca, to dałoby się to zrobić, gdyż każde z nich odrębnie traktuje zbiór danych i za każdym razem wczytuje się go na nowo.

Moje wrażenia z egzaminu

A jak moje wrażenia? Bardzo pozytywnie. Rozłożyłam sobie to na dwa dni, dlatego, że natłok obowiązków nie pozwolił mi zrobić od razu całości, i chyba nawet to było dobre rozwiązanie. Nie da się zrobić części drugiej, nie zaliczając pierwszej. Myślę też, że do tej drugiej części warto być w miarę wypoczętym, a nie po 12 godzinach pracy.

Pomimo że zdałam obie części, to wydaje mi się, że ta praktyczna część szła mi o wiele lepiej. Jestem tym zaskoczona, bo cały czas trochę obawiałam się, że mam za mało praktyki, by mieć takie dobre wrażenia z tej części. Trochę robiąc te zadania, zatęskniłam za projektami i postanowiłam, że trochę pohamuję swoją ciekawość, która nieustannie każe mi czytać o rzeczach, których jeszcze nie znam albo które znam zbyt słabo. Przestawię się trochę bardziej na praktykę, bo satysfakcja, którą ona daje, jest nieopisana. Oczywiście nie zamierzam zupełnie zahamować nauki - nie umiałabym chyba. Po prostu będę na równi traktować projekty z pochłanianiem nowych informacji, bo ostatnio te proporcje były zaburzone na niekorzyść projektów.

Moje wskazówki dla przyszłych zdających

Wszystkim przystępującym do tego certyfikatu poleciłabym nie tylko przerobienie ścieżki, która jest wyszczególniona w opisie przygotowań do niego, ale też zajrzenie do wytycznych odnośnie materiału wchodzącego w jego zakres. Ponadto uważam, że dobrym rozwiązaniem było także przerobienie kursów dotyczących poszczególnych etapów analizy - osobnego kursu (poza ścieżką) odnośnie czyszczenia danych, importowania danych itd. Mnie się to na pewno przydało w kontekście tego certyfikatu (a poza nim pewnie jeszcze bardziej). Powiedziałabym, że trzeba umieć trochę więcej niż prezentowane w sekcji "przygotowań do certyfikatu" materiały. I myślę, że to świetnie. DataCamp zawsze motywuje do dalszego rozwoju i sięgania po więcej. A jest po co!


* Zdjęcie z posta zostało wygenerowane przez Sorę

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 ...

Certyfikat DataCamp: Python Data Associate- jak się do niego przygotowuję?

  Minęło już sporo czasu, odkąd zaczęłam uczyć się na platformie DataCamp. Większość materiałów, które przerabiałam, dotyczyła Pythona (choć trochę zahaczyłam też o inne tematy). Może się wydawać, że po tak długim czasie powinnam już być mistrzynią, ale prawda jest taka, że między dwoma intensywnymi okresami nauki minęło wystarczająco dużo czasu, żebym zaczęła się zastanawiać… czy ja w ogóle jeszcze coś pamiętam? Praktyka jest ważna - a ja trochę o tym zapomniałam. Potem przyszedł moment intensywnych powtórek, od zupełnych podstaw. Chciałam mieć pewność, że nic mi nie umknęło i że nie przeskoczyłam czegoś istotnego. To wtedy postanowiłam, że tym razem nie odpuszczę, nawet jeśli życie znowu postanowi trochę namieszać (a potrafi). Ustaliłam sobie konkretny cel, zaczęłam działać i regularnie wracać do materiału. Podsumowanie nauki Dla mnie fajnym podsumowaniem tej nauki są różnego rodzaju certyfikaty. Nie tyle dla CV, co po prostu dla siebie - żeby się podbudować i mieć poczucie, że ...

Jak polubić statystykę? Książka „Analityk Danych”- idealna na początek! [Recenzja]

  Dlaczego warto przeczytać ten wpis?      Temat projektów przekładam na kolejny wpis. Muszę się czymś podzielić. Dwa tygodnie temu zakupiłam w Empiku książkę pod tytułem „Analityk Danych” autorstwa Alexa J. Gutmana i Jordana Goldmeiera. Ta pozycja jest REWELACYJNA (pomimo, że dotyczy statystyki w data science). To moja druga książka o statystyce w życiu i muszę przyznać, że tę pierwszą biorę sobie do czytania, gdy nie mogę zasnąć. Sprawdza się doskonale. Natomiast od tej nie mogę się odkleić, co jest naprawdę dziwne, bo jest o statystyce, za którą naprawdę kiedyś nie przepadałam. Teraz jednak dochodzę do wniosku, że to nie była kwestia samej statystyki, bo daleko jej do nudy. To była kwestia sposobu przekazywania mi tych treści. Ta sama historia, co z Excelem. Co sprawia, że ta książka jest tak dobra?      Jeśli chodzi o treść książki, to pierwsze, co nasuwa mi się na myśl to jest bardzo zwięzły i zgrabny sposób składania zdań. Warto tutaj wspomni...