3 hal yang akan membantu Anda memaksimalkan bootcamp ilmu data Anda

Bootcamp ilmu data intensif dengan kurikulum yang padat. Jika Anda adalah seseorang yang tidak yakin apakah bootcamp adalah cara terbaik bagi Anda untuk mempelajari ilmu data, Anda dapat membaca artikel saya sebelumnya di sini. Dalam artikel ini, saya membagikan pemikiran saya tentang cara memanfaatkan bootcamp setelah Anda memutuskan untuk bergabung.

Ketika saya memulai bootcamp saya dengan Codeop , saya memiliki gagasan yang kabur tentang apa yang akan saya pelajari berdasarkan kurikulum yang diberikan kepada saya di awal kursus. Sekarang saya berada di tengah-tengahnya, saya bersyukur atas beberapa hal yang saya lakukan sebelum hari pertama kelas dan beberapa yang saya harap saya lakukan sebagai bagian dari persiapan. Jadi berdasarkan pengalaman saya, untuk mengantisipasi hari pertama kuliah, gunakan waktu di antaranya untuk:

1. Biasakan diri Anda dengan bahasa pemrograman pilihan
2. Pelajari dasar-dasar statistik
3. Memahami terminologi dasar pembelajaran mesin

Penafian: Sumber daya yang dibagikan bukanlah konten bersponsor. Semuanya berdasarkan pengalaman pribadi saya menggunakannya.

Biasakan diri Anda dengan bahasa pemrograman pilihan

Seperti halnya menjadi pemula di bidang apa pun, kurva belajar dengan pengkodean akan paling curam di awal. Akan sering ada batu sandungan yang harus dilalui dan tidak ada jalan keluar dari bagian sulit dari perjalanan untuk menjadi ilmuwan data ini. Namun, keterampilan yang dipelajari pada titik ini adalah batu loncatan yang menjadi dasar seberapa baik seseorang bisa mendapatkannya. Jadi penting untuk memahami konsep dan memiliki pemahaman yang kuat atas dasar-dasar pengkodean dalam bahasa pemrograman apa pun.

Kurikulum bootcamp memiliki sedikit ruang untuk kendur dan itu membuatnya mudah tertinggal dalam memperkuat pemahaman yang benar tentang topik yang diperkenalkan. Dalam struktur seperti itu, melewatkan beberapa langkah atau melanjutkan ke langkah berikutnya dengan pemahaman yang berlebihan tentang topik sebelumnya dapat memikat. Untuk menghindari jatuh ke dalam perangkap itu, sangat membantu untuk memulai dengan mengambil dasar-dasar bahasa pemrograman yang ingin dikodekan. Ini dapat mencakup konsep-konsep seperti lingkungan pengkodean, sintaks, dan struktur data antara lain.

Rekomendasi saya:

Saya merekomendasikan melakukan kursus pengantar di Dataquest di mana seseorang dapat mulai belajar secara gratis (dengan langganan berbayar untuk akses tak terbatas setelah titik tertentu). Ini berjalan sendiri dan dikirim sepenuhnya online. Saya sangat menyukai pendekatan 'belajar sambil melakukan' kursus di platform ini yang berbeda dari yang lain (seperti Datacamp ). Pendekatan ini membantu saya dengan retensi yang lebih besar dari apa yang saya pelajari. Kursus difokuskan pada mengajar siswa bagaimana belajar dengan memikirkan masalah dan mengarahkan mereka ke dokumentasi. Memecah masalah yang rumit dan menggunakan dokumentasi sebagai bantuan adalah keterampilan yang sangat berharga untuk dimiliki sebagai ilmuwan data.

Pelajari dasar-dasar statistik

Salah satu komponen inti dari ilmu data adalah statistik. Ilmuwan data menggunakan statistik untuk mengumpulkan, meninjau, menganalisis, dan menarik kesimpulan dari data, serta membangun model data. Singkatnya, statistik membantu mengeluarkan informasi yang berarti dari data yang dapat mendukung tindakan berbasis bukti.

Bootcamp yang baik bertujuan untuk mencakup konsep statistik penting sebagai bagian dari kurikulumnya. Tapi itu bisa menjadi teknis untuk seseorang yang belum pernah menemukan statistik sebelumnya. Bahkan bagi mereka yang mungkin telah melakukan statistik 101 di beberapa titik dalam pendidikan mereka, memahami dengan baik setiap topik yang diperlukan untuk bidang-bidang seperti pembelajaran mesin mungkin bukanlah hal yang mudah.

Meskipun sulit untuk mencari tahu di mana seseorang harus mulai belajar, ada banyak sumber daya gratis yang tersedia tentang dasar-dasar statistik yang diperlukan untuk ilmu data. Saya melihat tiga bidang utama statistik yang berguna dalam ilmu data:

1. Konsep Statistik Inti — Statistik deskriptif, distribusi, pengujian hipotesis, dan regresi.
2. Statistik Bayesian — Probabilitas bersyarat, prior, posterior, dan kemungkinan maksimum.
3. Pembelajaran Mesin Statistik - konsep mesin statistik dasar yang berguna dalam pemodelan prediktif yang dibedakan dari metode statistik klasik

• Jika Anda suka belajar melalui buku, Anda dapat melihat Statistik Praktis untuk Ilmuwan Data oleh Peter Bruce, Andrew Bruce dan Peter Gedeck. Buku ini mencakup topik-topik penting dalam format yang mudah dibaca dan cocok untuk pemula.
• Jika Anda lebih suka belajar melalui video (seperti saya), saya akan merekomendasikan rangkaian video tentang Dasar- Dasar Statistik oleh Josh Starmer di saluran youtube Statquest-nya. Dia menjelaskan konsep statistik dengan gaya mengajar yang jelas dan ringkas sambil memanfaatkan visual dengan baik.

Pembelajaran mesin (ML) adalah bagian dari bidang umum Ilmu Data. Pembelajaran mesin adalah sekumpulan metode, alat, dan algoritme komputer yang digunakan untuk melatih mesin untuk menganalisis, memahami, dan menemukan pola tersembunyi dalam data dan membuat prediksi. Ini biasanya digunakan di seluruh bisnis dalam domain kecerdasan buatan.

Kamp pelatihan teknologi cenderung mencakup topik pembelajaran mesin dalam kurikulumnya karena merupakan keahlian yang banyak dicari dalam karier ilmu data saat ini. Untuk mendapatkan pemahaman yang baik tentang konsep teoretis melalui bootcamp, akan sangat membantu jika Anda mempelajari beberapa terminologi dan konsep dasar pada waktu Anda sendiri. Ini kemudian akan memungkinkan penggunaan kelas yang sebenarnya untuk mengklarifikasi pemahaman seseorang dan masuk lebih dalam ke topik minat tertentu untuk akhirnya mulai membangun model ML.

Rekomendasi saya:

Menurut saya, video Pengantar Cassie Kozyrov untuk ML dan AI — MFML Bagian 1 adalah sumber luar biasa yang tersedia untuk pemula. Berteman dengan Pembelajaran Mesin (MFML) adalah kursus Google khusus internal yang sekarang tersedia untuk semua orang. Dia berfokus pada pemahaman konseptual (bukan detail matematika dan pemrograman) dan memandu melalui ide-ide yang menjadi dasar pembelajaran mesin. Jika Anda lebih suka membacanya, dia juga telah menulis artikel menengah tentangnya.