Klaviyo Data Science Podcast EP 35 | Jak zostać naukowcem danych

Witamy ponownie w podcaście Klaviyo Data Science! W tym odcinku zanurzymy się w…
Skąd pochodzą naukowcy zajmujący się danymi?
Pytanie jest trochę żartobliwe, ale tylko trochę. Nauka o danych to nowa dziedzina — podczas gdy wiele osób kończy dziś studia z nauką o danych, to samo nie było dziesięć lat temu. Wiele osób, które pracują (i będą pracować) jako analitycy danych, nie zostało klasycznie wyszkolonych jako naukowiec danych, ale jako coś innego. W tym miesiącu przyjrzymy się temu procesowi: procesowi pracy w dziedzinie, która różni się od analizy danych i zostania naukowcem danych.
Omawiamy kilka części tej podróży, w tym:
- Co przede wszystkim przyciąga kogoś do nauki o danych
- Jak podejść do zdobywania umiejętności technicznych potrzebnych do podjęcia pracy w dziedzinie analizy danych
- Jak podobne są niektóre elementy pracy analityka danych do zmywania naczyń
Prace cytowane
Podczas tego odcinka nasi paneliści wspominają o następujących zasobach:
- Uczenie maszynowe od A do Z na udemy
- Hackerrank i Leetcode
- Kanał StatQuest na YouTube
- Wprowadzenie do nauki statystycznej autorstwa Garetha Jamesa i in.
- Applied Data Science ze specjalizacją Python na Coursera
RSS • Podcasty Apple • Podcasty Google • Spotify • Anchor • Pocket Casts • Overcast • Breaker • RadioPublic
Jeśli podobał Ci się ten odcinek podcastu, podziel się nim ze znajomym, współpracownikiem, członkiem rodziny lub inną osobą, która może Ci się spodobać! Możesz również rozważyć pozostawienie nam recenzji lub ocenę 5 gwiazdek — algorytmy dbają o recenzje i oceny, więc zgromadzenie ich pomoże podcastowi pokazać się większej liczbie osób.
O Klaviyo
Klaviyo umożliwia twórcom decydowanie o własnym losie i pomaga zorientowanym na rozwój markom e-commerce zwiększać sprzedaż dzięki super ukierunkowanemu, wysoce trafnemu marketingowi e-mailowemu, SMS-owemu, Facebookowi i Instagramowi. Chcesz do nas dołączyć? Zawsze szukamy wspaniałych ludzi, którzy dołączą do naszego zespołu .
Kto jest kim
- Michael Lawson , starszy analityk danych
- Zach Willert , analityk danych
- Thomas Close , starszy analityk danych
- Steven Her , analityk danych