Најтешката работа што ја искусив во транзицијата од средно кон факултет е тоа дека нема кој да ме мотивира да учам. Исто така дознав (после неколку неуспеси) дека не е доволно да се учи само тоа што ќе каже професорот дека е за на тест (потребно е мнооогу повеќе). Да, она што го бара професор е доволно за да се положи предметот, но кога гледам луѓе кои полагаат важни предмети без да извлечат ништо суштинско за понатаму, го сметам за загуба, затоа што ако работат во било која сфера од IT, ќе мора тоа да го научат покасно (иако требало и можеле да го совладаат нештото кога им било наменето). Ова се однесува на периодот додека сте на факултет се разбира – на наједноставен начин сакам да посочам на нешто што можеби се чини како клише: не се учи само за да се положи, порано или подоцна ќе мора да го совладате нештото на нивото на кое е потребно. Во таа насока зошто тогаш не би го направиле тоа порано?
За податочните науки тоа особено важи, волку млада наука константно се развива и ако зависите само од она што бараат предметите, нема да можете да си го реализирате потенцијалот, да се надградувате и развивате. Data Science е навистина динамична и бара ваш целосен фокус, но и интерес за нови нешта.
Важно е да имате основа, добри професори/предавачи кои ќе ве водат низ нештото, но секогаш е потребен чекор плус од ваша страна, поголем интерес за нештата и љубопитност, која би рекол, никогаш не смее да згасне во вака динамично поле. Ако сте на почеток, многу веројатно е дека ќе се чувствувате изгубено и тука може да ви помогнат неколку страни каде луѓе од оваа област најчесто и се обраќаат за помош, одговори и насоки.
Ќе ви дадам примери за страни кои мене ми помогнале при учење и развивање на сопственото знаење, со надеж дека ќе ви помогнат и вас.
Секој програмер кога почнува да учи, повеќе се дружи со овој сајт отколку со другарите 🙂 Колку за споредба, она што Yahoo Answers и Quora Digest се за луѓе со секакви прашања за секојдневниот живот, тоа е Stack Overflow за прашања на програмери. Единствената разлика е во тоа што Stack Overflow дава добри одговори (најчесто). Ако сега почнуваш со програмирање и ти се појавува било каков error на излез од програмата, копирање на тој излез на Google веднаш ќе ти даде како резултат од личност која го прашала истото нешто. Некои велат дека најголемиот страв на програмерите е да постават прашање на Stack Overflow што никој дотогаш не го поставил 🙂 За грешки при практична работа со код не постои подобра страна (според мене и мноогу други).
На теоретската страна на нештата, на врвот се наоѓа Towards Data Science. Тука ќе најдете објави за безброј теми во областа на податочните науки, од безброј професори и експерти во полето. Многу основни концепти се убаво објаснети, а и многу комплицирани концепти се поедноставени. Кога јас лично сум пребарувал некое прашање на Google поврзано со тема од некоја област на Data Science, најчесто сум наидувал токму на оваа страна.
Не може да постои оваа листа без најважната страна за практично вежбање и натпревари во податочните науки. Kaggle нуди секакви податочни множества, многу совети и форумски објави на теми, како и натпревари во кои може секој да присуствува. Ако сакаш сам да учиш и веќе си читал теорија и сам си вежбал кодирање, ова е перфектниот следен чекор.
И секако, за крај се чува кралот:
Секоја страна си има свој шарм: објаснување на грешки на програмирање во Stack Overflow, теориско учење на Towards Data Science, натпревари и податочни множества на Kаggle, но има само едно место кое ги има сите овие заедно – YouTube. Со безброј видеа на повеќето теми што постојат, основи на програмирање на јазик, совети за учење, податочни множества дадени како пример, како и долгометражни курсеви кои некогаш покриваат цели факултетски предмети и предавања, YouTube е главниот hub за секоја форма на знаење на областа.
Важно е да се напомене дека е, како што би рекле Англичаните, „Jack of all trades, master of none“, што значи дека сè што прави, го прави малку полошо од страните специфични за тие полиња. Но, ако не знаеш каде да почнеш, едно „where to start learning data science“ пребарување ќе те однесе до потенцијалниот почеток на твоето патешествие. Ќе најдете корисни канали, луѓе што ќе ве водат низ нештото, неверојатно стручни ликови од оваа област кои создаваат квалитетна содржина. Можеби и ликови со кои ќе можете и лично да се идентификувате.
До следното читање,
Вашиот Red Hood!
_____________________________________________________________
Chapter 2: Зошто сакам да го учам и работам ова?
Chapter 3: Грешки при учење Data Science (и како се справив со нив)
