Desde los puntos de vista compartidos por el Sr. Kunal Jain desde Analytics Vidhya hasta Piyanka Jain, colaborador de Forbes en datos y análisis.
Todo cae dentro de un marco básico que llevaría a tomar las decisiones correctas.
Para pensar en: el número de herramientas, las técnicas analíticas en la aplicación y el proveedor de capacitación, todas se han multiplicado en los últimos años. Si hay que creer en las tendencias y proyecciones, esto es probablemente el comienzo de una fase de crecimiento.
Tomemos un ejemplo: como persona que se cambia de la industria del software, ¿aprende SAS o aprende R? ¿O deberías aprender herramientas y técnicas de Big Data? ¿Qué tal el aprendizaje automático? ¿Herramientas de visualización de datos? Incluso si se concentra en uno de estos, la siguiente pregunta que surge es ¿dónde y cómo realizar estos entrenamientos?
Marco para elegir la formación analítica correcta:
-¿Qué herramienta para aprender?
-¿Qué técnicas para enfocar?
-¿Cómo aprender?
Donde aprender
Puede aplicarlo en varias etapas de su carrera analítica para averiguar qué debería aprender a continuación.
Resumen del marco:
La respuesta a las 2 primeras preguntas en este marco se encuentra en forma de niveles o pasos. Comienzas desde el nivel 0 y te mueves paso a paso. Así que si eres un comienzo más fresco desde el nivel 0 de herramientas y el nivel 0 de técnicas. Pero, si está más fresco con antecedentes en estadísticas, comience con el nivel 1 de herramientas (suponiendo que sepa Excel) y el nivel 1 de técnicas (pase al nivel 2 si sabe modelado predictivo)
Una vez que haya finalizado las herramientas y técnicas para aprender, continúe con los pasos 3 y 4 del proceso.
Paso 1: ¿Qué herramienta para aprender?
Nivel 0: Excel.
Si no sabes sobresalir, primero debes aprenderlo. Debería poder jugar con tablas dinámicas, realizar manipulaciones de datos simples y aplicar búsquedas en Excel.
Nivel 1: SAS / R / Python
Este va a ser tu caballo de trabajo. Puedes elegir cualquiera de estos idiomas.
Nivel 2: QlikView / Tableau / D3.js
Debe agregar su repositorio con una de las herramientas de visualización.
Nivel 3: herramientas de Big Data
Esto en sí mismo puede ser de múltiples niveles – comience con la pila Hadoop – HDFS, HBase, Pig, Hive, Spark
Nivel 4: Bases de datos NoSQL
Excepción 1: si proviene de MIS / reporting background, puede comenzar aprendiendo herramientas de visualización como QlikView y Tableau (Nivel 2) y luego pasar al Nivel 1.
Excepción 2: si viene de ingeniería de software / desarrollo web y conoce uno de los 2 idiomas, Java o Python, también puede comenzar desde las herramientas de Big Data (nivel 3)
Paso 2: ¿Qué técnicas deberías estar aprendiendo?
Ahora que sabe qué herramienta le gustaría aprender, veamos las técnicas para aprender. De nuevo la estructura es similar.
Nivel 0: Fundamentos de estadística – Estadística descriptiva e inferencial
Nivel 1: Modelado predictivo básico – ANOVA, Regresión, Árboles de decisión, Series de tiempo
Nivel 2: Todas las demás técnicas de aprendizaje automático restantes, excepto redes neuronales
Nivel 3: Redes neuronales y aprendizaje profundo.
Paso 3: ¿Cómo debes aprender?
Cómo debes aprender depende de 2 factores:
Recursos que puede gastar en aprender; y
Tu autoaprendizaje de motivación.
En un extremo, tiene la opción de unirse a cursos abiertos, en los que gasta recursos bajos (casi cero), pero necesita una gran motivación para el autoaprendizaje o instituciones sensatas que se concentren en la calidad del currículo proporcionado y las técnicas para compartir el aprendizaje como la Academia de Jigsaw. . Por otro lado, tiene cursos impartidos por grandes universidades como Stanford / MIT / North Western, donde tendrá que gastar dinero y recibirá ayuda y tutoría de expertos durante más tiempo. Puede elegir el estilo de su aprendizaje dependiendo de dónde encaja.
Tenga en cuenta que independientemente de cuál sea el método y la combinación que elija, deberá ayudar a estas capacitaciones mediante la práctica de proyectos y prácticas. Ningún recurso o entrenamiento puede cubrir eso por ti.
Paso 4: ¿Dónde aprender?
Ahora que sabe, qué aprender y cómo aprender, puede agregar a la lista varias opciones disponibles. Debe hablar con las personas que han realizado ese entrenamiento / curso y recopilar algunas revisiones.
piense en: el número de herramientas, las técnicas analíticas aplicadas y el proveedor de capacitación, todas se han multiplicado en los últimos años. Si hay que creer en las tendencias y proyecciones, esto probablemente sea solo el comienzo de una fase de crecimiento. Pongamos un ejemplo: como persona que pasa de la industria del software, ¿aprende SAS o aprende R? ¿O deberías aprender herramientas y técnicas de Big Data? ¿Qué tal el aprendizaje automático? ¿Herramientas de visualización de datos? Incluso si se concentra en uno de estos, la siguiente pregunta que surge es dónde y cómo realizar estos entrenamientos. Marco para elegir el entrenamiento analítico correcto: ¿En qué herramienta aprender? ¿En qué técnicas enfocarse? ¿Cómo aprender? ¿Dónde aprender? Puede aplicarlo en varias etapas de su carrera analítica para averiguar qué debería aprender a continuación.
Resumen del marco :
La respuesta a las 2 primeras preguntas en este marco se encuentra en forma de niveles o pasos. Comienzas desde el nivel 0 y te mueves paso a paso. Así que si eres un comienzo más fresco desde el nivel 0 de herramientas y el nivel 0 de técnicas. Pero, si está más fresco con antecedentes en estadísticas, comience con el Nivel 1 de herramientas (suponiendo que sepa Excel) y el Nivel 1 de técnicas (pase al nivel 2 si sabe modelado predictivo) Una vez que haya finalizado las herramientas y técnicas para aprender, continúe con el paso 3 y el paso 4 del proceso. Paso 1: ¿Qué herramienta aprender? Nivel 0: Excel. Si no sabe sobresalir, primero debe aprenderlo. Debería poder jugar con tablas dinámicas, realizar manipulaciones simples de datos y aplicar búsquedas en Excel. Nivel 1: SAS / R / Python. Este será su caballo de trabajo. Puedes elegir cualquiera de estos idiomas. Nivel 2: QlikView / Tableau / D3.js. Debe agregar su repositorio con una de las herramientas de visualización. Nivel 3: Herramientas de Big Data Esto puede ser de múltiples niveles. Comience con la pila Hadoop: HDFS, HBase, Pig, Hive, SparkLevel 4 : NoSQL DatabasesException 1: si proviene de MIS / reporting background, puede comenzar aprendiendo herramientas de visualización como QlikView y Tableau (Nivel 2) y luego pasar al Nivel 1Exception 2: si proviene de la ingeniería de software / desarrollo web y conoce uno de los 2 idiomas: Java o Python, también puede comenzar con las herramientas de Big Data (nivel 3) Paso 2: ¿Qué técnicas debería aprender? Ahora que ya sabe, qué herramienta desea aprender, veamos las técnicas aprender. Una vez más, la estructura es similar. Nivel 0: Conceptos básicos de estadística: Estadística descriptiva e inferencial Nivel 1: Modelado predictivo básico: ANOVA, Regresión, Árboles de decisión, Series temporales, Nivel 2: Todas las demás técnicas de aprendizaje automático restantes, excepto Redes neuronales, Nivel 3: Redes neuronales y aprendizaje profundo Paso 3 : ¿Cómo debería aprender? Cómo debería aprender depende de 2 factores: Recursos que puede gastar en el aprendizaje; y tu autoaprendizaje de motivación.
En un extremo, tiene la opción de unirse a cursos abiertos, en los que gasta recursos bajos (casi cero), pero necesita una gran motivación para el autoaprendizaje o instituciones sensatas que se concentren en la calidad del currículo proporcionado y las técnicas para compartir el aprendizaje como la Academia de Jigsaw. . Por otro lado, tiene cursos impartidos por grandes universidades como Stanford / MIT / North Western, donde tendrá que gastar dinero y recibirá ayuda y tutoría de expertos durante más tiempo. Puede elegir el estilo de su aprendizaje dependiendo de dónde encaja.
Tenga en cuenta que independientemente de cuál sea el método y la combinación que elija, deberá ayudar a estas capacitaciones mediante la práctica de proyectos y prácticas. Ningún recurso o entrenamiento puede cubrir eso por ti.
