Es gibt viele Ressourcen, die Ihnen dabei helfen, ein besserer Datenwissenschaftler zu werden. Hier sind meine Erfahrungen mit einer davon – die guten und die schlechten.
DataCamp ist eine Website zum Erlernen der Programmierung für Datenanalyse und Datenwissenschaft. In den letzten Jahren habe ich es geschafft, 44 Kurse sowie acht von DataCamp angebotene Lernpfade zu absolvieren, was insgesamt 308 Stunden Kursarbeit entspricht. In diesem Artikel werfe ich einen Gesamtüberblick über meine DataCamp-Erfahrungen und teile fünf Überlegungen, die Sie berücksichtigen sollten, bevor Sie sich auf (oder sogar während ) Ihrer eigenen Lernreise in die Datenwissenschaft begeben.
Ich habe die folgenden Fähigkeits- und Karrierewege abgeschlossen (die fettgedruckten sind Karrierewege).
- Datenanalyst mit Python (47 Stunden)
- Datenanalyst mit R (64 Stunden)
- Data Scientist mit R (94 Stunden)
- Einführung in die Statistik mit R (20 Stunden)
- Python-Grundlagen (15 Stunden)
- Python-Programmierer (36 Stunden)
- Importieren und Bereinigen von Daten mit R (14 Stunden)
- R-Programmierung (18 Stunden)
Hier ist eine kurze Zusammenfassung meines Lernprofils sowie einiger der wichtigsten Erfolge auf diesem Gebiet:
Ich habe die Plattform in den letzten Jahren immer mal wieder verwendet. DataCamp ist eine wertvolle Ressource, um meine Kenntnisse in den Bereichen Datenwissenschaft und Programmierung weiter zu verbessern und insgesamt effektiver in meinem Job zu sein, da ich oft auf interessante Möglichkeiten zur Datenanalyse stoße, die von mir verlangen, ständig dazuzulernen.
DataCamp war für mich definitiv der entscheidende Ausgangspunkt, um ein autodidaktischer Datenanalyse-Experte zu werden, weil es mir ermöglicht, an Projekten zu arbeiten, die mir Spaß machen, und über alle Aspekte der Datenwissenschaft zu schreiben . Allerdings hat es auch seine Nachteile.
DataCamp lehrt grundlegende Programmierung
DataCamp ist hervorragend darin, die wichtigsten Grundlagen zu vermitteln und den Lernenden die Werkzeuge zu geben , die sie für den Einstieg benötigen. Kurz gesagt, DataCamp vermittelt die Grundlagen der Programmierung sehr gut.
Auf Lektionen zum allgemeinen Programmierkontext und zur Syntax folgt im Lehrplan intuitiv die Einführung in Datenanalyse und wissenschaftsspezifische Pakete, wie etwa Pandas in Python zur Datenbereinigung und -manipulation oder ggplot in R zur Datenvisualisierung .
Der Übergang ist nahtlos und gut strukturiert. Die Lernpläne sind in mundgerechte Häppchen aufgeteilt (d. h. die Kurse innerhalb eines bestimmten Plans/Kurses sind in Abschnitte von zwei bis vier Stunden pro Kurs unterteilt) und halten den Kursstoff überschaubar, während sie gleichzeitig eine modulare Lernerfahrung bieten.
DataCamp deckt auch die Arbeitsabläufe ab, um die sich die Lernpläne drehen. Nach den ersten grundlegenden Programmierlektionen werden Sie sofort in den zirkulären Prozess Datenimport > Datenbereinigung > Datenmodellierung > Datenpräsentation eingebunden , der in der Praxis häufig verwendet wird.
Diese Organisation hilft Ihnen dabei, sich an die Arbeit mit Daten in ähnlichen Szenarien zu gewöhnen wie denen, die Sie später erleben werden, wenn Sie sich in die Datenanalyse vertiefen, egal in welcher Rolle Sie diese Fähigkeiten erwerben.
Lohnt sich DataCamp?
DataCamp ermöglichte mir einen sofortigen Start, als ich als Datenanalyst und später als Analytics-Berater in einem Team aus Datenanalysten, Dateningenieuren und Datenwissenschaftlern eingestellt wurde. Wenn Sie sowohl mit Python als auch mit R vertraut sind, können Sie sofort an Projekten arbeiten und ein solider Mitarbeiter werden, während Sie gleichzeitig Vertrauen in Ihre Programmier- und Datenanalysefähigkeiten haben, um einen Mehrwert für Ihr Team zu schaffen.
Dieses grundlegende Maß an Selbstvertrauen ist von entscheidender Bedeutung, um Ihnen anschließend dabei zu helfen, Ihr Wissen anhand realer Projekte in die Praxis umzusetzen und gleichzeitig effektiv bei der Arbeit mit Ihrem Team zu lernen.
Gleichzeitig entgehen Ihnen aufgrund des In-Browser-Wertversprechens von DataCamp (was bedeutet, dass Sie die meiste Zeit zum Lernen kaum die Website verlassen) und der integrierten IDE (integrierte Entwicklungsumgebung) praktische Erfahrungen bei einer Reihe anderer Fähigkeiten, darunter:
- Verwenden der Befehlszeile
- Verwalten von Python-Paketen und -Umgebungen
- Verwenden von Git / GitHub in Ihrer IDE
- Einrichten und Arbeiten mit Ihrer lokalen Python-IDE
- Bereitstellen Ihres Codes in Produktionsumgebungen
Dies sollte Sie auf keinen Fall vom Lernen auf DataCamp abhalten, Sie sollten es aber auf jeden Fall im Hinterkopf behalten, da Sie Ihre Lernerfahrung wahrscheinlich durch andere Ressourcen ergänzen müssen.
Beachten Sie auch, dass sich einiges davon seit meinem letzten Kursbesuch geändert/verbessert haben könnte, da sich diese Plattformen ständig ändern.
Warum DataCamp Lust auf mehr macht
DataCamp kann sich wie eine sehr komprimierte Version von allem anfühlen, was man über die Arbeit mit Daten und den Einsatz von Technologie zur Arbeit an Data Science-Projekten wissen muss . Es fühlt sich fast zu einfach und geführt an. In gewisser Weise liegt das daran, dass die Plattform und das Team sehr gut darin sind, Lerninhalte auf eine Weise zu entwickeln, die zugänglich ist und Studierende anspricht.
Die Einfachheit sollte jedoch nicht Ihrer Neugier im Wege stehen, die Sie entwickeln, wenn es darum geht, alles über Daten zu erfahren, die Sie in DataCamp nicht ordentlich verpackt finden.
Aus diesem Grund empfehle ich, DataCamp nach Abschluss einiger Tracks zu verlassen und sich über die folgenden Themen mithilfe von Büchern und anderen Lernplattformen näher zu informieren. Diese ergänzen das, was DataCamp nicht bietet, um zum Kern der Datenwissenschaft als Disziplin vorzudringen.
- Informatik ( Datenstrukturen und Algorithmen )
- Mathematik ( Lineare Algebra und Differential- und Integralrechnung)
- Statistik und Wahrscheinlichkeit
- Cloud-Plattformen (AWS, GCP, Azure)
- Allgemeine Backend-Entwicklung (Django, Flask)
- Algorithmen für maschinelles Lernen
Wenn Sie das Beste aus der Plattform und Ihrem gesamten Lernerlebnis herausholen möchten:
- Lernen Sie nicht nur das Programmieren. Machen Sie sich mit dem Workflow der Datenanalyse vertraut.
- Bereiten Sie sich mit DataCamp auf den Beruf vor und lernen Sie weiter .
- Ergänzen Sie Ihr Lernen mit zentralen Themenbereichen der Datenwissenschaft, die auf DataCamp nicht so ausführlich behandelt werden.
Hinweis: Alle Meinungen sind meine eigenen und spiegeln nicht die Meinungen meines Arbeitgebers wider.
