Cientista de Dados em Formação: Primeiro Mês da minha Jornada de Aprendizado | Data Scientist in Training: First Month of My Learning Journey
Esse primeiro mês foi um mês de organização/planejamento dos conteúdos e materiais que eu vou utilizar para construir a minha base de conhecimento na área de ciência de dados. Eu utilizei esse tempo também para me familiarizar com temas relacionados à essa profissão.
A primeira coisa que fiz foi começar a seguir nas redes sociais (e YouTube) pessoas/profissionais que trabalham como cientistas ou analistas de dados, assim como também perfis que disponibilizam conteúdos gratuitos sobre temas relacionados à ciência de dados (programação, storytelling, estatística, etc). No meu próximo post eu listarei quais são essas pessoas/perfis.
Bom, como estou mergulhando em um mar de informações e conceitos novos pra mim, eu precisava me organizar para saber o que eu deveria estudar nesse momento inicial para começar a construir uma base de conhecimento sólida na área, o que não foi muito fácil. Existem diversas fontes de conteúdos na internet relacionadas à ciência de dados, desde pagas a gratuitas, assim como também diversos temas relacionados à essa área. Então, eu precisava delimitar quais fontes eu utilizaria e em quais temas eu me dedicaria nesse primeiro momento. Do contrário, eu poderia ficar perdido em meio à tanta informação e acabar não sendo efetivo nessa primeira etapa, o que poderia prejudicar a minha evolução no futuro.
Considerando isso e tendo claro o objetivo de tentar traçar um plano estratégico o mais efetivo possível para a construção dessa minha base em ciência de dados, eu decidi dividir os meus estudos em alguns tópicos. Mas antes de listá-los, eu preciso fazer duas considerações importantes sobre isso.
CONSIDERAÇÃO IMPORTANTE 1: eu optei por selecionar apenas fontes de conteúdos gratuitos nesse primeiro momento.
CONSIDERAÇÃO IMPORTANTE 2: eu escolhi os temas que eu deveria estudar (e em quais eu dedicaria mais tempo) baseado em alguns fatores: requisitos das vagas de cientista de dados que eu olhei no LinkedIn; dicas dos profissionais da área (nos perfis que eu comecei a seguir); e temas que eu tenho menos familiaridade.
Dito isto, abaixo eu listo cada um dos tópicos que eu comecei a estudar e onde eu busquei conhecimento a respeito.
1. Programação: eu decidi focar em duas linguagens: Python e SQL. Pelo que eu vi, são as duas linguagens mais utilizadas na área. Para estudá-las, eu optei por utilizar os vídeos do YouTube disponibilizados pelo canal “Curso em Vídeo”. O Gustavo Guanabara, proprietário do canal e professor de programação, possui uma didática incrível e a qualidade dos vídeos é excelente. O canal possui diferentes playlists para diversos cursos de programação e tecnologia, sendo dois deles o de Python e o de SQL.
2. Familiarização com os principais temas da área: como quase tudo nesse universo de Big Data e analytics é novo pra mim, também seria interessante nesse primeiro momento me familiarizar com a teoria (e um pouco de prática também) a respeito dos principais tópicos relacionados à área, como machine learning, cloud computing, storytelling, etc . Para suprir essa demanda, eu decidi realizar todos os cursos gratuitos disponibilizados pela Data Science Academy. Os cursos são majoritariamente teóricos, mas contam
com conteúdos bem explicativos e atualizados.
3. Estatística: é o tópico que eu possuo mais familiaridade por conta da minha formação acadêmica, mas eu considerei ser importante estudá-lo em situações aplicadas à ciência de dados, além de revisar (e aprender) muita coisa, uma vez que eu não lembro de tudo e muito menos sei de tudo haha. Para estudar um pouco sobre este tópico, eu utilizei os vídeos de dois canais do YouTube: “MarinStatsLectures-R Programming & Statistics” e “freeCodeCamp.org”.
É isso! Daqui mais ou menos um mês eu faço um novo post se eu mantive o mesmo plano ou se eu já consegui avançar para uma próxima fase da minha jornada de aprendizado rumo ao objetivo de me tornar um cientista de dados.
Obrigado pela leitura, pessoal! Se esse post te ajudou de alguma forma, não deixe de me dizer e também de compartilhar com alguém que também possa ser ajudado.
Até o próximo post! Obrigado! =]
email: godoyajr@gmail.com
LinkedIn: www.linkedin.com/in/armstrong-godoy-jr
This first month was to organize/plan the contents and materials that I will use to build my knowledge in the area of data science. I also used this time to familiarize myself with topics related to this profession.
The first thing I did was to start following people/professionals who work as scientists or data analysts on social media, as well as profiles that provide free content on topics related to data science (programming, storytelling, statistics, etc). In my next post, I will list which of those people/profiles I’m following.
Well, as I am diving into a sea of information and concepts that are new to me, I needed to organize myself to know what I should study at this initial moment to start building a solid knowledge in that area, which was not very easy. There are several sources of content on the internet related to data science, from paid to free, as well as several topics related to this area. So, I needed to define which sources I would use and which themes I would dedicate myself to at this first moment. Otherwise, I could get lost in the midst of so much information and end up not being effective in this first stage, which could harm my evolution in the future.
Considering this and having a clear objective of trying to draw a strategic plan as effectively as possible for the construction of my data science base, I decided to divide my studies into a few topics. But before listing them, I need to make two important considerations about that.
IMPORTANT CONSIDERATION 1: I chose to select only free content sources at this first moment.
IMPORTANT CONSIDERATION 2: I chose the topics I should study (and which I would spend more time on) based on a few factors: requirements of the data scientist jobs I looked at on LinkedIn; tips from professionals in the field (in the profiles I started to follow); and topics that I’m less familiar with.
That said, below I list each of the topics that I started studying and where I sought knowledge about it.
1. Programming: I decided to focus on two languages: Python and SQL. From what I’ve seen, these are the two most used languages in the area. To study them, I chose to use the YouTube videos available in the “Curso em Vídeo” channel. Gustavo Guanabara, the channel’s owner and programming teacher, has incredible didactics and the quality of the videos is excellent. The channel has different playlists for various programming and technology courses, two of which are Python and SQL.
2. Familiarization with the main topics of the area: as almost everything in this universe of Big Data and analytics is new to me, it would also be interesting at this first moment to familiarize myself with the theory (and a little practice as well) regarding the main related topics to the area, such as machine learning, cloud computing, storytelling, etc. To meet this demand, I decided to take all the free courses available on the Data Science Academy website. The courses are mostly theoretical but have well-explanatory and up-to-date content.
3. Statistics: this is the topic that I am most familiar with due to my academic background, but I considered important to study it in situations applied to data science, in addition to reviewing (and learning) a lot, since I don’t I remember everything and much less know everything haha. To study this topic, I’m using videos from two YouTube channels: “MarinStatsLectures-R Programming & Statistics” and “freeCodeCamp.org”.
That’s it! In a month or so I’ll make a new post if I kept the same plan or if I’ve already managed to move to the next phase of my learning journey towards the goal of becoming a data scientist.
Thanks for reading, guys! If this post helped you in any way, be sure to tell me and also share with someone who can also be helped.
Until the next post! Thank you! =]
email: godoyajr@gmail.com
LinkedIn: www.linkedin.com/in/armstrong-godoy-jr
