La ciencia de datos en general es más difícil de aprender que cualquier marco o lenguaje, porque tiene que tener algunos proyectos prácticos en su haber, ya sea en Kaggle y en esos sitios, o en el trabajo, para poder apreciar la amplia gama de técnicas y enfoques. Sin embargo, con el tiempo se puede desarrollar un conocimiento práctico de álgebra lineal, estadísticas básicas, aprendizaje automático, bases de datos y visualización de datos.
Recomendaría aprender R paso a paso dentro de R, usando Swirl. R tiene una larga curva de aprendizaje, y ayuda si tiene acceso a datos para analizar. Afortunadamente, R viene con algunos excelentes paquetes que hacen que el aprendizaje sea un poco más fácil. Uno de esos paquetes es remolino. R tiene buena documentación, pero es más fácil de leer para aquellos que tienen algún conocimiento de estadísticas.
Recomiendo encarecidamente remolino porque es muy fácil de usar y tiene una interfaz amigable. Las lecciones son bastante completas. Swirl fue construido por los mismos profesores de JHU que dirigen la especialización en ciencia de datos de Coursera, y creo que es una excelente manera de aprender R.
- Si un hombre es de naturaleza silenciosa pero tiene buenas habilidades, ¿aún es rechazado del trabajo pero el hombre que habla más y no tiene habilidades consigue trabajo?
- Cómo prepararse para las entrevistas con el gerente de producto fintech
- ¿Puede un graduado de ingeniería petrolera tener una carrera profesional de ingeniero de aseguramiento de flujo?
- Tengo 22 años, soy un desertor de la universidad y desarrollador de aplicaciones iOS. ¿Cómo puedo conseguir un trabajo en la India?
- ¿Cuál es un mejor campo: ingeniería mecánica o ingeniería de producción?
Recuerde que R fue escrito para estadísticos. Si se familiariza con algunas de las ideas de las estadísticas descriptivas e inferenciales, tendrá una mejor oportunidad de elegir la funcionalidad de R. Por lo tanto, no trate a R como un lenguaje de programación, y en su lugar, trátelo como un lenguaje destinado al análisis de datos estadísticos. Encontrarás más éxito de esta manera. Existen excelentes cursos en línea que pueden ayudarlo a aprender estadísticas. El curso de Khan Academy es uno de ellos, al igual que el curso de inferencia estadística en la especialización de JHU Coursera Data Science.
Si encuentra R muy complicado, intente algo mucho más simple, como SQL: configurar y hacer análisis en bases de datos relacionales simples también puede presentarle el análisis de datos. En algún momento, te calentarás con lo que R o la pila de ciencia de datos de Python tienen para ofrecer.
Si tiene dificultades para aprender R o Python pero se siente cómodo con las estadísticas básicas e inferenciales, un paso intermedio sería aprender Minitab o SAS. SAS se basa en comandos, pero Minitab tiene la funcionalidad de apuntar y hacer clic, lo que significa que los principiantes se adaptarán a sus características y comprenderán mejor las estadísticas de los problemas de la ciencia de datos.