В какой бы области знаний вы ни работали, самообразование играет огромную роль в вашем профессиональном развитии. Сегодня рассказываем о том, что может стать источником полезной информации для data scientist-ов.
Информационные бюллетени
Прежде чем покупать книги в интернете или читать все подряд, попробуйте воспользоваться информационными бюллетенями. Они вряд ли станут источником глубоких знаний, однако, вы будете в курсе, какими инструментами пользуются крупные компании, например, Google, Netflix, Spotify, Airbnb, Uber и другие. Также с течением времени вы научитесь распознавать полезные ссылки и быстро находить их.
Например, вы можете обратить внимание на Data Science Weekly Newsletter или hackernewsletter.
Учебные программы
В зависимости от вашей направленности начните подбирать для себя курсы и литературу, планировать свое самообразование. Хотя многие курсы стоят денег, вам необязательно тратиться. Как минимум вы можете оценить программу и проследовать ей самостоятельно. Также в сети можно отыскать немало материалов в свободном доступе. Это как курсы, так и руководства, гайды, самоучители, мануалы.
Вот тут узнайте про Data Science для стартапов, а здесь есть перечень бесплатных ресурсов по изучению Data Engineering.
Общение с экспертами
Для профессионального роста очень важно общаться с другими специалистами в этой области знаний. Поэтому обязательно принимайте участие в конференциях, съездах, встречах, хакатонах. Пандемия COVID-19 внесла свои коррективы в этот процесс, поэтому все перечисленные выше мероприятия могут перенестись в онлай-формат. Также вы можете общаться с data science специалистами в LinkedIn.
Курсы с сертификатами
Если диплом о высшем образовании в странах СНГ зачастую – просто корочка, которая ничего не значит, то сертификат с продвинутых курсов по работе с данными может быть крайне полезен. Многие такие сертификаты можно получить, пройдя онлайн-обучение на курсах от лучших университетов мира. Зачастую там освещаются актуальные вопросы и современные технологии – владение ими может стать залогом успеха при поиске новой работы или продвижения по карьерной лестнице.
Практическое применение знаний
Любая теория, не подкрепленная практикой, не значит совершенно ничего. Поэтому необходимо уделять внимание своему портфолио. Если вы не знаете, за что взяться первым делом, начинайте с классической работы с данными.
Очень важно следить за тенденциями в мире data science, вовремя изучать технологии и учиться применять их в деле. Пробуйте делать образцы проектов, находите данные интересующей вас компании, вдохновляйтесь открытыми проектами на Github.
