4 raisons pour lesquelles vous ne finissez jamais de suivre des cours de science des données en ligne
Ce n’est ni votre autodiscipline ni votre motivation. C’est ce qui pourrait entraver votre apprentissage de la science des données!
Vous vous souvenez du moment où vous avez commencé ce cours de science des données mais que vous n’avez jamais réussi à le terminer? Ou la centaine de fois où vous avez fait exactement la même chose, mais avec des cours que vous pensiez être une «correspondance parfaite», ou comme les scientifiques des données aiment dire… «plus sexy»?
Pas de panique! Nous y avons tous été! Et non, ce n’est probablement pas votre autodiscipline ni votre aptitude naturelle à l’égard du sujet.
Ce sont 4 raisons qui vous empêchent probablement de suivre des cours en ligne et d’obtenir des certificats:
- Surcharge d’information! Surcharge d’information! Surcharge d’information!
Soyons réels ici, cela peut être assez écrasant avec les cours en ligne gazillion, les pistes Data Science, les vidéos YouTube, les conférences, les podcasts et les livres. Il est presque impossible de connaître le meilleur endroit pour commencer! Et même lorsque vous le faites, vous vous demandez toujours: « Ai-je pris la bonne décision? », « Ce cours est-il le meilleur pour moi en ce moment? » et bien sûr la question à un million de dollars « Dois-je continuer? ».
Pour les débutants, j’ai un conseil: plongez tête première dans le processus d’apprentissage et ne pensez pas trop! Si vous commencez un cours en ligne offert par une université, une organisation ou une entreprise réputée, il y a de fortes chances que vous appreniez les bases avec des experts dans le domaine. C’est toujours une bonne chose. Ne pensez pas trop. Obtenez les bases. Entraine toi. Entraine toi. Entraine toi. Passez!
Si vous avez déjà les bases, lisez la suite!
2. Ground Zero et les principes de base «ennuyeux»
Une fois que vous avez compris les bases, vous voulez naturellement pousser vos compétences d’un cran. Et donc vous commencez un autre cours… seulement pour arrêter après quelques minutes / heures de progrès.
Pourquoi cela se produit-il?
C’est assez simple en fait. La plupart des cours sont conçus de manière linéaire de sorte que les premières vidéos / conférences / chapitres visent à s’assurer que l’apprenant a maîtrisé les techniques préalables avant d’introduire des idées et des concepts plus complexes.
Mais vous maîtrisez déjà ces bases! Et la dernière chose que vous voulez entendre pour la centième fois, c’est comment Python gère différents types de données! Vous les connaissez déjà!
Vous vous ennuyez. Vous fermez cet onglet. Le reste appartient à l’histoire.
Partir de zéro pour chaque fois que vous commencez un nouveau parcours n’est tout simplement pas le meilleur moyen de le contourner. Vous devez continuer à être mis au défi. Mes deux cents à ce sujet sont que si vous le savez déjà, sautez-le! Restez au défi et continuez d’apprendre de nouvelles choses. Vous n’avez pas besoin de réapprendre ce qu’est une variable ou comment Python stocke les variables à chaque fois que vous démarrez un nouveau cours Python!
3. L’information vaut beaucoup moins – L’action vaut beaucoup plus!
Avouons-le. Vous avez suivi un ou deux cours dans le passé et vous en avez assez de vous surcharger d’informations supplémentaires pour oublier comment l’utiliser une ou deux semaines plus tard.
En 2020, «savoir» ne suffit tout simplement pas. Il y a tout simplement trop de choses à savoir de toute façon. Vous étirer trop mince en submergeant votre «auto-apprentissage» d’informations est probablement ce qui vous empêche.
Vous commencez un nouveau cours, mais vous avez hâte d’appliquer ce que vous avez appris dans les cours précédents. Absorber passivement de nouvelles informations vous ennuie simplement.
Arrêtez tout de suite! Choisissez un ensemble de données en explorant un sujet qui vous intéresse et appliquez tout ce dont vous vous souvenez sur cet ensemble de données. Peu importe à quel point vos compétences en science des données sont basiques ou avancées pour le moment. Il y a de fortes chances que vous en appreniez beaucoup plus simplement en faisant cela et en «vérifiant la réalité» ce que vous savez réellement comment faire. appliquer au lieu de ce que vous avez réellement savoir.
N’ayez pas peur d’être seul avec cet ensemble de données! Faites des erreurs, restez coincé, google stuff, trouvez des exemples, apprenez d’eux, améliorez-les, appliquez-les. Redémarrez à nouveau et appliquez-en plus!
4. Ce que vous savez déjà et ce que vous DEVEZ savoir
C’est beaucoup plus une astuce / un exercice utile qu’une raison pour laquelle vous ne suivez pas de cours en ligne.
Trouvez une feuille de papier vierge. Prenez un stylo. Asseyez-vous seul à votre bureau. Fermez tous les cahiers et livres. Éloignez-vous de votre téléphone et de votre ordinateur portable pendant la durée de cet exercice.
Maintenant, divisez le morceau de papier en 5 colonnes: Statistiques, Programmation Python (ou un autre langage de science des données de votre choix – vous pouvez le diviser en d’autres colonnes ainsi divisé par des bibliothèques comme pandas, Numpy, Matplotlib, Seaborn …), Machine Learning, Deep Learning, Data Tech (Tableau, Power BI, Spark ou quoi que ce soit que vous essayez d’ajouter à votre arsenal de données!)
Dans chaque colonne, notez tous les concepts que vous connaissez / avez appris au cours des dernières semaines. Pensez à tout ce que vous pouvez faire dans chacune de ces catégories. Notez-le tout en réfléchissant à la façon dont vous l’appliqueriez.
Regardez votre liste! Vous venez maintenant de prendre conscience de vos forces et de vos faiblesses au moment précis où vous faites cet exercice. Cette liste vous indique exactement ce que vous savez déjà et êtes à l’aise pour postuler. Ce devraient être les choses que vous savez déjà COMMENT et O to utiliser.
Ce que cette liste manque, c’est ce que vous ne savez pas encore. Partez de là! Choisissez un livre de science des données bien connu (de nombreuses bonnes recommandations en ligne) et consultez la table des matières! Faites de petits pas et abordez tous les concepts et techniques manquants un par un.
Refaites l’exercice ci-dessus toutes les deux semaines! Cela vous aidera à vérifier la réalité de vos progrès et ce qui compte le plus: c’est-à-dire ce que vous savez comment appliquer et utiliser au lieu de ce que vous avez appris dans un cours il y a deux ans, mais vous ne savez pas comment ni où utiliser correctement et efficacement .
J’espère que cela vous aidera à reprendre votre apprentissage de la science des données! Bonne chance d’apprendre et n’oubliez pas de vous assurer que le processus est vraiment amusant!
