Werden Sie zu dem Citizen Data Scientist, von dem jedes Unternehmen träumt

Jetzt ist die richtige Zeit, um sich im Bereich Data Science fortzubilden. Nicht nur, weil die Harvard Business Review die Tätigkeit als Data Scientist als „attraktivsten Beruf des 21. Jahrhunderts“ bezeichnet hat. Sondern auch, weil Unternehmen großen Bedarf an Mitarbeitern haben, die Daten lesen und schreiben, analysieren und kommunizieren können.

Unternehmen sammeln mehr Daten als je zuvor, doch es fehlen ihnen die Datenspezialisten für die Auswertung. Datenkompetenz ist äußerst gefragt, und wer sie erlernt, kann sich seine Arbeitsstelle aussuchen.

Egal, ob Sie sich nur einen ersten Eindruck verschaffen oder gleich mit einem Online-Kurs loslegen: Bei uns finden Sie wertvolle Ressourcen, mit denen Sie Ihre Data Science-Fähigkeiten verbessern und der Citizen Data Scientist werden können, von dem jedes Unternehmen träumt.

Beginnen Sie mit einem Data Science-Newsletter (oder zwei oder drei)

Mit einem Newsletter bleiben Sie auf dem Laufenden hinsichtlich der neuesten Nachrichten, Methoden und Technologien rund um Data Science. Dies ist eine großartige und einfache Möglichkeit, von aktuellen Konzepten, Ressourcen, Fachgesprächen, Networking-Möglichkeiten und sogar Stellenangeboten zu erfahren. Hier eine Auswahl unserer bevorzugten Newsletter:

• Data Science Weekly: Diesen Newsletter sollten Sie sich nicht entgehen lassen. Darin finden Sie alles, was mit Data Science zu tun hat. Er ist vollgepackt mit Informationen und Ressourcen.
• Data Machina: Dies ist ein Newsletter für echte Data Science-Enthusiast:innen. Hier erhalten Sie jede Woche einen Überblick über Kuriositäten auf dem Gebiet des Machine Learning.
• Data is Plural: Mit diesem Newsletter lernen Sie interessante, nützliche und ungewöhnliche Datasets und datengesteuerte Projekte kennen.
• Towards Data Science: Eine mittelgroße Publikation zur Verbreitung von Konzepten, Ideen und Codes.
• KDNuggets: Tauchen Sie ein in die Welt von KI, Analytics, Big Data, Data Mining, Data Science und Machine Learning. Hier finden Sie alles, von Meinungsartikeln, Kursen, Jobs und den neuesten Nachrichten bis hin zu Veranstaltungen.

Diese Kanäle sollten in Ihrer YouTube-Playlist nicht fehlen

Sie können auf YouTube wirklich alles lernen, einschließlich Data Science, Programmierung, Machine Learning, KI und mehr. Und das Beste daran: Es ist kostenfrei! Dies sind unsere Empfehlungen:

• Sentdex: Dieser YouTuber hat tolle Tutorials zur Python-Programmierung, von Machine Learning über Datenanalysen bis hin zur Spieleentwicklung und vielem mehr.
• StatQuest: Josh Starmer vermittelt schwierige Themen wie Statistik, Machine Learning und Data Science auf verständliche Art und Weise. Halten Sie sich an Josh – wichtige Themen sind mit ihm viel einfacher zu verstehen.
• David Langer: Wenn Sie den gesamten Projektlebenszyklus beim Data Mining kennenlernen möchten, ist dieser Kanal genau das Richtige für Sie. David befasst sich mit Data Wrangling, Datenexploration, Datenbereinigung, Datenvisualisierung, Datenanalysen, Feature Engineering und Machine Learning.

Ohne MOOC (Massive Open Online Course) verpassen Sie etwas

Online-Kurse sind eine sehr gute Möglichkeit, Struktur in den Lernprozess zu bringen. Sie müssen für eine Zertifizierung zwar möglicherweise eine geringe Gebühr zahlen, erhalten bei den Kursen aber oft alle möglichen Ressourcen wie Videos, Hausaufgaben, Praxisprojekte, Tests und Prüfungen. Hier unsere MOOC-Empfehlungen:

• EdX/HarvardX Professional Certificate in Data Science: Diese neunteilige Kursreihe führt Sie ohne jede vorherige Erfahrung bis zu einem abschließenden Projekt, das Ihre Fähigkeiten in den Bereichen Datenvisualisierung, Wahrscheinlichkeit, Inferenz und Modellierung, Data Wrangling, Datenorganisation, Regression und Machine Learning unter Beweis stellt.
• Coursera/IBM Data Analyst Zertifikat über berufliche Qualifikation: Wenn Sie eine Stelle als Datenanalyst anstreben, sollten Sie sich diese Kursreihe ansehen. Sie lernen die Grundprinzipien der Datenanalyse kennen und gewinnen praktische Erfahrung. Bereiten Sie sich auf die Arbeit mit Datenquellen, Projektszenarien und Datenanalyse-Tools wie Excel, SQL, Python, Jupyter Notebooks und Cognos Analytics vor.
• Udemy Machine Learning A-Z™: Hands-On Python & R In Data Science: Mit diesem Kurs tauchen Sie ein in die Welt des Machine Learning. Lernen Sie, wie Sie Machine Learning-Algorithmen in Python und R erstellen.
• Udacity/Alteryx/Tableau Nanodegree-Programm in Predictive Analytics for Business: Bauen Sie Kompetenzen auf, um reale Geschäftsprobleme mit Predictive Analytics und Business Intelligence zu lösen.

Lernen mit Spaß (und Wettbewerb)

Sie können an Data Science-Hackathons und Wettbewerben teilnehmen oder andere Data Scientists herausfordern und mit ihnen konkurrieren. Dies ist eine großartige Möglichkeit, zu üben, von anderen zu lernen und dabei Spaß zu haben. Hier unsere Auswahl an Challenge-Websites:

• Kaggle: Vernetzen Sie sich mit anderen Data Scientists weltweit und messen Sie sich bei der Lösung realer Probleme mit ihnen. Mit mehr als 536.000 aktiven Mitgliedern aus 194 Ländern und fast 150.000 Einsendungen pro Monat gibt es auf dieser Website viel zu erkunden, zu lernen und zu unternehmen.
• Hackerearth: Hackerearth hat mehr als 1.000 Hackathons und 10.000 Programmier-Challenges organisiert. Treten Sie der Community bei, um zu üben, Ihre Kompetenzen zu erweitern und sich mit anderen zu messen.
• TopCoder: Sie können an drei Arten von Challenges rund um Data Science teilnehmen, einschließlich umfangreicher Algorithmen, Programmierung und Ideenfindung.
• Sie möchten Daten zu guten Zwecken einsetzen? Wirken Sie bei kurz- oder langfristigen Analytics- oder Data Science-Projekten oder einer Zusammenarbeit mit einer etablierten Organisation mit, die einem guten Zweck dienen.

Praktische Arbeit mit echten Daten

Bearbeiten Sie reale Probleme anhand echter Datasets mit offenen Daten und erstellen Sie Projekte, die Sie Ihrem Portfolio hinzufügen können. Regierungen, unabhängige Organisationen und Behörden geben ihre Daten frei, sodass jeder offen darauf zugreifen, sie nutzen und mit anderen teilen kann. Hier unsere Auswahl offener Datenquellen:

• Dataset-Suche von Google: Sie suchen nach einer bestimmten Art von Daten? Google ist für Sie da. Das Dataset-Suchtool hilft Ihnen, auf unkomplizierte Weise kostenlos verfügbare Online-Daten zu finden.
• Offene Daten der Weltbank: Hier erhalten Sie Daten zu verschiedenen Ländern auf der ganzen Welt, unter anderem auch Mikrodaten, Zeitreihen-Statistiken und Geodaten.
• Register offener AWS-Daten: Hier können Sie Datasets erkunden, die über AWS-Ressourcen verfügbar sind. Sie finden interessante Datasets von Facebook Data for Good, dem Big Data-Program der NOAA, dem NASA Space Art Agreement und vielen anderen.

Werden Sie Teil der Alteryx Community

Alteryx hat die aktivste Community der Branche. Sie basiert auf spannenden, realen Analyse-Herausforderungen, bei denen Benutzer ihre Analysefähigkeiten aufbauen und unter Beweis stellen können. So werden Sie Mitglied:

• Alteryx Community: Erstellen Sie ein kostenloses Konto und greifen Sie auf Alteryx-Ressourcen zu, um Ihre Kenntnisse zu erweitern. Es gibt eine Vielzahl von Lernpfaden, darunter wöchentliche Gruppenaufgaben für reale Analysen, interaktive Lektionen und kostenlose Alteryx-Zertifizierungen.
• Das Data Science Portal vereint hervorragende Data Science-Inhalte aus der Alteryx Academy,Blogs, Podcasts und Diskussionen.
• Virtual Solution Center (VSC): Sie kommen bei einem Problem nicht weiter? Über unser VSC kann jeder in Echtzeit Lösungsexperten von Alteryx kontaktieren, um Analytics-Probleme zu lösen.
• ADAPT-Programm (Advancing Data and Analytic Potential Together): Wenn Ihre berufliche Situation unter COVID-19 gelitten hat, sollten Sie sich unser kostenloses Programm ansehen und sich Zugang zu Data Science- und Analytics-Kursen sichern. Das ADAPT-Programm vermittelt Ihnen die Kompetenzen, die Sie benötigen, um die gewünschte Berufslaufbahn einzuschlagen oder auf Ihrem aktuellen Berufsweg Karriere zu machen.

Wo befinden Sie sich auf Ihrem Weg zum Analysten, Citizen Data Scientist oder Data Scientist? Welche Ressourcen haben Sie am nützlichsten gefunden?