学习数据科学数学
每当我想学习新东西时,我总是想先学习基础知识,然后再以基础知识为基础。塞满事物或忽略某些基本概念和想法是没有意义的,因为这不仅会导致挫败感,而且您会浪费大量的学习时间,然后由于忽略了基础知识而重新学习了100倍。那是我个人的学习方式,然后有一种职业方式,受业务方式和生活实践性的影响。从专业(软件开发,现在是数据科学)的角度,如果我需要学习一些非常新的主题/子主题/概念,那么我会快速浏览一下,并阅读一些基础知识,然后找到在该概念中应用该概念的正确且既定的方法解决问题。目标更多是在事物的应用方面。
世界高速发展,技术动摇了世界,第四次工业革命您的职业(工作)和业务之间的界限已经模糊。您必须快速给出结果,否则可能不仅会花费您的工作,而且还可能给您的雇主造成巨大损失,如果您不理解这一点,那么如果您继续忽略它,那么可能会花费您的职业生涯从长远来看也是如此。实际上,一个交付的解决方案要比一个好的解决方案好,后者要花10倍的时间才能完成,而且比一个完美的解决方案(要花一年的时间)要好得多。以领域为例,它在数据科学中的重要性已经确立。数据科学和领域专业知识齐头并进。现在,如果您是一名数据科学家,而且从不曾是生物学专业的学生,??但是您的雇主得到的客户主要是从事生物学的公司,那么您既可以将其作为痛苦的体验,也可以将其作为快乐的体验,您必须学习任何一种方式。在您认为我正在编造东西之前,请阅读以下内容计算生物学。在没有生物学背景的情况下,您可以从根本上学习几种方法:
获得大量重型生物学基础知识/入门书,这需要几个月才能完成
加入为期6周以上的生物学和数据科学的MOOC
学习第四次工业革命的方式
前两个选项将花费1-2个月或更长时间(理想情况下是4个月),您甚至可以开始从事项目工作,而雇主会为您支付不生产任何东西的费用。这既不公平又愚蠢,对您的雇主不公平,对您也愚蠢,因为您可以更有效地利用时间。您需要学习将雇主的直接需求与生产优质产品的需求区分开。在第四届工业革命的方式说,你可以在一两个星期做到这一点,你不需要花费2个月的时候了。将您的关注点从生物学上缩小到客户当前的需求,并学习基本术语和足够的基础知识,以在Python和处理生物学问题(PySB和Biopython)的库中开始使用例如)。如果您想完成截止日期的工作,则必须采取这种态度。而且,即使它不加上一个期限,我还是会说你先走第四工业革命的方式,因为它不仅会帮助你解决问题的速度更快,但也将节省您的向下螺旋的“我没有学到足够”。现在,这并不意味着您创建了一个错误的解决方案,因为您不是学校的生物学专业学生。如果这样做,那么您解决问题的方法将不够系统化,这意味着您需要学习很多有关生产力,效率和情商的知识。这也意味着您无法提供一个真正好的解决方案,超出了您的工作范围,从另一个层面延伸到了您的个人,财务和职业生涯,您需要非常认真地对待它,并立即真正着手进行自己的工作(您的日常例行思维)需要更改)。
您可能会认为这一切与数据科学数学无关。确实有。数学是对世界建模的一种方法,它是在问题中找到模式并使用久经考验的模型来解决问题的方法。它既是艺术又是科学。数学为我们提供了解决问题的工具,速度比我们想象的要快得多,而且在事情失控之前处理混乱也非常准确。现在这在我们的情况下如何适用?一分钟后,我将介绍这个。
1