'data scientis' / 'big data' plan ogarniania sie

czy moge Was prosic o opinie nt ponizej:

4 tyg. temu mialem rozmowe na stanowisko DS. Zaznaczam, ze moj 'background' to Python, Django, Kivy, SQL, Sieci. Poszedlem na rozmowe i dalem rade 50/50 tzn. typek powiedzial, ze daje mi 8-10tyg. na ogarniecie sie w temacie ML, architektura Big Data, praktyczne wdrozenie modeli ML by spotkac sie z nowy i porozmawiac co do mojego przyjecia do firmy, kazal mnie informowac o progressie.

8-10 tyg. malo a zarazem duzo czasu. Temat Kobyła.

to o co bym chcial procis to o opinie na temat tego co zrobilem jak to widzicie i jak widzielibyscie wykorzystanie pozostalych 4 tyg.:

1. ogarnalem sie z teoria Klasyfikacja, Grupowanie, wyszukiwanie? (retrieval), Regresja, Rekomendacja na zasadzie przeboilem kurs ML z Coursery.
2. postawilem CDH na AWS EC2 + streamuje tweety przez Flume do HDFS
3. przerobilem kilka przykladow i napisalem program do streamowania tweetera + zapisywanie do MariaDB + analiza sentymentalna z wykorzystaniem algorytmow sklearn + prosta funcja wybierajaca najlepszy wynik

• do tego dorzucilem analiza tekstu + wykresy matplotlib

4. postawilem od podstaw projekt podazajac za tutorialem (nie moj projekt): Python + CSV data + Flask + d3.js
5. j/w z tym ze od podstaw zrobilem projekt ML: silnik rekomendacji dla filmow: podobne filmy do ...
6. prosty projekt zapiswanie do MongoDB

zastanawiam sie jak najefektywniej wykorzystac pozostale 4tyg i jak widzicie powyzsze?

http://nirvacana.com/thoughts/wp-content/uploads/2013/07/RoadToDataScientist1.png

datdata napisał(a):

http://nirvacana.com/thoughts/wp-content/uploads/2013/07/RoadToDataScientist1.png

widziałem dzięki, ale pytanie jest innego rodzaju, co ogarnąć / na czym się skupić w ciągu najbliższych 4 tyg.?

Najlepiej będzie, jeśli napiszesz do tego gościa, z którym gadałeś i opiszesz mu co już zrobiłeś, co myślisz, żeby robić dalej i co on o tym myśli, czy ma jakieś uwagi lub propozycje itd.

Data Science to nauka na kilka lat, a nie 4 tygodnie więc napisz im maila ze statusem o progressie i prośbą o rady (tym bardziej, że jak piszesz - sami o to prosili).

Na takich rozmowach lubią pytać nie tyle o to byś wytłumaczył jakiś problem, ale czego byś użył i jak byś to rozwiązał. Dlatego ja osobiście skupiłbym się na przeczytaniu kilku książek z rodziny cookbook :) Bo 4 tyg.(moim zdaniem) to za mało by cokolwiek w tym zrobić sensownego(mam na myśli jakąś ostrą naukę). http://krzysztofjelonek.net/darmowe-ebooki-oreilly/ tutaj masz książki za darmo do pobrania i poczytania

zastanawiam sie jak najefektywniej wykorzystac pozostale 4tyg i jak widzicie powyzsze?

Odpowiedź jest tylko jedna: wino, śpiew i kobiety !

( W ten sposób pójdziesz na interview wyluzowany i bardziej pewien siebie. Jakbyś zakuwał przez 4 tygodnie to zrobisz złe wrażenie, osoby przemęczonej, itd... )

4 tygodnie to za mało, żeby przerobić to wszystko, na co potrzeba lat. Tak jak ktoś tu napisał skupiłbym się na nazwach wykorzystywanych technologii i "do czego służą", a nie na przerabianiu w ostatniej chwili "jak to zrobić"... Ogólne, pobieżne poznanie ekosystemu wystarczy, co i tak zajmie kilka tygodni.

datdata napisał(a):

Najlepiej będzie, jeśli napiszesz do tego gościa, z którym gadałeś i opiszesz mu co już zrobiłeś, co myślisz, żeby robić dalej i co on o tym myśli, czy ma jakieś uwagi lub propozycje itd.

Data Science to nauka na kilka lat, a nie 4 tygodnie więc napisz im maila ze statusem o progressie i prośbą o rady (tym bardziej, że jak piszesz - sami o to prosili).

dzięki tak zrobię. myślę, ze jutro się odezwę do gościa :-)

Ja na Twoim miejscu dowiedziałbym się od tej osoby kontaktowej jaki stack (zestaw narzędzi) miałbyś używać, bo algorytmy to jedno, a narzędzia co innego.

W tym czasie możesz mniej-więcej opanować jakieś 1-2 narzędzia (zależy też jakie), ale nie całą dziedzinę.
Algorytmy i metody pracy to rozwój na lata.