Od czego zacząć
Blog rośnie chronologicznie, a nauka tak nie działa: wpis, od którego najlepiej zacząć, leży na ostatniej stronie listingu. Tutaj 16 z 19 artykułów stoi w kolejności czytania, od najłatwiejszego do najtrudniejszego.
Nie ma tu nowych treści ani zapisów. To te same wpisy co na blogu, tylko ustawione.
Kolejność 01około 42 minut czytania
Statystyka i analiza danych
Od tego, czym jest zmienna i skąd bierze się losowość, przez korelację i test t, po dwie analizy zrobione na prawdziwych danych.
- 01Typy zmiennych w statystyceZmienne ilościowe i jakościowe, zmienne na skali ilorazowej, interwałowej i jakiej jeszcze? Dowiedz się jak rozróżniać typy zmiennych i nie oszaleć!
- 02Czy zmienne losowe mogą być intuicyjne?Zmienne losowe to zmora prawie wszystkich studentów, którzy muszą się z nimi zmierzyć... Prowadzący podają definicje z kosmosu... A gdyby tak dało się wyjaśnić je w sposób intuicyjny?
- 03Test T-studenta nie taki strasznyStatystyka do Ciebie nie przemawia? Testowanie statystyczne to dla Ciebie czarna magia? Dziś wyjaśnimy sobie, jak to jest z testowaniem o średniej i pokażemy przykładowe rozwiązanie!
- 04Korelacja, czyli co?Jesteś studentem i dopiero zaczynasz zgłębiać statystykę? A może Twój prowadzący nie umie jej dobrze wytłumaczyć? Albo po prostu chcesz w końcu zrozumieć czym jest korelacja? Jeśli chociaż jedna odpowiedź brzmi tak, to koniecznie zajrzyj do tego wpisu!
- 05Analiza rozwodów w PolsceZastanawialiście się kiedyś, ile może powiedzieć nam najprostsza analiza zebranych danych? Na przykład wizualna analiza wykresów? Zobaczmy co wykresy mówią o rozwodach w Polsce!
- 06Czy można oszukać kasyno?Istnieje przekonanie, że można wygrać w ruletkę stosując bardzo prostą metodę - przy każdej przegranej podwajamy stawkę i dzięki temu możemy "przechytrzyć" ruletkę. Chcesz wiedzieć czy to naprawdę działa? Zapraszam do lektury!
Kolejność 02około 47 minut czytania
Uczenie maszynowe i sztuczna inteligencja
Zaczyna się od różnicy między sztuczną inteligencją a uczeniem maszynowym, a kończy na ocenie modeli i dwóch projektach doprowadzonych do końca.
- 01Uczenie maszynowe vs. sztuczna inteligencjaJak zdefiniować sztuczną inteligencję a jak uczenie maszynowe? Czy da się wskazać wyraźną granicę, gdzie kończy się jedno a zaczyna drugie? Dlaczego bardzo często mylimy te pojęcia?
- 02Typy uczenia maszynowego – musisz je znać!Czym dokładnie są algorytmy uczenia maszynowego? Jakie występują typy i jak je od siebie odróżniać? Wszystkiego dowiesz się z tego posta!
- 03Dlaczego Label Encoder może Ci zaszkodzić?Na kursach Data Science uczą nas, że dane jakościowe możemy sobie zakodować wykorzystując Label Encoding albo One Hot Encoding. Bardzo często pomija się jedną kluczową kwestię. Chcesz się dowiedzieć jaką? Zajrzyj do posta!
- 04Kiedy ufać modelom ML?Modele uczenia maszynowego długo były postrzegane jako "czarne skrzynki". To był (a niejednokrotnie dalej jest) powód dlaczego wiele osób wybiera klasyczne metody ponad uczenie maszynowe. A może jednak czasem można im zaufać? Przeczytaj artykuł i przekonaj sie!
- 05Czy umiesz poprawnie stosować metryki w klasyfikacji?Czy wiesz kiedy dokładność (accuracy) modelu może być nic nie wartą metryką? Dowiedz się jak zidentyfikować taką sytuację oraz co wtedy robić!
- 06Klasyfikacja opinii w oparciu o treśćCzytając opinię od razu "czujemy" czy jest ona pozytywna czy negatywna. A czy za pomocą uczenia maszynowego komputer stwierdzi to z taką samą łatwością?
- 07Szeregi czasowe z wykorzystaniem ProphetaProphet to model opublikowany przez zespół Facebooka w 2017 roku. Mimo, że trochę czasu minęło od jego oficjalnej publikacji, to nadal robi wokół siebie spory szum. Dowiedz sie jak z niego korzystać i dlaczego jest to wartościowy model!
Kolejność 03około 30 minut czytania
Praca i studia w danych
Wpisy o wchodzeniu do zawodu: od czego zacząć, ile w tym naprawdę matematyki i jak wykorzystać czas na studiach.
- 01Praca na stanowisku DS/MLECo trzeba zrobić, żeby rozpocząć karierę w dziedzinie uczenia maszynowego? Dowiedz się na czym polega praca na stanowisku Data Scientist, co musisz umieć i jak się tego nauczyć!
- 02Cała prawda o matematyce w DSOsoby chcące wejść na drogę Data Science stają przed pytaniem: "Na jakim poziomie muszę opanować matematykę?". Jedni "straszą" matematyką przyszłych DSów a inni twierdzą, że "prawie się nie przydaje" . Czas rozprawić się z tym pytaniem raz na zawsze...
- 03Jak Mądrze Wykorzystać Czas na StudiachChcesz wycisnąć ze studiów 100% i zbudować solidne fundamenty pod swoją karierę? Zobacz, jak mądrze wykorzystać ten czas, czego unikać i co zrobić, by po zakończeniu studiów nie tylko mieć dyplom, ale i przewagę na rynku pracy!
Poza kolejnością
Poza kolejnością zostaje 3 artykuły: powitanie na blogu i relacje z wydarzeń. Nie prowadzą donikąd dalej, ale stoją na blogu obok reszty.
Kurs
Zostań Junior Data Scientist: od zera do pierwszej pracy
Dziewięć etapów i 8–10 miesięcy nauki według ram z roadmapy. Nagranych lekcji jest dziś 63.