Come Diventare DataScientist da Autodidatta

-Dottore mio figlio vuole diventare DataScientist secondo lei è grave?
-Gravissimo signora, mi dispiace per lei, ma io l’avevo avvertita. Purtroppo la medicina non ha risposte a queste malattie. Si prepari, si prepari, suo figlio andrà all’IKEA o per risparmiare tempo comprerà delle lavagne su Amazon(https://amzn.to/2NpOImd), ne abbiamo già visti di casi del genere.
Le ha già parlato entusiasta di MonteCarlo (https://it.wikipedia.org/wiki/Metodo_Monte_Carlo)?
-Si.
-Allora è più grave di quanto pensassi.

Ieri o l’altro ieri mi aveva scritto Davide Sicignani , sempre un fratello del gruppo InnLab, di Terracina (quindi dietro casa), ma che ho conosciuto solo a Londra.

Davide mi chiedeva un consiglio per un suo amico Biologo che vuole avvicinarsi a Python e DataScience.
In particolare mi contattava perché ho cominciato da Zero e da Autodidatta.
Non essendo la prima persona che mi ha contattato per questo motivo, anche Stefano (sempre InnLab) qualche mese fa, ho deciso di scriverci due righe.

Premessa

E’ opportuno distinguere tre domini di conoscenza che rientrano a mio avviso sotto il grande cappello del DataScientist, ma lo farò in un altro post:

• Data Engineering (Informatica)
• Data Modeling (Probabilità e Statistica- Ricerca Operativa)
• Business Intelligence (Capacità Analitica)

Quello che racconterò è un po’ la sintesi del mio percorso e delle risorse utilizzate.
Indubbiamente la strada migliore per essere DataScientist è la stessa che caratterizza il settore medico:

La perfetta sinergia tra Pratica, Studio e degli ottimi Mentor.

Fino ad oggi lungo il mio percorso ho identificato 8 punti chiave che ti consiglio di segnarti se inizierai questa avventura:

1. Non esistono corsi che in un mese o in una settimana ti permettono di diventare DataScientist, se dicono il contrario è una balla
2. Non è possibile diventare DataScientist solo attraverso la pratica
3. Non è possibile diventare DataScientist solo attraverso i libri
4. E’ estremamente bello
5. E’ estremamente faticoso
6. Esistono molte persone del mestiere disposte ad aiutarti (gratis)
7. Per iniziare a capirci qualcosa serve almeno un anno di allenamento
8. L’anno di allenamento necessario non ti esime dal provare a trovare lavoro anche se non hai abbastanza esperienza, quello che sai fare ed hai imparato fallo valutare anche agli altri. Rischi di rimandare il tuo ingresso nel settore spaventato di non essere all’altezza

Ahi quanto a dir qual era è cosa dura
esta selva selvaggia e aspra e forte
che nel pensier rinova la paura!
–Dante Alighieri, Inferno, I Canto

 
Quindi quali sono le risorse da scegliere per intraprendere questo percorso?
Di seguito elencate le mie, provate e consigliate:

• DataCamp
• Libri
• Pratica
• Postgresql exercises https://pgexercises.com/
• Mentor
• Ingrediente Segreto

DataCamp.com

Ad Agosto 2017 ho iniziato a studiare su DataCamp.com ho seguito tutto il percorso per diventare DataScientist.
Consigliatissimo.
Il costo per un anno di accesso a tutti i corsi è di 130/180$ adesso non ricordo precisamente.
Ottimo investimento, corsi semplici, ma efficaci.
Questi corsi servono per una prima infarinatura sul Machine Learning e Python.
L’app mobile permette di allenarsi anche sul bus o in metro su concetti basilari.
Contro, non è assolutamente sufficiente per lavorare, sono necessarie altre risorse a supporto.

Python for Data Analysis: Data Wrangling with Pandas, Numpy, and IPython

Il link al libro *-> https://amzn.to/2NrqLuJ
E’ il libro scritto da Wes McKinney, l’autore della libreria Pandas, una delle più usate in Python per la manipolazione e pulizia dei dati.
Il libro me lo aveva regalato Marchetti quando ho cominciato questo percorso ed è stato una grande risorsa, perché gradualmente spiega tutto quello che è necessario sapere per la pulizia e manipolazione dei dati.
Ho impiegato un anno per studiarlo tutto e altri sei mesi servirebbero per ripassarlo ed allenarsi su tutti i concetti che vengono illustrati.
Il libro va letto, studiato, con il pc ed il notebook jupyter aperti.
In questo modo è possibile riprodurre in tempi brevi tutti i consigli ed esempi riportati nel testo.
Se non si mettono in pratica gli esempi riportati, anche modificandoli a piacere, il libro perde gran parte della sua efficacia.
 

Pratica

Questa parte è F-O-N-D-A-M-E-N-T-A-L-E
Ho avuto modo di fare pratica attraverso progetti di consulenza, progetti pro-bono, data set pubblici, durante gli step tecnici di alcuni colloqui di lavoro e lavorando su freelancer.com.
Il tempo viene dedicato in buona parte alla pulizia e manipolazione dei dati, è frustrante, ma è sempre così. 
Solo col tempo ed esperienza si diventa veloce in questa parte del lavoro.
Esistono tantissimi data set pubblici anche italiani dove acquisire dati e iniziare ad effettuare un po’ di Data  Visualization, inferenze e creare qualche modello di Machine Learning
Eccone alcuni:

• Open Data sulle Elezioni del Viminale https://dait.interno.gov.it/elezioni/open-data
• Open Data della Regione Lazio sul Tursimo e Ricettività http://dati.lazio.it/catalog/it/dataset?category=Turismo%2C+sport+e+tempo+libero

 
C’è anche Kaggle
Kaggle è una piattaforma e comunity specifica per DataScientist.
Li sono presenti tantissimi dataset sui quali esercitarsi.
Avere un buon punteggio su Kaggle, partecipare alle competizioni è un’ottima strada per farsi notare da eventuali recruiter e poter dimostrare le proprie competenze

PostgreSQL

La conoscenza di SQL è la seconda skill più richiesta dopo Python negli annunci di lavoro.
Questo sulla base  delle job description analizzate (+100) per il lavoro di DataScientist a Londra
Un’ottima piattaforma gratuita per allenarsi è https://pgexercises.com/
Postgresql era uno dei DBMS più frequenti negli annunci, ne esistono anche altri, non sentitevi vincolati nella scelta.

Mentor

Un mentor tecnico è una risorsa chiave per vari motivi:

• Ti sprona a fare di più
• Può aiutarti in momenti di difficoltà a sciogliere subito eventuali nodi (ovviamente dopo che hai sbattuto la testa per almeno due giorni sul problema)
• Rende umano un percorso fatto di numeri e righe di codice

Podcast

Esistono podcast di vario tipo sia su SoundCloud che su Spotify, ascoltarli permette nei tempi morti di essere aggiornati su tecnologie e trend del mercato.

Ingrediente Segreto

L’ingrediente segreto è uno ed uno solo: la passione
Se non vi emozionate davanti ad un bel grafico, se non vi incuriosisce la possibilità di pianificare e predire l’andamento delle vendite o valutare l’andamento delle azioni, se non impazzite all’idea di una nottata passata ad analizzare i processi esponenziali che potrebbero rappresentare la rottura di alcuni componenti elettronici, non iniziate questo percorso.
 
E’ la passione che muove tutto, le altre risorse sono secondarie.
Iniziate.
Fate.
Fate.
Fate.

Grazie per aver letto l’articolo, se lo hai trovato utile condividilo su Facebook,Twitter o Linkedin.

Le occasioni nascono dalle piccole cose e grazie ad un un like puoi fare tantissimo. 

Un abbraccio
Andrea
 
ps se ci sono errori di battitura o di grammatica scrivimi pure 🙂
*Con i link di affiliazione di Amazon potete aiutarmi a coprire le spese per il blog vi ringrazio in anticipo