Finding Answers

Loading...

Do curso por Johns Hopkins University

As Ferramentas do Cientista de Dados

18655 classificações

Johns Hopkins University

As Ferramentas do Cientista de Dados

18655 classificações

Curso 1 de 10 em Specialization Data Science

Neste curso você receberá uma introdução às ferramentas e idéias mais importantes da "caixa de ferramenta do cientista". O curso dará uma visão geral de dados, perguntas e ferramentas utilizadas pelo cientista para a análise de dados. Este curso possui duas partes. A primeira é uma parte introdutória e conceitual às ideias por trás da transformação de dados em conhecimento. A segunda parte dará uma intrudução prática às ferramentas que serão utilizadas durante o programa (version control, markdown, git, GitHub, R e RStudio).

Na lição

Week 1

During Week 1, you'll learn about the goals and objectives of the Data Science Specialization and each of its components. You'll also get an overview of the field as well as instructions on how to install R.

Specialization Motivation12:03

The Data Scientist's Toolbox5:09

Getting Help8:52

Finding Answers4:35

R Programming Overview2:12

Getting Data Overview1:34

Exploratory Data Analysis Overview1:21

Reproducible Research Overview1:27

Statistical Inference Overview1:06

Regression Models Overview1:46

Practical Machine Learning Overview1:31

Building Data Products Overview1:19

Installing R on Windows {Roger Peng}3:19

Install R on a Mac {Roger Peng}2:02

Installing Rstudio {Roger Peng}1:36

Installing Outside Software on Mac (OS X Mavericks)1:19

Conheça os instrutores

Jeff Leek, PhD
Associate Professor, Biostatistics
Bloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, Biostatistics
Bloomberg School of Public Health
Brian Caffo, PhD
Professor, Biostatistics
Bloomberg School of Public Health

Este é um breve vídeo de sequência da aula "Obtendo Ajuda" e é sobre encontrar respostas.

A razão pela qual existem dois vídeos sobre isto

é porque ela é uma habilidade muito importante na ciência dos dados.

Assim você poderá ver uma das três habilidades fundamentais

neste diagrama de Venn, aquei estão as habilidades de hackear.

E a razão pela qual essa é uma das

três habilidades fundamentais, é porque quase nada

do conhecimento que você necessitará

se encontra definido nos textos padronizados.

Eles estão frequentemente dispersos em diferentes locais que você terá que

ser capaz de a sintetizar ou procurar a informação de que necessita.

Seja sobre qual dos conjuntos de dados você precisa usar, ou a análise estatística

que você precisa fazer, ou qual o pacote R que necessita utilizar.

Tudo isto se encontra disperso, e você tem que estar disposto

a fazer um pouco de trabalho árduo e esforço para o localizar.

Obviamente nós lhe diremos o máximo que pudermos nas aulas,

mas estamos muito limitados pela quantidade de tempo

que podemos lecionar em cada semana, e por isso

é importante ser capaz de localizar essas informações por si mesmo.

Algumas características chave dos hackers são que

estão dispostos a irem procurar e encontrar as respostas

por si próprios, mesmo que isso requeira um pouco de tempo ou um pouco de esforço.

Eles são conhecedores sobre onde encontrar essas respostas,

seja no Google, Stack Overflow ou

Cross Validated (fórum) ou histórico de mensagens de listas de correio (mailing list)

Eles não se intimidam por novos tipos de dados ou pacotes.

É muito comum como cientista de dados receber um novo tipo de dados,

ou um novo tipo de pacote que você necessita aprender muito rápido

para ser capaz de analisar os dados. Não se intimidar com isso é importante,

e depois não ter receio de dizer que você não sabe a resposta a uma pergunta.

Então uma característica chave, eu diria,

a forma de resumir isso é estar vivo mas implacável.

Indo em busca da resposta e tentar encontrá-la,

mas sendo educado enquanto faz isso.

E o Google também sabe disso.

No seu processo de recrutamento eles olham para estes tipos de características.

O tipo de pessoas que vão atrás destes tipos de coisas,

tal como descritos neste artigo que eu referenciei aqui.

Então uma questão importante é onde pesquisar,

para diferentes tipos de questões.

Então para a nossa programação você poderá querer ir

diretamente ao arquivos dos fóruns da aula,

onde a aula que você está cursando irá focar em questões ou funções muito específicas.

E lá estará um grande grupo de pessoas interessadas.

Você pode ler o manual ou os arquivos de ajuda

como eu lhe mostrei no vídeo "Obtendo Ajuda".

Você pode pesquisar na web.

Essa é na verdade uma das melhores maneiras de o fazer.

Pode perguntar a um amigo experiente.

isso é ainda melhor se tiver alguma pessoa que você sabe

que já é um pouco cientista de dados,

Eles frequentemente podem lhe ajudar.

E depois pode postar nos fóruns do curso e tentar obter as suas respostas.

Lembre-se de ser específico com as suas questões

Você também pode postar em fóruns fora do curso.

A lista de correio eletrônico de R ou Stackoverflow, se você tiver questões sobre R.

Para questões de análise de dados ou estatísticas, vai querer iniciar

novamente pelos fóruns da classe, e depois ir para a web ou para amigos.

E depois há também outro fórum externo chamado CrossValidated

onde você pode perguntar esses tipos de questões.

Para outros aplicativos terá de ir aos sites web específicos desses aplicativos.

para o GitHub, eles têm muitos tutoriais e

boa informação que se pode utilizar para obter respostas.

Um ponto importante a saber é que procurar

questões de ciência dos dados nem sempre é a coisa mais fácil do mundo.

Portanto o melhor local para iniciar se você tiver

uma questão razoavelmente genérica é frequentemente nos fóruns

E as pessoas podem direcioná-lo para onde deve pesquisar fora dos fóruns.

Tenha em mente que o Stackoverflow com a etiqueta (tag) R

é realmente um bom lugar para se obter informação sobre R.

E por isso, use essa etiqueta porque se apenas usar a letra R,

é obviamente um pouco difícil de pesquisar.

Você pode sempre tentar a lista de correio eletrônico de R

para questões de software ou em CrossValidated para questões mais genéricas.

Geralmente o que tenho verificado é que se eu for

trabalhar no Google, pesquisando no Google, eu normalmente escrevo qualquer coisa,

como o tipo de dados e depois data analysis (análise de dados),

ou escrevo o tipo dos dados e depois o nome do pacote R.

Percebi que tipo de dados e pacote R normalmente funcionam

um pouco melhor que tipo de dados (data type), data analysis quando procurando este tipo de coisas no Google.

Outra coisa a se ter em mente é que

análise de dados ou ciência de dados é comum ser chamado outra coisa diferente,

dependendo do tipo de dados que estamos olhando.

então, por exemplo dados médicos podem se chamar bioestatística.

Para dados da web podem chamar-se ciência de dados (data science).

Ppara dados em visão computacional poderá ser chamado aprendizado de máquina (machine learning),

ou processamento de linguagem natural para dados de texto, e assim por diante.

Deste modo, saber qual a palavra certa para procurar é frequentemente metade da batalha.

E assim, você pode normalmente descobrir isso ao postar nos fóruns,

e as pessoas irão informá-lo qual é a palavra certa para procurar.

Novamente, os créditos para isto vão para o video Obtendo Ajuda do Roger.

E foi inspirado pelo "Como Perguntar Questões da Forma Certa" do Eric Raymond. Tradução: Shafik Mahomad | Revisão: Caio Miyashiro

Explore nosso catálogo

Registre-se gratuitamente e obtenha recomendações, atualizações e ofertas personalizadas.

O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.

© 2019 Coursera Inc. Todos os direitos reservados.

Baixar na App Store

Baixar no Google Play