Őket kövesd, ha érdekel az adattudomány!
Szakmai blogok, kihívások, feladatok és inspiráló adattudósok, akikre mindenképp érdemes néhány pillantást vetned.
Az adattudományról számtalan kiváló forrás érhető el, igaz leginkább angol nyelven. A kezdő szinttől a szakértőknek szóló értekezésekig ma már szinte néhány kattintással találunk hasznos és érdekes olvasnivalót a digitális tudomány ezen területén. A következőkben ezekből válogattunk, illetve összegyűjtöttünk 5 olyan nemzetközi szakembert, akik valami jelentős eredményt értek el az adattudományok terén.
Az oldal nem kisebbet állít magáról, minthogy összegyűjt minden aktuális, érdekes és fontos tartalmat, ami csak felmerülhet a big data világában. Hogy ez mennyire sikerül, azt mindenki ítélje meg maga, az viszont biztos, hogy a témái elég széles skálán mozognak: analitika, technológia, vizualizációk, programozás, gépi tanulás (machine learning) és mesterséges intelligencia. A cikkek, videók, podcastok és webinarok között mindenki találhat magának érdekes tartalmat.
Az adattudományhoz és a gépi tanuláshoz kapcsolódó írásos tartalmak, oktatóanyagok és hírek gyűjtőoldala, ahol független szerzők oszthatják meg egymással tudásukat, szakértelmüket és tapasztalataikat. Elérhetők komplexebb szakmai tartalmak is, emellett a szerkesztők által kiemelt cikkeket is érdemes böngészni.
A blog hasznos tippekkel, útmutatókkal és időnként élő online oktatásokkal várja a felhasználókat az adattudomány, adatelemzés és adatmérnöki területekről. A szerkesztők célja, hogy valódi, gyakorlati anyagokat és példákat gyűjtsenek össze, ami segíthet egy-egy konkrét feladat, probléma megoldásában. Emellett az álláskereséshez is találhatunk néhány hasznos tanácsot.
A Data.world blogján számos érdekes szakmai cikket olvashatunk az adathálózatoktól kezdve az agilis adatkezelésig, emellett pedig időről időre interjúkat is megjelentetnek az iparág fontosabb szereplőivel.
Az informationisbeautiful.net blogjának fókuszában az adatvizualizáció áll. Mindenképp érdemes követni őket, ha fejleszteni szeretnénk az adatvizualizációs készségeinket. A szerkesztett tartalmak nyomtatásban is elérhetők, illetve online workshopokat is szerveznek.
Képzések ebben a témában:
SQL-programozás az alapoktól
Ákos Németh
Data Intelligence Solution Architect @ 1stQuad Solutions
Feladatok és kihívások
Van néhány oldal, ahol a gyakorlatban is kipróbálhatjuk elméleti tudásunkat, kihívásokban vehetünk rész, ezáltal fejleszthetjük programozási, adattudományi készségeinket.
A Hacker Rank blogjában olyan tartalmakat találhatunk például, mint hogy mik lesznek a leginkább keresett fejlesztői skillek 2023-ban, vagy milyen nehézségekkel néz szembe egy techvállalat. Számos téma segít az elhelyezkedésben, így a blog kifejezetten hasznos lehet pályakezdők számára.
Hackathonok, programozási kihívások és kódolási versenyek, mindez nemzetközi szinten. A kihívások mellett programozói oktatóanyagokat és feladatokat is találunk – néha egészen szórakoztató formába öltöztetve –, különböző nehézségi szintek szerint. A szerző személyes kedvence amikor az Agymenőkből ismert Dr. Sheldon Cooper közlekedési problémájára kell megoldást találni, miután a lakótársa, Leonard, nem hajlandó tovább fuvarozni. (Itt most nem mondunk többet, ha érdekel a pontos feladat, kattints ide.)
A HackerEarth-höz hasonlóan a Kaggle is különböző versenyekkel igyekszik fejleszteni a látogatói adattudományos készségeit. Az egyes versenyek legjobb megoldásai az eredményhirdetések után elérhetők a fórumukon, ahol a tagok megoszthatják egymással gondolataikat, véleményüket. Így akkor is érdemes néha böngészni az oldalt, ha egyébként nem szeretnénk részt venni semmilyen kihívásban, csak ellesnénk egy-két új megközelítést, megoldást.
Inspirálódj a legjobbaktól
Az adattudományban jártasságot szerezni sokszor igazi kihívás. A sikerhez számos készségre és széles körű érdeklődésre van szükség. Az sem hátrány, ha figyelemmel kíséred a szakma legjobbjait. Mivel ez egy folyamatosan fejlődő és összetett terület, nehéz egyetlen toplistát összeállítani, de ha az alábbi szakemberek nyilatkozatait követjük, akkor biztosan nem nyúlunk mellé.
- Yoshua Bengio – Az ember a mesterséges intelligencia mögött
A kanadai informatikust a „mesterséges intelligencia keresztapjaként” szokták emlegetni, a deep learning és a mesterséges neurális hálózatok területén végzett munkája miatt. Kutatásai az információk neurális hálózatokba történő kódolására fókuszálnak, amivel a gépek/szoftverek megtaníthatók olyan speciális feladatokra, mint tárgyakat és képeket felismerni. Munkája alapvető fontosságú a beszédfelismerő eszközök fejlesztésében is.
- Yann LeCun – A deep learning úttörője
A francia informatikus a konvolúciós hálózatokkal kapcsolatos munkájáról ismert, de hozzájárult a mobilrobotika, a machine learning és a számítógépes idegtudományok fejlődéséhez is. A nevéhez fűződik számos fontos mérföldkő, többek között az optikai képfelismerés, a DjVu fájlformázási technológia és a Lush programozási nyelv kifejlesztése.
- Sebastian Thrun – Önvezető autók
A német-amerikai informatikus vezető adattudós volt a Stanley névre keresztelt robotjármű fejlesztésében, amelyet arra terveztek, hogy emberi sofőrökkel versenyezzen. (A Stanley 2004-ben meg is nyerte a DARPA Grand Challenge versenyt.) Thrun emellett részt vett a Google önvezető autójának fejlesztésében is, a fő területe a helymeghatározás (robotic mapping) és az önvezető rendszer fejlesztése volt.
Cassie Kozyrkov – A Google döntési intelligenciájának megalkotója
A Google Chief Decision Scientist pozícióját betöltő oroszországi származású Cassie Kozyrkov kiváló statisztikus és adattudós. A Google-nél végzett munkája forradalmasította az adattudomány világát. Neki tulajdonítják a döntési intelligencia bevezetését a vállalatnál.
Kira Radinsky – A nő, aki megjósolja a jövőt
Az ukrajnai születésű, de izraeli informatikus a prediktív adatbányászattal kapcsolatos kutatásairól ismert, amely során az adatokat előrejelzések megalkotására használják. Ilyen „jóslat” volt, amikor Radinsky azt mondta, hogy 2012-ben kolerajárvány fog kitörni Kubában – és így is lett. Az általa megalkotott szoftver 150 évnyi híradó anyagát dolgozta fel, és további hatalmas mennyiségű adatot „olvasott el” különböző forrásokból, majd észrevett egy mintát. A szegény országokban azok az árvizek, amelyek körülbelül egy évvel az aszály után következtek be ugyanazon a területen, gyakran vezettek kolerajárványokhoz. Ez az eredmény hozta meg számára a nemzetközi elismerést.
