Làm sao để bạn có thể đi từ một người không có kỹ năng lập trình trở thành một nhân viên kỹ thuật hoặc phân tích?

Nếu bạn có hứng thú với các kĩ năng này, dù chỉ là cho vui hay với ý định nghiêm túc, đâu là cách tốt nhất để học nó?

Danh sách các khóa học online thì dài vô số kể nhưng làm thế nào, bạn có thể ép bản thân mình học trong một môi trường rộng mở như vậy?

Bản thân tôi chưa bao giờ nghĩ rằng, mình sẽ học một kĩ năng nào liên quan đển lập trình, phân tích dữ liệu, cơ khí, nói chung là các công việc liên quan đến công nghệ. Là một chuyên gia về kinh tế, tôi luôn là một “chàng trai kinh doanh”. Tuy nhiên, bằng một cách nào đó, tôi vẫn tự dạy mình học Python và SQL, và hiện tôi đang làm trong lĩnh vực phân tích tại Jet.com, sử dụng các loại ngôn ngữ lập trình này mỗi ngày.

Tại sao lại là Python & SQL ?

Python là ngôn ngữ lập trình phát triển mạnh mẽ nhất vào thời điểm hiện tại. Nó chưa đựng một thư viện rộng lớn bạn có thể sử dụng để học các ứng dụng máy móc, phân tích dữ liệu, và rất nhiều việc khác. Bên cạnh đó, Python là một trong những ngôn ngữ dễ nắm bắt nhất. Với SQL giúp bạn hiểu rõ hơn, khám phá và  tận dụng kho dữ liệu rộng mở.

Bên dưới, tôi đã viết ra con đường tôi đã chọn khi học các dạng ngôn ngữ này và điều đó đã dẫn tôi đến với thế giới phân tích. Con đường này thật sự vô cùng chông gai. Tôi đã dành không ít những buổi chiều tối cảm thấy lo âu, chán nản. Nhiều đêm, tôi đã có suy nghĩ rằng sao mình không từ bỏ hết tết cả và chỉ nên là một chàng trai kinh doanh bình thường.

Nhưng động lực chính là chìa khóa để thúc đẩy bản thân về phía trước, vượt qua chướng ngại vật mà chắc chắn bạn không thể nào tránh khỏi. Nếu bạn muốn làm trong lĩnh vực phân tích dữ liệu hoặc các công việc khoa học số liệu, hoặc đơn giản là bạn muốn hiểu rõ hơn về lập trình và công nghê, bạn cần phải biết cách làm sao để bản thân cảm thấy có động lực và tuân thủ theo kĩ luật nếu bạn muốn học những kĩ năng này. Với tôi, đặt ra một khoảng thời gian mỗi ngày (tầm 90 phút đến 2 tiếng) để học và luyện tập tức thì ngay khi về nhà sau giờ làm giúp tôi xây dựng thói quen lâu dài và giúp tôi ghi nhớ các khái niệm khó hiểu.

Đây là con đường tôi đã đi và hi vọng nó có thể giúp bạn trong quá trình hình thành con đường của chính mình.

Nền tảng cốt lõi

Học Python một cách khó khăn.

Đây là một trong những khóa học tuyệt vời nhất tôi từng học. Đó là một khóa học tự định hướng và gian nan, nhưng Zed cung cấp cho bạn đầy đủ chi tiết và hướng dẫn bạn làm thế nào bắt đầu lập trình trên Python. Anh ấy cho bạn cảm giác lập trình vô cùng dễ dàng sử dụng và các giáo trình giúp bạn cảm thấy qua mỗi tuần, bạn có thể học Python một cách vô cùng hiệu quả.

 

Mode Analytics : Pandas

Mode Analytics là một khởi đầu tuyệt vời khi đến với Python và trong đó có đầy đủ chi tiết các hướng dẫn sử dụng một trong những cấu trúc dữ liệu mạnh nhất : khung dữ liệu the Pandas. Nó phù hợp cho việc học những bước cơ bản trong phân tích dữ liệu khi sử dụng ngôn ngữ Python.

Mode Analytics : SQL

Một dạng hướng dẫn khác của Mode Analytic cho SQL cũng rất tuyệt vời. Bạn có thể học tất cả các khái niệm chủ chốt và có một nền tảng chắc chắn về SQL. Họ còn có công cụ chỉnh sử SQL và cơ sở dữ liệu của chính họ để bạn có thể tự do khám phá.

Cũng như Mode Analytics, W2 Schools có thể trả lời bất kì câu hỏi nào về SQL nào bạn đặt ra trong quá trình luyện tập sử dụng

Bắt tay vào việc học tập về các loại máy móc

Trước khi tôi hiểu rõ về Python, tôi đã thử và nộp đơn học về công nghệ xe lái tự động của Udacity. Tôi biết điều đó hoàn toàn nằm ngoài khả năng của mình, nhưng tôi nghĩ rằng, tại sao không ?

Bạn sẽ có động lực mạnh mẽ hơn để học Python và công nghệ máy móc nếu bạn hứng thú với những ứng dụng thực tiễn.

Tôi đã có một tháng trước khi khóa học bắt đầu, nên tôi chọn học thật nhiều khóa về khoa học dữ liệu và học về máy móc.

Đây là những khóa học vỡ lòng miễn phí nhưng vô cùng hữu ích :

Udacity Machine Learning Intro

Udacity Intro to Statistics

Udacity Intro to Data Science

Phải, bạn thấy đa phần, chúng là các khóa học của Udacity

Với các khóa học không miễn phí, tôi khuyến khích các bạn chọn học theo sách Grokking Deep. Sách cung cấp đầy đủ và rõ ràng các ví dụ chủ chốt của việc học về máy móc.

Tensor Flow, được phát triển bởi Google, là một thư viện mã nguồn mở cho việc học về máy móc mà bạn có thể viết trên ngôn ngữ Python. Nó vô cùng mạnh mẽ và rất đáng để theo học. Hãy xem các bài tập MNIST để có một phần giới thiệu tuyệt vời về khung mẫu này.

Tôi nhận thấy lớp học Stanford CS231 là một nguồn vô cùng hữu ích. Nó bao gồm cả công nghệ mạng lưới nơ-ron (công nghệ dùng trong nhận diện khuôn mặt/ hình ảnh) vô cùng hữu ích cho công nghệ xe không người lái. Nếu bạn hứng thú trong việc học tập công nghệ, bạn sẽ không tìm được một khóa học nào tốt hơn như vầy.

Cuối cùng, sau khi sử dụng tất cả các nguồn lực trên để xây dựng nền tảng, tôi bắt đầu với khóa học về công nghệ xe không người lái của Udacity.

Tôi sẽ không nói nhiều về khóa học này vì nó đã được khen ngợi ở khắp nơi. Điều tôi muốn nói ở đâu rằng, theo trải nghiệm cá nhân, dù đây là khóa học gian nan thử thách nhất, tôi vẫn có thể hiểu được đại đa số nội dung của nó. Được trang bị với kiến thức nền tốt, bạn sẽ ngạc nhiên về khả năng tiếp nhận của chính bạn về một chủ đề phức tạp như vầy.

Tiếp tục quá trình học phân tích cơ sở dữ liệu khoa học.

Sau quá trình chuyên tâm học về máy móc, tôi đã lui bước để củng cố khả năng hiểu về các quy luật phân tích và cơ sở dữ liệu khoa học.

Tôi bắt đầu với “Dữ Liệu Khoa Học, Hiểu Sâu và Học về Máy Móc với Python” (Data Science, Deep Learning, & Machine Learning with Python), một khóa học vô cùng tuyệt vời trên Udemy. Trong khi đề cập về thiết bị máy móc, nó bao quát cả các quy luật trong phân tích số liệu, cơ sở dữ liệu và thống kê, cụ thể là về các kĩ thuật dữ liệu nhỏ và các viễn cảnh thực tế để phân tích chúng.

Cuốn sách “Dữ liệu khoa học cho giới kinh doanh” (Data Science For Business), cũng giải thích một cách chi tiết về tại sao và làm thế nào một số kiểu mẫu áp dụng để giải quyết vấn đề trong một viễn cảnh cụ thể. Nó giúp bạn bám vào các khuôn mẫu phân tích và suy nghĩ có thể áp dụng cho bất kì  vấn đề liên quan đến số liệu. Đó là nguồn tốt nhất có thể kết nối các lối phân tích đến các tình huống và rắc rối trong kinh doanh.

Dĩ nhiên, nếu bạn có mong muốn làm việc trong lĩnh vực phân tích dữ liệu, bạn nên trân trọng những kỹ năng cũ và bổ sung thêm các kĩ năng mới cho bản thân. FreeCodeCamp và Hackernoon đăng tải các bài đăng hữu ích và các hướng dẫn về mọi thứ liên quan đến khoa học dữ liệu và kĩ thuật phần mềm. Bài đăng tôi thích nhất gần đây là một bài hướng dẫn vô cùng hữu ích về cách viết một blockchain (chuỗi khối) cho riêng bạn.

Bạn muốn biết cách hay nhất để học tiếp? Hãy xây dựng một cái gì đó, bất kì thứ gì. Khám phá bộ dữ liệu, tìm một vấn đề thực tiễn bạn hoặc công ty bạn phải đối mặt và cố gắng giải quyết chúng.

Nếu bạn không truy cập vào hệ thống dữ liệu cao cấp tại công ty, có rất nhiều mã nguồn dữ liệu mở bạn có thể khám phá và tập sử dụng. Tôi cá rằng bạn sẽ học được tương tự hoặc nhiều hơn nữa cho việc phát triển dự án dữ liệu của bạn so với việc học hay đọc một cuốn sách nào đó.

Cuối cùng, gặp và học từ những người đã nắm những kĩ năng bạn muốn học là một lợi ích vô cùng lớn. Tôi khuyến khích bạn nên sử dụng Meetup để tìm gặp được những nhóm chuyên gia về công nghệ phần mềm hoặc phân tích chuyên môn của bạn. Những nhóm này có thể cung cấp các hướng dẫn hay bài học miễn phí và bạn còn có cơ hội gặp những người siêu thông minh có thể cung cấp các mánh nhỏ để cải thiện việc học của bạn tốt hơn nữa.

----------Tác giả: Dan Stern

Link bài gốc: How You Can Learn Analytics and Data Skills

Dịch giả: Nguyễn Ngọc Sang - ToMo: Learn Something New

(*) Bản quyền bài dịch thuộc về ToMo. Khi chia sẻ, cần phải trích dẫn nguồn đầy đủ tên tác giả và nguồn là "Dịch Giả: Nguyễn Ngọc Sang - Nguồn: ToMo: Learn Something New". Các bài viết trích nguồn không đầy đủ, ví dụ: "Theo ToMo" hoặc khác đều không được chấp nhận và phải gỡ bỏ.

(**) Follow Facebook ToMo: Learn Something New để cập nhật thông tin bổ ích hàng ngày!

(***) Trở thành CTV, Thực Tập Sinh Part-time để rèn luyện ngoại ngữ và đóng góp tri thức cho cộng đồng tại: http://bit.ly/ToMo-hiring.