Обучение Data Science?

Question

[al]

Есть интерес в области машинного обучения и науке о данных.
Решил начать с линейной алгебры и python.
Собственно вопросы:
1. Сколько времени в день уделять линейной алгебре и как ее изучать самостоятельно? На данный момент я трачу на линейную алгебру 2—3ч. в день, и особого результата не наблюдаю. Занимаюсь по книге Г. Стренга «Линейная алгебра и ее применения», хотя в универе особых сложностей с решением задач не вознникало. Так же имеется еще пару книг: Тыртышников «матричный анализ», Гантмахер «Теория матриц» и Костыркин и Манин «Линейная алгебра и геометрия»
2. Как правильно изучать python? Занимаюсь по Лутцу и решаю задачи на codewars и hackerrank. Достаточно ли этого?
3. Что можете посоветовать по развитию в данном направлении.

Comments

[Alibaba2018]

ИМХО, вы тратите своё время впустую (подчеркиваю опять же ИМХО):

скачайте себе на торрентах Udacity Data Science nano degree и научитесь делать для начала самые базовые вещи, потом сделайте 3-4 проекта на Kaggle... и вот только потом можно сидеть там уже реально пытаться глубоко вникать в теорию для улучшения результатов.

Ваш подход к делу (ИМХО), это как учиться ездить на Формуле 1 через теорию без опыта вождения вообще даже на запорожце. Но чтобы въехать в Data Science/ML/NN на начальном этапе теории много не нужно; требуется исключительно базовое понимание основных концептов, а то что там делает машина под капотом, особо пока не Ваша проблема.

ИМХО https://youtu.be/fNk_zzaMoSs можете посмотреть вот эти лекции для начала по линалу, что на начальном этапе более чем достаточно.

Answer 1

[dmshar]

1. Сколько времени в день уделять линейной алгебре и как ее изучать самостоятельно?

Не важно, сколько времени уделять, важно - понимать (не запоминать конкретные факты, а именно понимать "что и почему").
Вот мнение (одно из многих) о том, что надо из математики:
https://habr.com/ru/post/432670/

Занимаюсь по Лутцу и решаю задачи на codewars и hackerrank. Достаточно ли этого?

Более чем. Но на самом деле, для Data Science понадобятся ОСНОВЫ Python плюс соответствующие библиотеки, в первую очередь Numpy, Matplotlib, Scipy, Pandas. Первую надо понять(!) до перехода к практическим задачам, последние три, а также Scikit-Learn и Tensorflow можно разбирать параллельно с собственно Data Science (точнее с Мachine Learning, потому что, например Data Engineering - это вообще отдельная тема).
Но! Надо понять, что Мachine Learning - это не программирование на Python (или любом другом языке программирования). Это отдельная наука. А все, что перечислено выше - только легкая "подводка" к теме.

Answer 2

[LikeKey]

Сначала изучи основы статистики, например на stepik - https://stepik.org/course/76
Далее начни какой то курс по мл (или книгу, но если начнешь курс, все равно придется перейти к книгам), если чувствуешь, что есть пробелы в математике, учи математику, чувствуешь что есть проблемы в статистике - учи статистку