Jika Anda seorang data scientist, ada satu set keahlian yang dapat Anda pelajari yang bersifat transformasional.
Ini akan membukakan pintu untuk Anda, ke mana pun Anda pergi. Pintu yang bahkan tidak bisa dilihat rekan kerja Anda.
Ini akan meluncurkan Anda ke tingkat yang baru, di mana apa yang Anda capai dengan mudah membuat orang lain ngiler karena iri.
Dan bagian terbaiknya: sekali Anda benar-benar mempelajarinya, Anda sudah mendapatkannya seumur hidup.
Apa keahlian ini, Anda dengan penuh semangat bertanya, dari ujung tempat duduk Anda?
Keterampilan rekayasa perangkat lunak.
Tambahkan ini ke kumpulan keahlian sains data Anda yang mahakuasa, dan tidak ada yang bisa menghentikan Anda. Saya tidak hanya berbicara tentang menjadi insinyur data atau DS tipe B. Bahkan jika Anda ingin tetap menjadi ilmuwan data tipe-A-untuk-analis normal, mempelajari keahlian ini memungkinkan Anda menjalankan putaran emoji bahagia di sekitar ilmuwan data emoji menangis yang tidak melakukannya.
Jadi … Bagaimana Anda melakukannya? Beberapa kunci kerajaan ini:
1) Keluar dari notebook
Anda akan membenci yang ini:
Anda harus menjadi HEBAT dalam menulis kode DI LUAR notebook.
Ya, saya tahu Anda menyukai Jupyter. Luar biasa. Tidak ada yang menentangnya.
Tapi Anda hanya bisa melangkah sejauh ini di boks itu.
Jika Anda ingin menulis fungsi, kelas, dan modul yang diimpor oleh data scientist LAIN ke buku catatan MEREKA …
Kembangkan sistem yang memanfaatkan pekerjaan yang dilakukan oleh data scientist lain, di tingkat yang lebih tinggi …
Atau bahkan membuat wawasan cemerlang Anda dapat digunakan oleh orang-orang yang tidak membaca buku matematika untuk bersenang-senang …
Anda tidak dapat melakukan semua hal ini di buku catatan. Tidak dengan cara yang efektif dari jarak jauh.
Saatnya untuk bersiap dengan alat dan praktik rekayasa perangkat lunak yang lebih canggih.
2) Menguasai pemrograman berorientasi objek
Aneh betapa buruknya kebanyakan data scientist dalam hal ini.
OOP jauh lebih penting dari yang Anda sadari. Ini adalah dasar dari semua hal lain yang Anda lakukan saat menulis sistem perangkat lunak yang kompleks dan kuat.
Saat Anda mengimpor DataFrame dari Pandas … itu adalah sebuah kelas.
Saat Anda membuat pengklasifikasi LogisticRegression di scikit-learn … itu juga merupakan kelas.
Anda MENGGUNAKAN kelas sepanjang hari, setiap hari. Data scientist tipe B membuatnya untuk Anda gunakan.
Tapi itu hanya menggores permukaan. TIDAK ADA yang akan membuat Anda naik level dan membedakan Anda dari analis data lain seperti belajar cara menulis kode berorientasi objek yang baik.
3) Belajar menulis tes unit
Yah, kecuali mungkin menulis tes unit.
Yang ini masalah BESAR. Perpustakaan yang Anda andalkan setiap hari menggunakan pengujian otomatis. Mereka menggunakan banyak sekali. Itu seharusnya memberitahumu sesuatu.
Menulis tes otomatis, dan melakukan pengembangan yang digerakkan oleh tes … itu TENAGA SUPER. Itu benar-benar mengubah apa yang Anda mampu. Ketika Anda belajar menulis tes, Anda tiba-tiba dapat mencapai hal-hal yang bahkan tidak dapat Anda sentuh sebelumnya. Apalagi jika digabungkan dengan skill Anda di OOP. Lihat bagaimana mereka membangun satu sama lain?
The Powerful Python Newsletter hanya untuk Anda. Seperti yang dikatakan pembaca Charles Hayden:
“Saya telah melihat banyak buku, artikel, dan buletin selama bertahun-tahun dan milik Anda adalah salah satu yang terbaik. Bukan hanya apa yang Anda katakan tentang Python, tetapi bagaimana cara belajar.”
