Entre milhares de cursos, livros, podcasts e canais disponíveis, tão difícil quanto encontrar conteúdo de qualidade é encontrar um método que funcione para cada pessoa. E se você procurar por "como estudar" no google, você encontrará um total de 153 milhões de resultados entre livros, canais, artigos e tudo mais que se pode pensar. Livros sobre o tema então brotam aos milhares, e todo dia alguém escreve algum artigo do tipo "aprenda a estudar de forma eficiente" ou "como eu estudo", achando que vai ensinar aos outros um método único e fechado sobre como aprender da melhor forma possível. Mas isso não existe (e esse artigo aqui não se propõe a fazer isso). Estudar é um processo individual e cada pessoa aprende da sua própria forma, no seu tempo. Isso depende de cada pessoa, do tema a ser estudado, do tempo disponível, do histórico de conhecimentos prévios sobre aquele tema... De modo que mais do que aprender como estudar, é necessário ter um repertório de caminhos possíveis e, em cada situação, avaliar o que vai ser mais útil. Desse modo, não pretendo aqui ensinar a você como estudar, mas compartilhar como eu, Marcos, estudo ciência de dados, aprendizado de máquinas e tudo que envolve esses temas.
Conhecimento prévio
Como eu disse em um dos primeiros posts que eu fiz aqui no site (Quem sou eu), meu background me favoreceu bastante nessa caminhada. Uma graduação em física sempre carrega uma base matemática muito sólida, e essa base acaba sendo muito similar a usada em computação. Claro, existem alguns pontos cegos que eu nunca vi, assim como estudei a fundo coisas que nunca usarei em computação, mas a grosso modo a matemática é sempre a mesma e já ter passado por isso me ajudou muito aqui.
Além disso um hobby pouco usual de programar pequenas coisas acabou se mostrando muito mais importante do que eu poderia pensar anos atrás. Sempre tive interesse por computação, tecnologia, ciência e tudo que envolve esse mundo. Achava (e ainda acho, claro) fascinante a ideia de uma máquina totalmente programável, capaz de fazer quase qualquer coisa que nós podemos fazer, mas de forma mais rápida, mais eficiente e sem cometer os erros humanos que invariavelmente cometemos. Não nego que a ficção científica tenha influenciado nisso, muito pelo contrário.
Aprendendo o que falta
Ok, tendo uma base sólida em matemática e o básico de programação o que falta? Bem... Muita coisa. Primeiro que entre saber programar uma sequência de Fibonacci e preparar uma análise computacional e modelagem preditiva existe um abismo gigantesco. Meu primeiro passo então foi correr atrás dessa deficiência. Várias horas de estudo de Python, Java, R e SQL foram necessários pra começar a cruzar esse abismo. Nesse ponto, cursos online foram minha escolha por serem práticos, dinâmicos e, em grande parte, gratuitos. Alguns sites que fornecem ótimos cursos são Coursera, Alura (sobre a qual inclusive tenho um artigo aqui comentando minha experiência com a plataforma), FreeCodeCamp (site e canal no YouTube) além de alguns pescados por aí.
Além disso, integrais, derivadas e equações diferenciais tem pouco espaço no mundo da ciência de dados. Muito menos do que estatística e probabilidade, conceitos que eu aprendi muito rasamente na universidade. Coube então correr atrás desses tópicos pra sanar essa deficiência. E pra isso eu optei por material físico, mais especificamente o livro da O'Reilly Estatística Prática para Cientista de Dados. E porque não um curso online, como foram os outros? Por um motivo simples: por ser um estudo mais teórico, prefiro livros do que cursos. Cursos são ótimos, não nego. Mas eles funcionam bem para conceitos totalmente práticos, como programar, pintar, desenhar, tocar um instrumento... Mas conceitos mais teóricos precisam de mais tempo para "sedimentar", e esse tempo funciona melhor em livros.
O terceiro grande pilar da ciência de dados é o conhecimento de negócio. Afinal de contas, os dados surgem em contextos de negócios e se voltam para eles para gerar melhorias em serviços, programas e novas oportunidades de crescimento. E aqui, confesso, ainda existe um abismo imenso. Afinal, cada negócio é único e cada necessidade é exclusiva. Não é possível aprender regras de negócio em um curso, livro ou qualquer outra mídia. Então, como fazer? A prática é a única resposta. Ou seja, só em contato direto com um negócio que você aprende o que é necessário, o que não é e o que exatamente você pode fazer por aquela empresa ou cliente. Mas se você não está em contato com uma empresa, então como proceder? Estudar outros negócios, analisar bases de dados públicas e participar em fóruns de discussão aberta são ótimas formas de estudar isso. No meu caso, além disso, mais uma vez recorri a um livro sobre o tema para ter uma noção mais geral sobre o assunto. Nesse caso foi o Data Science para Negócios, um livro que discute alguns casos icônicos de aplicação de ciência de dados e machine learning na geração de valor para empresas. Além disso, os dados públicos do Kaggle são um ponto interessante. Mas sobre esse site eu escreverei um artigo mais completo, pois ele merece mais do que uma rápida menção aqui.
Sobre o mercado e atualizações
Mas não só de conhecimento acadêmico vive o programador. Estar atento a como anda o mercado, novas tecnologias e possibilidades também conta como estudo. E nesse caso não há cursos ou livros que deem conta da velocidade como tudo evolui. Nesse caso não há outra opção (ao meu ver) que não seja podcast e youtube. Como a frequência de lançamento é semanal ou quinzenal, é o tempo ideal pra ficar sabendo como andam as coisas, onde existem grandes oportunidades e projetos possíveis. Nesse caso eu acompanho os seguintes geradores de conteúdo:
Podcast (todos estão disponíveis no Spotify gratuitamente):
Canais:
Lembrando que nenhum desses métodos é fechado em si ou exclusivo. Sempre haverá conteúdo possível em outras mídias ou lugares não convencionais. O mais importante de tudo é ter sempre uma visão de aprendizado constante. Isso é, nunca achar que você SABE algo ou que estudou tudo que há para se estudar sobre aquele assunto. É sempre bom retornar para as bases, rever os conceitos fundamentais e se atualizar constantemente. Dessa forma o estudo deixa de ser uma prática e se torna uma forma de ver o mundo. E aí pouco importa se você está fazendo um curso, lendo um livro ou participando de um evento. O importante é estar se movimentando.
Comments