Newsletter

Retrospectiva no mundo dos dados de 2018¬†ūüėĮ

Enviado em: 2018 M12 31
View this email in your browser

Retrospectiva do Mundo dos Dados em 2018

Ol√°, Data Hacker! Este ano de 2018, ano no qual a nossa comunidade nasceu, j√° acabou. Quantas conquistas tivemos!



Em 22 de Janeiro de 2018, fizemos nosso primeiro envio. Depois lan√ßamos o Slack, que hoje consta com mais de 1400 membros. Fizemos 2 edi√ß√Ķes do Bootcamp Data Hackers, onde pudemos ensinar os primeiros passos em Data Science para gente do Brasil inteiro, de Terezina ao interior paulista.



Por fim, atendendo a muitos pedidos, lan√ßamos o podcast, que j√° tem mais de 10 mil plays. Foram 4 epis√≥dios com convidados de renome na √°rea de Data Science, Machine Learning e Engenharia de Dados.



Antes de irmos para a nossa retrospectiva, gostaríamos de agradecer a você! Nossa comunidade é cada vez mais forte e representativa por causa de sua participação. Que 2019 seja muito especial e você atinja seus objetivos. E não se esqueça que estamos aqui pro que der e vier! Conte conosco!


Agora vamos para a √ļltima news de 2018! Compilamos uma retrospectiva com os links mais clicados de todos as nossas newsletters!

Janeiro: As verdades que você precisa saber sobre Big Data

Neste artigo voc√™ vai ter uma vis√£o sincera de como os projetos de "Big Data" funcionam na pr√°tica. Conhecer as diferen√ßas entre um cientista  de dados e um engenheiro de dados e ver que aquela prometida solu√ß√£o milagrosa e plug and play que resolver√° todos seus problemas envolvendo dados em grande volume est√° bem longe de existir. (em Portugu√™s)


Fevereiro: Como estruturar seu time de Data Science de forma efetiva


Chuong Do, ex-Head de Analytics do Coursera conta de quais formas os times de Data Science podem ser estruturados dentro de uma organiza√ß√£o de maneira efetiva. Ele conta dos modelos Centralizado vs Descentralizado, quais tipos de cientistas existem (Tipo A e Tipo B) e o que que eles necessitam de contrapartida para trabalhar com efici√™ncia. (em Ingl√™s)

Março: A realidade por trás dos Unicórnios em Data Science

Ainda na batalha para conscientizar o mercado sobre o que √© realmente Data Science, o Data Hacker Gabriel Lages, Head de Analytics na Hotmart, conta pragmaticamente toda sua experi√™ncia e vis√£o sobre Ci√™ncia de Dados. Sem tentar vender sonhos, Lages ensina o que √© Data Science e o que √© necess√°rio para ser um bom profissional na √°rea.

Por fim, finaliza dando a dica que: unic√≥rnios n√£o existem, mas times fortes de Data Science existem e podem ser montados sim! Leitura obrigat√≥ria do semana! (em Portugu√™s)

Abril: Como se tornar um Engenheiro de Dados: Processo Seletivo

Na primeira parte de seu guia, Allan Sene explica um dos momentos mais tensos na vida de um candidato: o processo seletivo. Atrav√©s de uma abordagem sem rodeios e bem-humorada, Allan traz dicas cruciais para passar em processos seletivos como NubankGlobo.comMaxMilhas e at√© Spotify! (em Portugu√™s)
Maio: Infra-estrutura de dados na InLoco

Em dos posts mais comentados nas listas e comunidades de Data Engineering do mundo inteiro nessa semana, a InLoco, startup brasileira do Recife, mostra como funciona seu pipeline de dados,  datastores e ferramentas de an√°lises, al√©m de explicar todos os porqu√™s de suas decis√Ķes de arquitetura. Imperd√≠vel! (em Ingl√™s)


Junho: O que frusta um Cientista de Dados?


Com a populariza√ß√£o da √°rea de Data Science, muitas empresas tiveram sua aten√ß√£o direcionada a projetos de Intelig√™ncia Artificial, Machine Learning, Data Science, Big Data, ou qualquer outra buzzword que os fa√ßa sorrir. Nesse artigo, o autor salienta esse e outros problemas que frustram profissionais de dados, onde a falta de alinhamento de expectativas pode ser o maior vil√£o desse processo. (em Ingl√™s)
 

Julho: Introdução teórica a Redes Neurais


O que mais tem por a√≠ √© tutorial de aplica√ß√Ķes de Deep Learning usando TensorFlow ou PyTorch. Mas e a teoria por tr√°s disso tudo? Nesse artigo, o Data Hacker Arthur Vaz explica o funcionamento de Perc√©ptrons e as v√°rias fun√ß√Ķes de ativa√ß√£o! Mais um artigo no blog do Data Hackers(em Portugu√™s)
 

Agosto: a traget√≥ria de um brasileiro que chegou a Kaggle Master


O Data Hacker Leonardo Ferreira conta nesse insp√≠rador artigo toda a sua trajet√≥ria em Ci√™ncia de Dados. Come√ßando literamente "do zero", Leonardo desbravou sozinho o mundo de Data Science e conseguiu um feito √ļnico: o t√≠tulo de Kaggle Kernel Master. (em Portugu√™s)
Setembro: 24 Projetos para impulsionar seu aprendizado em Data Science

Nesse post extremamente FODA o time da Analytics Vidhya fez uma seleção extremamente criteriosa de projetos de Data Science com tutoriais passo a passo e datasets inclusos!!! Os projetos passam por análise de regressão, modelos de classificação, séries temporais, text mining, manipulação de conjuntos enormes de dados, visão computacional, sistemas de recomendação e muito mais.

Os projetos estão divididos por nível de conhecimento (iniciante, intermediário e avançado) e todos acompanham os datasets e tutoriais. O que você está esperando para ampliar seu portfólio e aprender ainda mais??
Veja o artigo aqui (em Ingl√™s)


Outubro: Como aprender Data Science mesmo que você esteja quebrado!


Aprender Data Science, vai muito além de fazer um curso e ganhar um certificado. Durante esse o processo de aprendizado o Data Scientist vai precisar obter uma série de habilidades que a maioria das pessoas nem imagina existir.

Como Data Hackers, acreditamos que existem v√°rias formas de adquirir esses conhecimentos, em algumas delas como em faculdades, bootcamps e alguns tipos de cursos online voc√™ vai precisar desembolsar uma grana, mas existem muitas outras formas de aprender sem gastar nem um centavo e justamente disso que esse post trata! (em Ingl√™s)
 

Novembro: O que faz um Engenheiro de Dados e o que você precisa fazer para se tornar um!


Se você ainda não faz ideia de qual o papel do Engenheiro de Dados em uma equipe de Data Science, não se preocupe. Dessa vez trouxemos um guia extremamente completo sobre a profissão feito pela Udacity!

O post aborda os principais aspectos dessa profiss√£o, como por exemplo:
  • O que √© engenharia de dados?
  • Qual a diferen√ßa entre engenheiros de dados e cientista de dados?
  • Quais as habilidades e ferramentas de um engenheiro de dados?
  • Quanto ganha um engenheiro de dados?
  • O que fazer para se tornar um engenheiro de dados?
Ou seja, se voc√™ trabalha na √°rea de dados esse post √© mais um daqueles posts obrigat√≥rios para compreender o papel de cada um na equipe! 
(em Português)

Dezembro: Amazon libera curso gratuito de Machine Learning!

√Č claro que voc√™ conhece a Amazon. Seja por ter comprado aquele Kindle baratinho ou por usar a plataforma de servi√ßos web deles: a AWS. E √© sobre esse √ļltimo que iremos falar.

Na √ļltima semana de novembro, a AWS anunciou que iria abrir seu curso de Machine Learning. Trata-se de uma s√©rie de cursos gratuitos que ir√£o preparar voc√™ para utilizar as melhores ferramentas de Machine Learning da AWS.

O que achei mais legal é que a plataforma da AWS oferece trilhas específicas de acordo com o perfil do aluno. Por exemplo, se você é um engenheiro de software, você focará nos cursos A, B e C; caso você seja um Data Scientist, poderá focar nos cursos D, E e F. (em Inglês)
Facebook
Site
LinkedIn
Twitter
Medium
Copyright © *|CURRENT_YEAR|* datahackers.com.br.

Want to change how you receive these emails?
You can update your preferences or unsubscribe from this list.