Год кодинга

Всегда мечтал уметь программировать. Вот начал самостоятельно изучать Computer Science и Python Programming, имея сугубо финансово-экономический бэкграунд, но будучи гиком в душе.

Изучаю Python в контексте инструментария для применения в Data Science и далее в Machine Learning. Навыков программирования до этого не имел, если не считать работу со сложными связанными таблицами excel.

Начал с самого базового курса "Основы программирования на Python", книги Марка Лутца «Изучаем Python» и тренинга Python Essentials от Enthought, Inc. И официальные инструкции поглядываю: The Python Tutorial.

Также обучаюсь на курсах:

• массачусетского технологического института (MIT) MITx: 6.00.1x Introduction to Computer Science and Programming Using Python на edX;

• Introduction to Python for Data Science (от Microsoft) на edX;

• Python на Codecademy.

В феврале начинаю изучение курса МФТИ Математика и Python для анализа данных на Coursera.

После завершения всего, что указано выше, планирую осилить совместный курс Высшей школы экономики и Школы анализа данных Яндекса на Coursera по Machine Learning:
https://www.coursera.org/learn/intro...chine-learning

В плане софта и среды разработки осваиваю:
Enthought Canopy;
Anaconda;
Jupyter;
и штатный IDLE.

Python coding programming кодинг программирование Data Science Machine Learning Питон образование education

Alchemist

120

с 4 апреля 2011

26 Комментариев

Alchemist
28 января 2016, 15:37
В общем, 2016 год пройдет у меня под большим знаком кодинга!
0
S-L is SCKS
28 января 2016, 15:39
оставлю коммент-метку, просто чтобы найти потом.
0
Alchemist
28 января 2016, 15:42
Почему именно Python? Python — де-факто отраслевой стандарт в моей сфере для Data Science и Machine Learning. Плюс сравнительно доступный язык для изучения без предыдущего опыта программирования. Также огромное количество библиотек, в частности интересные мне: NumPy, Matplotlib, SciPy, Pandas.
0
- baron_samedi
  28 января 2016, 17:25
  Alchemist,
  перекиньтесь на джаву, пока не влезли.
  Будет универсальней.
  0
  - Alchemist
    28 января 2016, 19:24
    vladimir doigt, JavaScript планирую начать после освоения Python.
    0
    - baron_samedi
      28 января 2016, 19:51
      Alchemist,
      Не путайте! JAVA и JavaScript- абсолютно разные вещи по всему!
      
      0
      - Alchemist
        29 января 2016, 00:18
        vladimir doigt, да, в курсе. Не путал. Только о своих планах в части JavaScript сообщил.
        0
Lop
28 января 2016, 15:43
я Доусона почитываю
+1
- Alchemist
  28 января 2016, 19:49
  Руслан Вяз, спасибо, тоже посмотрю!
  0
Cristopher Robin
28 января 2016, 15:46
отличное начало
0
Alchemist
28 января 2016, 15:50
Кстати, есть интересный индекс TIOBE, оценивающий популярность языков программирования, на основе подсчета результатов поисковых запросов, содержащих название языка. Скриншот по состоянию на январь 2016:
0
- sortarray sortarray
  28 января 2016, 16:56
  Alchemist, с трудом верится в приведенную вами статистику. Например, на PHP написано процентов 90 серверного кода. Он не может уступать в популярности питону, так как основная ниша у обоих — веб.
  
  Далее, JS если верить вашей таблице, имеет нисходящий тренд. Однако, другого клиентского языка в вебе нет. Даже если предположить, что стали писать меньше веб-приложений, обслуживание старого кода никуда не делось.
  
  Ruby явно переоценен. Большинство современных мартышек на нем писать не могут, поэтому, это почти маргинальный язык. Он держится на плаву только засчет поддержки рельс.
  
  Asm тоже явно переоценен.
  
  Такие дела. Не верю:)
  0
  - Alchemist
    28 января 2016, 18:48
    sortarray sortarray, «на основе подсчета результатов поисковых запросов, содержащих название языка». То есть, индекс демонстрирует скорее популярность того или иного языка в конкретный момент времени среди изучающих на основе их поисковых запросов.
    0
Дар Ветер
28 января 2016, 15:53
машин лернинг как и в целом ии плохо применимы для трейдинга, это просто безыдейный перебор всевозможных случайных комбинаций. по итогу такой датамайнинг может дать слабоприбыльные алгоритмы но они будут жертвами курвфиттинга и переоптимизаций. взаимодействую сейчас с одной алгофирмой, там работают люди разрабатывавшие эвристические алгоритмы для поисковиков и антивирусов, аваст например, биг дата, в общем как и в целом по индустрии результаты слабые, месят воду в ступе.

такие подходы больше для поиска корреляций между событиями и причинно следственных связей а не для поиска неэффективностей и паттернов в рынке. мои 5 коп
+1
- SMA
  28 января 2016, 15:57
  Дар Ветер, наверно это с опытом приходит. пока не пройдут этот этап не поймут наверно.
  0
- Alchemist
  28 января 2016, 16:11
  Дар Ветер, мне Python в целом для Data Science интересен. Machine Learning тоже очень интересно изучить, даже не в контексте трейдинга. В части же трейдинга Machine Learning, по замечанию одного моего знакомого, может быть интересно, если в основу брать изучения не просто временные ряды (например, тиковые данные), а определенные наборы фактов на их основе.
  0
  - Дар Ветер
    28 января 2016, 18:21
    Alchemist, наверное все же дело не в самом языке — писать можно на чем угодно, а в фреймворках и библиотеках с которыми вы планируете работать? Для дэйта сайнс все же наверное оптимален R
    0
    - Alchemist
      28 января 2016, 19:23
      Дар Ветер, да, спасибо. Про R тоже в курсе. Планирую обратить на него внимание после освоения Python. На Хабре, кстати, вот интересное сравнение этих языков:
      habrahabr.ru/company/piter/blog/263457/
      0
- sortarray sortarray
  28 января 2016, 16:54
  Дар Ветер,
  это просто безыдейный перебор всевозможных случайных комбинаций.
  
  C чего вы взяли, что комбинации обязаны быть случайными? И в чем заключется «безыдейность», поясните пожалуйста.
  
  0
  - Дар Ветер
    28 января 2016, 18:25
    sortarray sortarray, потому что иначе это не будет мэшин лернингом. Если вы сгруба накидаете алгоритм и оставите кучу парамеров на подгон, запустите эвристический перебор — это не будет мэшин лернингом, это будет банальным подгоном и курв фиттингом. Мэшин лернинг будет когда машина перебором находит закономерности (обычно эфемерные) из многих миллионов вариантов, и они случаны. В любом случае у каждого свое мнение. Я изучал применение ИИ в трейдинге среди профессионалов и все там вовсе не радужно. Единственные успешные примеры — это поиск паттернов Медаллионом, но никаких подробностей нет кроме того что они краткосрочные — минуты и часы, все секретно. И есть такой проект, называется «Star». Там чуть более долгосрочно, но ничего даже близкого к среднесроку и тем более инвестированию никто не смог найти.
    0
    - sortarray sortarray
      28 января 2016, 18:39
      Дар Ветер, Вы както смешали в одну кучу ИИ и машин ленинг. Последнее можно считать частным случаем первого. Ну да ладно. Я конечно, несколько не в теме, наверное, но я Вас не понимаю. Если у Вашей программы нет четких параметров отбора, то как же она может что-либо отфильтровывать? Иными словами, учиться вбирать пути? Я понимаю, что параметры фильтрации могут меняться в рантайме, программа модифицирует саму себя. Однако же, что-то все равно должно быть изначально заложено. Иначе программа будет вот такого вида: doAnything
      
      Кстати, кэширование не является простым случаем machine learning?
      0
    - sortarray sortarray
      28 января 2016, 18:46
      Дар Ветер, Если говорить проще, вы же «объясняете» программе что она должна делать, закладываете в нее какое-то поведение? Ну и почему это закладывание поведения не является реализацией алгоритма по-вашему?
      0
sortarray sortarray
28 января 2016, 17:15
Кстати, о «Data science». Недалеки те времена, когда у нас будет «sockswashing science».
0
Alchemist
28 января 2016, 19:56
Choosing R or Python for data analysis?

0
Alchemist
28 января 2016, 21:23
Even if you're struggling and hate your code at the moment: remember that while there is probably a better way to write it — there is also definitely a worse one as well, way worse!

0
Brad Tick
28 января 2016, 22:19
через 3 года вы сможете применить все эти знания в другой отрасли — анализ продаж, эффективная диагностика заболеваний и оценка кредитоспособности, может сможете сделать прогноз таяния ледников Антарктиды. а сейчас вы просто получите наглядное описание рынка в виде красивых статистических графиков того, что вообще когда-либо было. рынок в числах, графиках, зависимостях. да, придет понимание. чтобы уйти от всего этого и прийти к способам поиска того, что нужно.
0