डेटा साइंटिस्ट कैसे बनें

pandas, NumPy, scikit-learn, matplotlib/seaborn। नोटबुक पर सहज पकड़ और इतनी सॉफ़्टवेयर इंजीनियरिंग कि काम प्रोडक्शन तक पहुँचा सकें।

• डॉक्स मुफ़्त pandas Docs →
• किताब मुफ़्त Python for Data Analysis (Wes McKinney) →
• किताब मुफ़्त Python Data Science Handbook (VanderPlas) →

विंडो फ़ंक्शन, CTE, जटिल जॉइन। आपके दिन का ज़्यादातर समय डेटा वेयरहाउस पर SQL चलाने में जाता है।

• ट्यूटोरियल मुफ़्त Mode SQL Tutorial →
• किताब मुफ़्त Select Star SQL →

डिस्ट्रिब्यूशन, हाइपोथिसिस टेस्टिंग, कॉन्फ़िडेंस इंटरवल, पावर। यही ज्ञान आपको संयोग के उतार-चढ़ाव को असली कारण-प्रभाव समझ बैठने से रोकता है।

• किताब मुफ़्त Think Stats (Downey) →
• किताब पेड Practical Statistics for Data Scientists →
• ट्यूटोरियल मुफ़्त Seeing Theory (Brown) →

प्रायर, पोस्टीरियर, PyMC। बिज़नेस फ़ैसलों के लिए बेयज़ियन तरीके अक्सर पी-वैल्यू से ज़्यादा आसानी से समझ आने वाले जवाब देते हैं।

• डॉक्स मुफ़्त PyMC Learn →
• किताब मुफ़्त Bayesian Methods for Hackers →

सैंपल साइज़, MDE, पावर, सीक्वेंशियल टेस्टिंग, नॉवेल्टी और प्राइमेसी इफ़ेक्ट। प्रयोग करें तो सही ढंग से करें, वरना न करें।

• किताब पेड Trustworthy Online Controlled Experiments (Kohavi et al.) →
• डॉक्स मुफ़्त ExP Platform (Kohavi) →

डिफ़रेंस-इन-डिफ़रेंसेज़, सिंथेटिक कंट्रोल, रिग्रेशन डिस्कंटिन्युटी। उन प्रोडक्ट लॉन्च के लिए जिन्हें आप रैंडमाइज़ नहीं कर सकते।

• किताब मुफ़्त Causal Inference: The Mixtape →
• डॉक्स मुफ़्त CausalML docs →

रिग्रेशन, क्लासिफ़िकेशन, क्लस्टरिंग, डाइमेंशनैलिटी रिडक्शन। जानें कि कब किसका इस्तेमाल करना है।

• डॉक्स मुफ़्त scikit-learn User Guide →
• कोर्स पेड Andrew Ng — ML Specialization →
• किताब मुफ़्त Introduction to Statistical Learning (ISLR) →

प्रोडक्शन में टेबुलर डेटा वाली ज़्यादातर ML समस्याओं में यही सबसे अच्छा प्रदर्शन करता है। फ़ीचर इम्पॉर्टेंस, अर्ली स्टॉपिंग और हाइपरपैरामीटर ट्यूनिंग समझें।

• डॉक्स मुफ़्त XGBoost Docs →
• डॉक्स मुफ़्त LightGBM Docs →

सहसंबंध का मतलब कारण नहीं होता। DAG, काउंटरफ़ैक्चुअल, कन्फ़ाउंडर। ज़्यादातर सांख्यिकी कोर्स में यही कौशल सबसे कम पढ़ाया जाता है।

• किताब मुफ़्त Causal Inference for the Brave and True →
• किताब मुफ़्त Causal Inference: The Mixtape →

matplotlib, seaborn, altair, ggplot। सिर्फ़ चार्ट बनाने के लिए नहीं — उन पैटर्न को पकड़ने के लिए जो आपसे छूट गए थे।

• डॉक्स मुफ़्त seaborn Tutorial →
• डॉक्स मुफ़्त Altair Docs →
• किताब मुफ़्त Fundamentals of Data Visualization (Wilke) →

Tableau, Looker, Metabase, Superset। एनालिस्ट का काम डैशबोर्ड के ज़रिए ही रोज़मर्रा के इस्तेमाल तक पहुँचता है।

• डॉक्स मुफ़्त Metabase Docs →
• डॉक्स मुफ़्त Superset Docs →

नोटबुक के कोड को रिफ़ैक्टर करें, टेस्ट जोड़ें, और उसे एक जॉब या सर्विस के रूप में पैकेज करें। यही विश्लेषण से लॉन्च तक का पुल है।

• कोर्स मुफ़्त Made With ML →

Feast, Tecton। अगर आपके ML मॉडल को रियल-टाइम फ़ीचर चाहिए, तो इनमें से किसी एक की ज़रूरत पड़ेगी।

• डॉक्स मुफ़्त Feast Docs →

एग्ज़िक्यूटिव नोटबुक नहीं पढ़ते। वे एक हेडलाइन, एक चार्ट और एक सुझाव पढ़ते हैं।

• ब्लॉग मुफ़्त Storytelling with Data →
• ब्लॉग मुफ़्त Benn Stancil's Substack →

रिसर्च और प्रोडक्शन दोनों के लिए डिफ़ॉल्ट फ़्रेमवर्क। टेंसर, autograd, DataLoader और ट्रेनिंग लूप सीखें।

• ट्यूटोरियल मुफ़्त PyTorch Tutorials →
• किताब मुफ़्त Dive into Deep Learning →

अटेंशन, टोकनाइज़ेशन, फ़ाइन-ट्यूनिंग। अब NLP से बाहर काम करने वाले डेटा साइंटिस्ट को भी इस विषय पर बातचीत लायक समझ होनी चाहिए।

• डॉक्स मुफ़्त Hugging Face Transformers →
• ब्लॉग मुफ़्त The Illustrated Transformer →

आप इंजीनियरों के साथ साझा कोडबेस पर काम करेंगे। Git और bash इतना तो आना चाहिए कि शर्मिंदगी न उठानी पड़े।

• ट्यूटोरियल मुफ़्त Learn Git Branching →

अपने नोटबुक के एनवायरनमेंट को ऐसे पैकेज करें कि एक साल बाद भी कोई और उसे चला सके।

• डॉक्स मुफ़्त Docker Docs →

जहाँ काम कर रहे डेटा साइंटिस्ट अपने काम की बातें करते हैं।

• ब्लॉग मिश्रित Towards Data Science →
• चैनल मुफ़्त Kaggle (competitions + kernels) →