Naja, man muss unterscheiden. Die Front-End Kurse bei Le Wagon sind offenbar ordentlich und machen auch vom grundsätzlichen Konzept her Sinn.
Data Science Kurse würde ich links liegen lassen. Es gibt zwei Schubladen von Data Scientists:
Schublade 1 (>95%) kann relativ gut mit Python umgehen, erledigt üblicherweise sehr viel in pandas und sehr viel mit function-oriented programming. Deskriptive Statistik sitzt auch, genauso wie Classifier von sklearn oder Keras auf einen Datensatz zu schmeißen. Haben idR auch mal ein bisschen was von NLP und Computer Vision gehört und ein paar Standard-Tasks in dem Bereich erledigt.
In diese Schublade bringt dich zwar ein Data Science Kurs (egal ob Coursera, Udemy, Le Wagon...) durchaus, oder legt zumindest dafür die Grundlagen - das ginge allerdings auch komplett ohne Kurs. Allein auf YT gibt es massig Content dazu, Bücher genauso.
Schublade 2 (<5%) kann sehr gut mit Python umgehen (mehr object-oriented, mehr vectorised code), und hat üblicherweise noch ein oder zwei der effizienteren Sprachen drauf (Matlab, Julia, C++, Go usw.). Hat vollumfängliches Wissen in Pytorch oder TF und kann auf low-level alles mögliche an Models, Optimizers und andere Bausteinen einer DS Pipeline bauen. Ganz konkret sollte so jemand die meisten ICML/NeurIPS/ICLR Paper ohne Vorlagen implementieren können, unabhängig von der Spezialisierung. Solche Leute haben auch deutlich mehr Wissen in Bereichen wie Approximate Inference, Bayesian Nonparametrics, Black Box Optimisation, GMs, etc.
In diese Schublade bringt dich weder ein Kurs, noch ein Selbststudium (auch, wenn es gute Textbooks zu dem Thema gibt, bspw Bishop oder MacKay), weil hier einfach massig quantitative Grundlagen verlangt werden, auf die man zurückgreift.
Fazit - Front-End ja, vermutlich worth it, DS nein.
antworten