Jede se dál

Uč se z chyb

Ze závěrečného večera jsem měla dost smíšené pocity, ale teď už převažují ty dobré. Celý večer byl nabitý skvělými prezentacemi holek. Jejich úspěchy, neúspěchy i interaktivními slajdy. Obdivuji všechny, které svůj přednes pronesly s takovou lehkostí. Za to mně nervozitou lítal mikrofon před celým obličejem více než před pusou. 🙂 Nesmírné díky potřebuji vyjádřit Petrovi Hamerníkovi z GENEEA! Ihned po mé přednášce za mnou přišel, probral se mnou můj projekt, dal mi nový směr, rady a nabídl pomoc. WOW! Super přístup a velká pomoc! Díky!

Žádný učený z nebe nespadl

 Šla jsem do DA s asi tak 1 % zkušeností z datové analýzy. Znala jsem databáze z uživatelské strany. Chápala jsem princip databáze, protože jsem s ní v minulosti pracovala. Jako produkťák jsem zalistovávala produkty, dodavatele i zákazníky. Takže jsem měla ponětí o tom, co je IDčko, a že se nějakým způsobem dají data propojovat. Jak se to ale dělá, jsem netušila. Zkoušela jsem si podle návodů na internetu vizualizovat profilovky z FB v R Studiu (doufám, že si to pamatuju správně) a tím jsem asi tak skončila. PYTHON jsem nazývala [fajtn] místo [pajtn], protože jsem si někde přečetla zkomoleninu a zapamatovala jsem si ji – phyton. 😀 V excelu jsem si myslela, jak neexceluji a opak byl pravdou. Myslela jsem si, že práce datového analytika jsou vizualizace dat. 😀 Dnes jsou to úsměvné vzpomínky, za které jsem se strašně styděla (i teď se za obrazovkou ještě červenám) a které mi teď dávají srovnání. Během studia si to moc neuvědomuješ, protože tak trochu utíkáš před vědomostní lavinou, ale při přípravě prezentace projektu se to začne ukazovat.

Co jsem doteď udělala?

  1. své webové stránky,
  2. napojila je na Google Analytics,
  3. canvas pro mobilní aplikaci,
  4. web scraping 10 rss kanálů
  5. propojila python s databází MySQL,
  6. 4 druhy analýzy sentimentu textu zpráv pro první orientaci a náhled,
  7. DEMO verzi mobilní aplikace pro pochopení, jak to asi tak funguje
  8. a díky pythonu úspěšně sbírám denní dávku zpráv do databáze i s tagy a sentimentem pro následný machine learning.

Co mě ještě čeká?

(na pořadí se nedívej, to se ještě tolikrát změní… 🙂

  • klasifikace
  • automatizace
  • kategorizace
  • machine learning
  • doporučování článků
  • vlastní vytvořená aplikace pro iOS
  • a určitě mnoho dalšího …

Byl můj cíl reálný?

No, ruku na srdce, za 5 týdnů s minimálními zkušenostmi a vědomostmi, ne. 😀 Každopádně dosavadní práce mi dala základ k rozvíjení projektu dál. Během svého vzniku mi ukázal spoustu trhlin a nových podnětů k učení. Moji motivaci podporují i takové (obří) maličkosti, že se do projektu zapojují další lidé. Z čehož mám obrovskou radost a jsem za pomoc vděčná! A teď hurá, příští týden se jde na kurz programování ve SWIFTu pro iOS.

 

Napsat komentář

Vaše emailová adresa nebude zveřejněna.