成为一名数据科学家以来，我已经走到了这一步，并仍在为我创造线索以供跟随……
嗯，我以为那是我早期的定量推理书？ 统计课？ 整个频率事物（理货，平均数，中位数和众数）一开始对我没有多大意义，但显示了如何从一组数字中得出很酷的值。 无论我在哪里看到艺术，都不会对艺术和讲故事产生浓厚的兴趣，即使在我刚开始的时候也是如此。
通过教育，我在科学的道路上看到了更高的分析显示。 阐明了系统的经验主义，经验问题和公共知识。 回顾一切始于何处，从来没有永远提醒我我的日子应该多么分析。 我是如何进入大学学习计算机科学的？ 这不是我计划的，但我可以接受，因为，拥有计算机和访问互联网使我感到很兴奋，所以我想。 说实话，我对整个计算机并不是很着迷，但是我所学的与数据和分析有关的课程给了我更多的乐趣。 在完成了涉及“论文管理系统”的最后一年的项目后，我真正地打开了数据领域的大门，并激发了永无止境的知识型精神，从而提高了信息管理硕士学位的水平。 我在这里感到震惊的是，商业与技术，信息政策，信息产业，信息寻求行为和知识管理之间的差距。
2018年3月2日，是参加CoLab Kaduna的世界数据日并听取Roberts John的演讲之后对数据科学领域的启示，我想大家都应该听他说数据。 我从“数据科学之旅”开始，它是对旅程，业务理解，数据理解，数据准备，建模，评估和部署的简要概述。
我熟悉Microsoft Office Excel； 创建表，数据透视表，图表，查找功能等。 熟悉Excel要求对数据集处理中的假设问题有更多的了解，并且需要结构化查询语言（SQL）来更好地查询数据库/数据集以回答这些假设问题。 当我参加Udacity的贝塔斯曼数据科学挑战赛时，我逐渐获得了所有这些新知识，在那里我获得了数据基础Nano-Degree并了解了更多信息；
- 描述性统计
- Excel中的电子表格
- 使用数据库和SQL
- 使用Tableau构建仪表板
在完成Data Foundation Nano-degree的过程中，我更擅长做出基于数据的决策。 哦耶！ 我不能止步于此，我已经是终身学习团队的成员，因为每天阅读一篇文章或更多有关数据如何影响决策和业务的报告都令人兴奋。 在2018年底，我被Udacity目前正在学习的数据分析师Nano-Degree录取;
- 使用（python）进行数据分析的简介
- 实际统计
- 数据争吵
- 数据可视化。
- 机器学习入门（课外）
我期待完成此Nano-Degree计划，并能够发掘见解，交流关键发现并创建数据驱动的解决方案，并对新知识和新道路持开放态度。 为了准备参与项目和更多学习，我已经运行了我的Github帐户并建立了我的LinkedIn帐户。
在我学习数据科学的初期阶段，这一直是我不断学习的曲线，如果我去过高科技聚会，我发现自己对大多数技术和分析性想法都表示赞同，比如嘿！ 我也明白 不是因为我的背景吗？ 在我的“上午9点至下午5点”例行工作之后还在日常程序员中闲逛吗？ 在其他日子里，我感觉自己做得还不够，在雷达下飞行，独自工作，多花时间，不眠之夜只是为了加快步伐。 而且，如果我没有放弃我的初学者作品集，那是对数据科学的一种学习过程，那么，好吧……
从现在开始，我寻求建设性的批评，职业道德，毅力和可靠性。 我很高兴有机会与像我这样的其他人建立联系，并希望借此机会向所有支持这一旅程的人表示感谢。
