Как бы я изучал Data Science, если бы начал пару лет назад, или Руководство по эффективному изучению науки о данных

[darkAlert]

за ссылки в статье спасибо, но фраза

Я начинал с Python и, вероятно, останусь с этим языком до конца жизни.

кажется слегка наивной ) я так 20 лет назад про С++ думал

[NNikolay]

С моей колокольни:
— Хорошо, что SQL стоит на первом месте
— Хорошо, что рекомендуют много читать код чужих проектов
— Слишком много математики. Если Вы не изобретаете новый алгоритм, то интегралы и матрицы зашиты за абстракцией. Статистика, регуляризация, всякие стекинги и бустинги — это да, нужно понимать.
— Слишком много конкретных методов ML. Обзорно почитать — ну да. Многие из них уже не в моде. Другие используются в одной конкретной области. Лучше больше кода и живых проектов посмотреть.
— Совсем ничего нет про процесс. Каждый проект, да даже каждый дешборд аналитический (уж не говоря про всякий ML) — это целый продукт. Кто юзер, зачем это ему надо вообще, будет он доверять этому алгоритму, какие проблемы возникнут при первом ложно-пложительном результате — тут куча вопросов, которые погубили не один проект как в стартапах, так и в больших компаниях.