{"id":16940,"date":"2020-04-16T16:59:19","date_gmt":"2020-04-16T15:59:19","guid":{"rendered":"https:\/\/thingsolver.com\/blog\/how-to-start-with-data-science\/"},"modified":"2024-11-29T13:24:00","modified_gmt":"2024-11-29T12:24:00","slug":"kako-poceti-nauka-podataka","status":"publish","type":"post","link":"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/","title":{"rendered":"KAKO PO\u010cETI SA NAUKOM PODATAKA?"},"content":{"rendered":"<p>Nakon u\u010de\u0161c\u0301a na sastanku krajem marta, na temu \u201eNauka o podacima \u2013 \u0161ta je to?\u201c, mnogo ljudi me kontaktiralo da im po\u0161aljem neke uvodne materijale koji c\u0301e im pomoc\u0301i da po\u010dnu sa u\u010denjem.<\/p>\n<p>Trebalo mi je dosta vremena da sednem i po\u010dnem da pravim listu, jer ima mnogo izvora, a duboko sam siguran da c\u0301u zavr\u0161iti sa ovom re\u010denicom \u2013 najbolje je da po\u010dnem sa nekim realnim primerom koji vam je od interesa jer c\u0301ete najbolje nau\u010diti kroz ve\u017ebu. Pored toga, ne postoji zlatno pravilo kako bi ovaj put u\u010denja trebalo da izgleda, pa je veoma nezahvalno praviti spisak materijala i smernica i voditi ra\u010duna da to ne u\u0111e u \u201epristrasnost\u201c, ili drugim re\u010dima \u2013 prokletstvo ovog \u201edeterministi\u010dkog\u201c pokreta, jer sam tako pristupio nauci o podacima, pa se to mo\u017ee uraditi samo na ovaj na\u010din.<\/p>\n<p>Pored toga, ja sam neko ko se isklju\u010divo bavi primenom napredne analitike u poslovanju, gde je glavni fokus merenje u\u010dinka pomoc\u0301u neke mere uspeha kao \u0161to je profit ili tro\u0161ak. A napredna analitika se mo\u017ee koristiti u razli\u010ditim nau\u010dnim i istra\u017eiva\u010dkim oblastima i mo\u017eda nije povezana sa poslovnim svetom. Ipak, do\u0161ao sam na sjajnu ideju da \u0161ta god da sam ovde napisao omoguc\u0301i mojim kolegama na terenu da pro\u0161ire ovu listu, ili da podele svoje iskustvo, pa ih pozivam da daju svoj mali doprinos i tako postanu pokreta\u010di velikih stvari. ?<\/p>\n<p>\u010cesto postavljana pitanja su neizbe\u017ean deo ovog teksta i doc\u0301i c\u0301emo do njih, ali pre toga bih \u017eeleo da pogledam neke osnove koje moram da pomenem kako bih pozvao na razmi\u0161ljanje, a mo\u017eda i inspirisao one koji \u017eele da u\u0111u u vode nauke o podacima.<\/p>\n<p>Ogromno odricanje od odgovornosti na samom po\u010detku \u2013 ako o\u010dekujete da c\u0301e vam ovaj tekst biti kristalno jasan u smisli toga kako da se pona\u0161ate idete sutra i \u0161ta prvo da nau\u010dite \u2013 imajte na umu da je to prakti\u010dno nemoguc\u0301e. Pored \u010dinjenice da sadr\u017eaj, slo\u017eenost i sfera nauke o podacima kojom c\u0301ete se baviti zavise prvenstveno od va\u0161eg interesovanja i iskustva, nauka o podacima je toliko \u0161iroka oblast da biste morali da pro\u0111ete kroz ceo program osnovnih akademskih studija kako biste mogli da ka\u017eete da ima\u0161te neku osnovu. Ono \u0161to \u017eelim da uradim je da vam pomognem da razvijete pristup u\u010denju, da u svakom trenutku budete svesni \u010dinjenica koje su ovde navedene, a zatim da sami tra\u017eite materijale i kurseve. ? Me\u0111utim, neki od proverenih kurseva ne dolaze u obzir, pa c\u0301emo ih prilo\u017eiti ovom tekstu.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_72 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Sadr\u017eaj<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#GLAVNI_PREDUSLOV\" title=\"GLAVNI PREDUSLOV\">GLAVNI PREDUSLOV<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#NAUKA_O_PODACIMA_U_ODNOSU_NA_MASINSKO_UCENJE_U_ODNOSU_NA_VESTACKU_INTELIGENCIJU\" title=\"NAUKA O PODACIMA U ODNOSU NA MA\u0160INSKO U\u010cENJE U ODNOSU NA VE\u0160TA\u010cKU INTELIGENCIJU\">NAUKA O PODACIMA U ODNOSU NA MA\u0160INSKO U\u010cENJE U ODNOSU NA VE\u0160TA\u010cKU INTELIGENCIJU<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#GRADIVNI_BLOKOVI_NAUKE_PODATAKA\" title=\"GRADIVNI BLOKOVI NAUKE PODATAKA\">GRADIVNI BLOKOVI NAUKE PODATAKA<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#PROFILI_%E2%80%9ENAUCNIKA_PODATAKA%E2%80%9C\" title=\"PROFILI \u201eNAU\u010cNIKA PODATAKA\u201c.\">PROFILI \u201eNAU\u010cNIKA PODATAKA\u201c.<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#METODOLOGIJE_RAZVOJA\" title=\"METODOLOGIJE RAZVOJA\">METODOLOGIJE RAZVOJA<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#RESENJE_U_ODNOSU_NA_PROIZVOD\" title=\"RE\u0160ENJE U ODNOSU NA PROIZVOD\">RE\u0160ENJE U ODNOSU NA PROIZVOD<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#R_U_ODNOSU_NA_PYTHON_U_ODNOSU_NA_NESTO_DRUGO\" title=\"R U ODNOSU NA PYTHON U ODNOSU NA NE\u0160TO DRUGO\">R U ODNOSU NA PYTHON U ODNOSU NA NE\u0160TO DRUGO<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#DA_LI_MORAM_DA_CITAM_ISTRAZIVACKE_RADOVEDA_IMAM_DOKTORAT\" title=\"DA LI MORAM DA \u010cITAM ISTRA\u017dIVA\u010cKE RADOVE\/DA IMAM DOKTORAT?\">DA LI MORAM DA \u010cITAM ISTRA\u017dIVA\u010cKE RADOVE\/DA IMAM DOKTORAT?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#ZASTO_SU_INFLUENSERI_TAKO_VAZNI\" title=\"ZA\u0160TO SU INFLUENSERI TAKO VA\u017dNI?\">ZA\u0160TO SU INFLUENSERI TAKO VA\u017dNI?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#OK_DA_POPRICAMO_MALO_O_POSLU\" title=\"OK, DA POPRI\u010cAMO MALO O POSLU\">OK, DA POPRI\u010cAMO MALO O POSLU<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#SLEDEC%CC%81I_KORACI\" title=\"SLEDEC\u0301I KORACI\">SLEDEC\u0301I KORACI<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/#ZAHVALNOST\" title=\"ZAHVALNOST\">ZAHVALNOST<\/a><\/li><\/ul><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"GLAVNI_PREDUSLOV\"><\/span><strong>GLAVNI PREDUSLOV<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Koliko god da je privla\u010dna, nauka o podacima nije za svakoga. Kao i svaka druga profesija, ona zahteva posvec\u0301enost. Ono \u0161to je osnovni preduslov za uspeh na ovom polju jeste da ga treba voleti. Dakle, zaista morate da budete zainteresovani za analitiku, da volite da \u201ekopate\u201c podatke danonoc\u0301no da biste izvukli maksimum iz toga.<\/p>\n<p>Zlatni Pareto se tako\u0111e primenjuje u nauci o podacima. Na prljav posao otpada 80%, u smislu pripreme podataka i in\u017eenjeringa, dok ovaj \u201efensi\u201c deo, uklju\u010dujuc\u0301i i same modele, \u010desto \u010dini samo oko 20%. Modeli postoje, i ako koristite R ili Python biblioteke, oni se uglavnom svode na samo nekoliko linija koda. Ono \u0161to je vec\u0301i problem je izvla\u010denje maksimalne snage informacija iz podataka, i naravno pronala\u017eenje optimalne konfiguracije modela. Na kraju, model je nemoc\u0301an osim ukoliko su podaci dobri \u2013 \u201esme\u0107e unutra, smec\u0301e napolje\u201c.<\/p>\n<p>Ono \u0161to se u nauci o podacima \u010desto zanemaruje je va\u017enost istra\u017eiva\u010dke analize. De\u0161ava se da se preska\u010du koraci, usled \u017eelje da se \u0161to pre krene sa atraktivnim i sofisticiranim modelima ma\u0161inskog u\u010denja. Me\u0111utim, dobra istra\u017eiva\u010dka analiza je ponekad vi\u0161e od polovine obavljenog posla. To uklju\u010duje rad sa podacima, otkrivanje njihove prirode, sticanje razumevanja osnove na kojoj su moc\u0301 predvi\u0111anja i ograni\u010denja koja postoje u skupu podataka jasni.<\/p>\n<p>Ako vam se ne svi\u0111a ovo takozvano rudarenje podataka i zanemarite istra\u017eiva\u010dku analizu, malo je verovatno da c\u0301ete tako brzo napredovati u karijeri. Ili jednostavno re\u010deno \u2013 ovo nije za vas. I to je u redu, nac\u0301i c\u0301ete ne\u0161to drugo \u0161to vam vi\u0161e odgovara. U ovom tekstu mo\u017eete pronac\u0301i jo\u0161 detaljnija obja\u0161njenja i argumente u vezi sa po\u010decima nauke o podacima, previsokim o\u010dekivanjima i realno\u0161c\u0301u koja im ne odgovara.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"NAUKA_O_PODACIMA_U_ODNOSU_NA_MASINSKO_UCENJE_U_ODNOSU_NA_VESTACKU_INTELIGENCIJU\"><\/span><strong>NAUKA O PODACIMA U ODNOSU NA MA\u0160INSKO U\u010cENJE U ODNOSU NA VE\u0160TA\u010cKU INTELIGENCIJU<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><img decoding=\"async\" class=\"alignnone size-full wp-image-8667\" src=\"https:\/\/thingsolver.com\/wp-content\/uploads\/img1.png\" alt=\"\" width=\"750\" height=\"421\" title=\"\"><\/p>\n<p>To je ne\u0161to o \u010demu sam tako\u0111e govorio na vebinaru, pa nec\u0301u da se ponavljam, ali va\u017eno je da razumete distinkciju da ova tri pojma nisu ista stvar, i da postoji veza izme\u0111u njih, i da sve dok mislite da su ista stvar, lutac\u0301ete. Mo\u017eda c\u0301e vam ovaj tekst pomoc\u0301i da donekle razumete razliku. Ako ne, postoji mnogo varijacija na temu, izaberite svoju. Nec\u0301ete mnogo pogre\u0161iti. ?<\/p>\n<h2><span class=\"ez-toc-section\" id=\"GRADIVNI_BLOKOVI_NAUKE_PODATAKA\"><\/span><strong>GRADIVNI BLOKOVI NAUKE PODATAKA<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Kao \u0161to se naj\u010de\u0161c\u0301e tvrdi, nauka o podacima je fuzija razli\u010ditih oblasti \u2013 biznis\/domen, IT i matematika\/statistika. U zavisnosti od va\u0161ih sposobnosti i znanja, kada po\u010dnete u oblasti nauke o podacima, va\u0161e ve\u0161tine su ja\u010de u jednoj od ovih oblasti i slabije u drugoj. I to je sasvim u redu. Va\u017eno je da prepoznate \u0161ta su va\u0161i aduti, jer je to ono \u0161to vas razlikuje od drugih. Kada znate \u0161ta su va\u0161i aduti i koje ve\u0161tine vam nedostaju &#8211; znate \u0161ta treba da nau\u010dite da biste i\u0161li napred.<\/p>\n<p>Ako dolazite iz oblasti dru\u0161tvenih nauka, odli\u010dno poznajete specifi\u010dnosti oblasti kojom se bavite, ali vam nedostaje poznavanje informatike i eventualno statistike. To zna\u010di da ako jednog dana \u017eelite da se bavite kompjuterskim vidom, na primer, prvi kurs koji treba da pro\u0111ete mora biti vezan za programiranje. I ovde se ne radi o savladavanju biblioteka (ovo dolazi kasnije), vec\u0301 o elementarnom programiranju, konceptima datog programskog jezika, paradigmi, kontroli toka, strukturama podataka, a zatim o po\u010detku rada sa matemati\u0107kim sadr\u017eajima i algoritmima.<\/p>\n<p>Ako dolazite iz sveta informacionih tehnologija, vec\u0301 bi trebalo da imate dobro poznavanje programiranja i matematike, ali vam nedostaje malo detaljnije poznavanje statistike, pa bi vam kurs statisti\u010dke analize mogao dobro doc\u0301i. Domen, ili posao \u2013 je ne\u0161to \u0161to se savladava iskustvom. Ne postoji savr\u0161en kurs koji vas mo\u017ee pripremiti za ovo, ali naravno uvek mo\u017eete da pro\u010ditate knjigu koja c\u0301e vam pribli\u017eiti domen u kome biste \u017eeleli da radite. Na kraju, mo\u017eda ste apsolutni po\u010detnik, a mislite da vam nedostaje elementarno znanje iz svih ovih oblasti. Po\u010dnite sa jednim, kada savladate osnove, pre\u0111ite na drugo, i tako sve dok ne budete dovoljno spremni da budete u moguc\u0301nosti (ili prisiljeni) da \u017eonglirate i nau\u010dite vi\u0161e u pokretu.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"PROFILI_%E2%80%9ENAUCNIKA_PODATAKA%E2%80%9C\"><\/span><strong>PROFILI \u201eNAU\u010cNIKA PODATAKA\u201c.<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Kada je re\u010d o razli\u010ditim profilima nau\u010dnika podataka, u zavisnosti od toga \u010dime se bave u svom svakodnevnom radu, zahteva koje re\u0161avaju i ve\u0161tina koje treba da razviju \u2013 postoji nekoliko tipova nau\u010dnika podataka. Uobi\u010dajeno je da svi vole nauku o podacima i ma\u0161insko u\u010denje, ali njihov fokus je druga\u010diji.<\/p>\n<p>Analiti\u010dari su vi\u0161e fokusirani na istra\u017eivanje, identifikaciju obrazaca i obja\u0161njenje specifi\u010dnog pona\u0161anja i uzro\u010dno-posledi\u010dnih veza. Dakle, oni su po prirodi vi\u0161e statisti\u010dari nego programeri. I oni imaju izvesnih pote\u0161koc\u0301a da se nose sa generisanjem re\u0161enja i poslu\u017eivanjem modela.<\/p>\n<p>In\u017eenjeri vi\u0161e vole da rade sa problemima dubokog u\u010denja, gde postoji mnogo slo\u017eenih matemati\u010dkih formulacija i gde mogu da isprobaju razli\u010dite mre\u017ene arhitekture i igraju se sa razli\u010ditim konfiguracijama.<\/p>\n<p>Programeri su uglavnom fokusirani na isporuku modela, kako c\u0301e model biti implementiran u proizvodnju, da li c\u0301e biti skalabilan i prilagodljiv, kako zadr\u017eati kod \u010distim i lako nadogradivim, kako c\u0301e se obaviti preobuka za neke ML modele itd.<\/p>\n<p>Najva\u017enija stvar za pripoveda\u010de je kako prodati re\u0161enje firmi. Koje su glavne koristi, kako c\u0301e preduzec\u0301e profitirati od toga i za\u0161to je bilo toliko va\u017eno da se bavimo odre\u0111enim problemom.<\/p>\n<p>Profil dosta zavisi od interesovanja kao i od polazne ta\u010dke (predznanja). Nauci o podacima nec\u0301ete pristupiti na isti na\u010din ako dolazite iz poslovnog domena i ako dolazite iz IT sveta. Me\u0111utim, odgovornosti i potrebne ve\u0161tine tako\u0111e zavise od same kompanije. Pre svega, zavisi od toga da li kompanija ima moguc\u0301nost da zaposli vi\u0161e razli\u010ditih profila kao \u0161to su nau\u010dnik podataka, in\u017eenjer za podatke, in\u017eenjer ma\u0161inskog u\u010denja, programer i DevOps. Ako je tako \u2013 onda c\u0301e se posao nau\u010dnika podataka u ovoj kompaniji sigurno razlikovati od posla kompanije koja ne mo\u017ee da priu\u0161ti sve te profile \u2013 i nau\u010dnik za podatke c\u0301e morati da pokrije vi\u0161e sfera odjednom.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"METODOLOGIJE_RAZVOJA\"><\/span><strong>METODOLOGIJE RAZVOJA<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Jedna od najjednostavnijih metodologija za razvoj projekata napredne analitike je CRISP-DM metodologija. A svi ostali su uglavnom varijacije na tu temu, ako ste dobro upoznati sa ovom, imac\u0301ete vec\u0301 stabilnu osnovu da uradite svoj prvi mini projekat za ve\u017ebu. Metodologije razvoja su va\u017ene jer odre\u0111uju na\u010din na koji se pristupa problemu, kako se razvija re\u0161enje, obezbe\u0111ujuc\u0301i odr\u017eavanje fokusa kao i rezultate.<\/p>\n<p><img decoding=\"async\" class=\"alignnone size-full wp-image-8668 aligncenter\" src=\"https:\/\/thingsolver.com\/wp-content\/uploads\/img2-300x300-1.png\" alt=\"\" width=\"300\" height=\"300\" title=\"\" srcset=\"https:\/\/thingsolver.com\/wp-content\/uploads\/img2-300x300-1.png 300w, https:\/\/thingsolver.com\/wp-content\/uploads\/img2-300x300-1-150x150.png 150w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><\/p>\n<h2><span class=\"ez-toc-section\" id=\"RESENJE_U_ODNOSU_NA_PROIZVOD\"><\/span><strong>RE\u0160ENJE U ODNOSU NA PROIZVOD<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Kada je re\u010d o projektima nauke o podacima, generalno postoje dve vrste projekata: re\u0161enja i proizvodi. Vi\u0161e o ovome mo\u017eete pronac\u0301i ovde.<\/p>\n<p>Re\u0161enja su projekti koji su specijalizovani za re\u0161avanje odre\u0111enog problema, pa se razvijaju za potrebe domena, na osnovu definisanog problema, specifi\u010dne prirode, i retko se mogu 1\/1 primeniti na isti na\u010din za vi\u0161e razli\u010ditih klijenata, ili u razli\u010ditim poslovnim domenima. Re\u0161enje mo\u017ee biti npr. neki izve\u0161taj, datoteka sa rezultatima ili neka instrument tabla. Ako projekat podrazumeva razvoj modela predvi\u0111anja vremenske serije, npr. prodaja u maloprodajnom lancu koja je posebno prilago\u0111ena modeliranju pona\u0161anja tog trgovinskog lanca, u smislu sezonske prirode, trendova, posebnih akcija i tako dalje \u2013 to je re\u0161enje razvijeno posebno za potrebe tog trgovinskog lanca i ne mo\u017ee se primeniti u oblasti telekomunikacija, npr. gde se pojam sezonske prirode i trenda druga\u010dije do\u017eivljava i opisuje.<\/p>\n<p>Proizvodi su projekti koji integri\u0161u naprednu analitiku i alate za ma\u0161insko u\u010denje kako bi iskoristili poslovanje u ulozi sistema za podr\u0161ku odlu\u010divanju. Proizvodi su dizajnirani da budu lako skalabilni, i mogu se koristiti u razli\u010ditim sistemima i razli\u010ditim domenima poslovanja, jer mogu da re\u0161e mnogo razli\u010ditih problema, a samim tim i lak\u0161e se prilago\u0111avaju potrebama klijenata. Proizvodi zahtevaju veoma detaljno planiranje, temeljno razvijenu arhitekturu i mnogo tehni\u010dkih funkcionalnosti kako bi zadovoljili razli\u010dite potrebe kupaca. Ako napravimo analogiju sa primerom re\u0161enja, proizvod bi podrazumevao tehni\u010dki sistem koji omoguc\u0301ava prognozu vremenske serije, bez obzira da li je u okviru maloprodajnog lanca, telekomunikacija, logistike i tako dalje.<\/p>\n<p>Vec\u0301 bi trebalo polako da stvarate nacrte da svaki od ova dva tipa projekata podrazumeva (mada ne nu\u017eno) druga\u010diji skup ve\u0161tina, iskustva i znanja. Re\u0161enja mogu da variraju po slo\u017eenosti, dok su proizvodi izuzetno tehni\u010dki zahtevni, a potrebno je veliko iskustvo u smislu razvoja da bi se razvio proizvod koji je prilagodljiv, skalabilan i pouzdan. Naravno, i jedno i drugo zahteva poznavanje naprednih analiti\u010dkih metoda i alata.<\/p>\n<p>Dakle, u vezi sa tim \u0161ta vam je interesantnije, ili \u0161ta je glavni fokus razvoja va\u0161eg potencijalnog poslodavca, postoji potreba da razvijete tehni\u010dke ve\u0161tine koje c\u0301e vam pomoc\u0301i da budete kompetentni za odre\u0111ene pozicije na kojima \u017eelite da se prijavite za.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"R_U_ODNOSU_NA_PYTHON_U_ODNOSU_NA_NESTO_DRUGO\"><\/span><strong>R U ODNOSU NA PYTHON U ODNOSU NA NE\u0160TO DRUGO<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ovo je zaista (skoro) nebitno. Kada sam po\u010deo da u\u010dim, razvio sam rekurentnu mre\u017eu u Javi. I od tada nisam ni pri\u0161ao Javi (osim kada Spark izbaci izuzetak :D). Ono \u0161to je zaista va\u017eno je da shvatite koncepte. Lako c\u0301ete proguglati ono \u0161to vam treba. Koncepti okvira podataka, grupisanja i agregiranja postoje u R, Python-u i Spark-u i prvenstveno su inspirisani manipulacijama koje se mogu uraditi u SQL-u, tako da mo\u017eete da vidite o \u010demu govorim. Kada su u pitanju modeli ma\u0161inskog u\u010denja, postoje neke varijacije u vezi sa implementacijom u razli\u010ditim programskim jezicima, me\u0111utim, najva\u017enije je razumeti kako algoritam funkcioni\u0161e, a implementaciju mo\u017eete savladati kroz dokumentaciju ili Stackoverflow.<\/p>\n<p>R je fantasti\u010dan jezik, koji ima sjajnu zajednicu, obilje biblioteka i funkcija, fantasti\u010dne moguc\u0301nosti vizuelizacije. A ako mislite da ne razvijate ozbiljne tehni\u010dke sisteme (za koje vam je i dalje potreban programski jezik za ovu svrhu), R je dobar izbor.<\/p>\n<p>Ka\u017eu da je Python drugi najbolji jezik za sve. Ako vam ovo ne\u0161to zna\u010di \u2013 idite ovim putem. ? U osnovi, to je jezik op\u0161te namene, mo\u017eete pokrenuti ML, mo\u017eete pokrenuti duboko u\u010denje, mo\u017eete kreirati vizualizacije i interaktivne instrument table, kao i API-je, bukvalno \u2013 \u0161ta god vam padne na pamet. Uz to, ne mogu da tvrdim da sve u R postoji i u Python-u. \u0160to ne zna\u010di da se to nec\u0301e uskoro promeniti.<\/p>\n<p>Sve je vi\u0161e ljudi koji za potrebe nau\u010dnog programiranja, a odnedavno i za naprednu analitiku, koriste Julia-ju. Me\u0111utim, mislim da je Julia jo\u0161 uvek daleko od nivoa popularnosti, podr\u0161ke i zajednice koju imaju R i Python.<\/p>\n<p>Spark je tako\u0111e dobra opcija, ali Spark nije uvek neophodna opcija. U su\u0161tini, ako vam ne treba klju\u010dna prednost Spark-a \u2013 a to je sposobnost paralelizacije slo\u017eenih procesa na velikom broju podataka \u2013 po mom mi\u0161ljenju, to ne bi trebalo da bude va\u0161 prvi izbor. Opet, ako ikada budete morali da pre\u0111ete na Spark, ne bojte se, sve se mo\u017ee savladati<\/p>\n<p>Postoje i razni alati za razvoj ML modela \u2013 Orange, RapidMiner, SPSS, SAS \u2013 gde sve funkcioni\u0161e na principu prevla\u010denja i ispu\u0161tanja, ali opet je va\u017eno razumeti razvojnu metodologiju i modele koje koristite da bi sistem funkcionisao. Ako ne volite programiranje, ovo mo\u017ee biti dobar izbor.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"DA_LI_MORAM_DA_CITAM_ISTRAZIVACKE_RADOVEDA_IMAM_DOKTORAT\"><\/span><strong>DA LI MORAM DA \u010cITAM ISTRA\u017dIVA\u010cKE RADOVE\/DA IMAM DOKTORAT?<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Doktorat je najvec\u0301a zabluda na koju sam nai\u0161ao tokom godina \u010ditajuc\u0301i razne tekstove i \u010desto postavljana pitanja o tome kako da po\u010dnete sa naukom o podacima. Postoji jedna stvar koju treba da shvatite \u2013 doktorat je va\u017ean ako se bavite nau\u010dnim istra\u017eivanjem, gde je va\u0161 glavni fokus razvoj novih algoritama za ma\u0161insko u\u010denje, dakle, ne kao naslov, vec\u0301 u smislu znanja i iskustva neophodnih za razvoj novih algoritama. Ovo implicira da imate opse\u017eno znanje o linearnoj algebri, numeri\u010dkoj analizi, kombinatorici i mnogim drugim stvarima (\u0161to zaista zahteva godine posvec\u0301enosti).<\/p>\n<p>S druge strane, doktorat iz odre\u0111enog domena mo\u017ee biti korisna referenca, jer u tom slu\u010daju poznajete specifi\u010dnosti domena gde biste mogli da primenite naprednu analitiku. Me\u0111utim, to tako\u0111e mo\u017ee biti problemati\u010dno sa lo\u0161im prakti\u010dnim iskustvom. Da li c\u0301e vam naslov pomoc\u0301i da se br\u017ee upi\u0161ete ili da uop\u0161te dobijete posao iz oblasti nauke o podacima? Ne obavezno. Istina je negde na sredini.<\/p>\n<p>\u0160to se ti\u010de \u010ditanja nau\u010dnih radova \u2013 to je obavezno. Nauka o podacima podrazumeva svakodnevno pregledanje, \u010ditanje i upore\u0111ivanje nau\u010dnih radova, jer akademska zajednica (zajedno sa industrijom) pomera granice. Kada radite na problemu nauke o podacima, najva\u017enije je biti svestan ograni\u010denja, \u0161to je sve \u0161to se mo\u017ee u\u010diniti. Granice se defini\u0161u time koliko je akademija stigla sa istra\u017eiva\u010dkim radom i \u0161ta je primenjivo u industriji. Kada budete svesni ovih opcija &#8211; moc\u0301i c\u0301ete da re\u0161ite svaki problem na koji nai\u0111ete.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"ZASTO_SU_INFLUENSERI_TAKO_VAZNI\"><\/span><strong>ZA\u0160TO SU INFLUENSERI TAKO VA\u017dNI?<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Pored knjiga, istra\u017eiva\u010dkih radova, kurseva i blogova, postoji jo\u0161 jedan \u201etrenutni\u201c na\u010din za dobijanje relevantnih informacija i uvida, odnosno \u2013 putem dru\u0161tvenih mre\u017ea. LinkedIn, Reddit i Twitter su mi do sada favoriti, mada naravno ima i drugih. Na taj na\u010din mo\u017eete pratiti lidere u ovoj oblasti, biti uvek u toku, povezati se sa ljudima sli\u010dnih interesovanja i razmeniti iskustva i saznanja, a zauzvrat stec\u0301i znanja. O tome sam vec\u0301 govorio u svom tekstu, a ono \u0161to mogu da ka\u017eem posle godinu dana je da \u2013 i dalje verujem. ?<\/p>\n<h2><span class=\"ez-toc-section\" id=\"OK_DA_POPRICAMO_MALO_O_POSLU\"><\/span><strong>OK, DA POPRI\u010cAMO MALO O POSLU<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><a href=\"https:\/\/www.coursera.org\/\" target=\"_blank\" rel=\"noopener\">Coursera<\/a><\/p>\n<ul>\n<li>Statisti\u010dko u\u010denje, autori T. Hastie i R. Thibsirani (ovaj kurs je povezan sa kursom \u201cUvod u statisti\u010dko u\u010denje\u201d, koji je prilo\u017een ispod): <a href=\"https:\/\/online.stanford.edu\/courses\/sohs-ystatslearning-statistical-learning\" target=\"_blank\" rel=\"noopener\">https:\/\/online.stanford.edu\/courses\/sohs-ystatslearning-statistical-learning<\/a><\/li>\n<li>ML od Andrew Ng: <a href=\"https:\/\/www.coursera.org\/learn\/machine-learning%23about\" target=\"_blank\" rel=\"noopener\">https:\/\/www.coursera.org\/learn\/machine-learning#about<\/a><\/li>\n<li>Specijalizacija za duboko u\u010denje od Andrew Ng: <a href=\"https:\/\/www.coursera.org\/specializations\/deep-learning\" target=\"_blank\" rel=\"noopener\">https:\/\/www.coursera.org\/specializations\/deep-learning<\/a><\/li>\n<li>Jedan od najboljih kurseva za sisteme preporuke: <a href=\"https:\/\/www.coursera.org\/specializations\/recommender-systems?%23courses\" target=\"_blank\" rel=\"noopener\">https:\/\/www.coursera.org\/specializations\/recommender-systems?#courses<\/a> (uz ovaj kurs treba da zadr\u017eite i ovu knjigu, linkovanu ispod kao recept, gde mo\u017eete pro\u010ditati neke od detalja, ne preporu\u010dujemo \u010ditanje knjige od prve do poslednje stranice\u2026 Pokupite samo ono \u0161to vam treba: Priru\u010dnik za sisteme preporuka)<\/li>\n<\/ul>\n<p><a href=\"https:\/\/www.kaggle.com\/\" target=\"_blank\" rel=\"noopener\">Kaggle<\/a><\/p>\n<ul>\n<li>Kursevi: <a href=\"https:\/\/www.kaggle.com\/learn\/overview\" target=\"_blank\" rel=\"noopener\">https:\/\/www.kaggle.com\/learn\/overview<\/a><\/li>\n<\/ul>\n<p><a href=\"https:\/\/www.datacamp.com\/\" target=\"_blank\" rel=\"noopener\">DataCamp<\/a><\/p>\n<ul>\n<li><a href=\"https:\/\/www.datacamp.com\/search?utf8=%E2%9C%93&amp;q=&amp;tab=courses&amp;facets%5Btechnology%5D%5B%5D=Python&amp;facets%5Btopic%5D%5B%5D=Case+Studies\" target=\"_blank\" rel=\"noopener\">Studije slu\u010daja<\/a> \u2013 pored klasi\u010dnih kurseva za upoznavanje sa Python i ML bibliotekama, prikazuje neke podatke iz stvarnog sveta<\/li>\n<li>Problemi nauke<\/li>\n<\/ul>\n<p><strong>PluralSight (besplatan u aprilu, ne smete propustiti ovu priliku)<\/strong><\/p>\n<ul>\n<li>Osnove programa Python: <a href=\"https:\/\/www.pluralsight.com\/browse\/software-development\/python\" target=\"_blank\" rel=\"noopener\">https:\/\/www.pluralsight.com\/browse\/software-development\/python<\/a><\/li>\n<\/ul>\n<p><strong>Podkasti<\/strong><\/p>\n<ol>\n<li><a href=\"https:\/\/www.superdatascience.com\/\" target=\"_blank\" rel=\"noopener\">SuperDataScience<\/a><\/li>\n<li><a href=\"http:\/\/lineardigressions.com\/\" target=\"_blank\" rel=\"noopener\">Linearne digresije<\/a><\/li>\n<\/ol>\n<p><strong>Knjige<\/strong><\/p>\n<ul>\n<li>Knjige<\/li>\n<li><a href=\"http:\/\/shop.oreilly.com\/product\/0636920252528.do\" target=\"_blank\" rel=\"noopener\">Uvod u Python<\/a><\/li>\n<li><a href=\"https:\/\/www.amazon.com\/Hands-Machine-Learning-Scikit-Learn-TensorFlow\/dp\/1491962291\" target=\"_blank\" rel=\"noopener\">Prakti\u010dno ma\u0161insko u\u010denje sa Scikit-Learn i TensorFlow<\/a><\/li>\n<li><a href=\"https:\/\/books.google.rs\/books\/about\/Learning_Spark.html?id=tOptBgAAQBAJ&amp;source=kp_cover&amp;redir_esc=y\" target=\"_blank\" rel=\"noopener\">U\u010denje Spark-a<\/a><\/li>\n<li><a href=\"https:\/\/books.google.rs\/books\/about\/Learning_PySpark.html?id=HVQoDwAAQBAJ&amp;printsec=frontcover&amp;source=kp_read_button&amp;redir_esc=y\" target=\"_blank\" rel=\"noopener\">U\u010denje PySpark-a<\/a><\/li>\n<li><a href=\"https:\/\/www.amazon.com\/Mining-Massive-Datasets-Jure-Leskovec\/dp\/1107077230\" target=\"_blank\" rel=\"noopener\">Rudarenje masivnih skupova podataka<\/a> (postoji i sjajan Stanfordov kurs koji se oslanja na ovu knjigu: <a href=\"https:\/\/online.stanford.edu\/courses\/soe-ycs0007-mining-massive-data-sets\" target=\"_blank\" rel=\"noopener\">https:\/\/online.stanford.edu\/courses\/soe-ycs0007-mining-massive-data-sets<\/a>)<\/li>\n<li><a href=\"http:\/\/faculty.marshall.usc.edu\/gareth-james\/ISL\/\" target=\"_blank\" rel=\"noopener\">Uvod u statisti\u010dko u\u010denje<\/a> (obja\u0161njava sve osnovne koncepte statisti\u010dkog u\u010denja, kroz algoritme i primere)<\/li>\n<li><a href=\"https:\/\/web.stanford.edu\/~hastie\/ElemStatLearn\/\" target=\"_blank\" rel=\"noopener\">Elementi statisti\u010dkog u\u010denja<\/a> (obuhvata sli\u010dne oblasti kao i prethodni, sa slo\u017eenom matematikom, prethodni je napisan na osnovu ovog i podesniji je za po\u010detnike)<\/li>\n<li>Odli\u010dna knjiga za po\u010detnike iz programskog jezika R: <a href=\"https:\/\/www.amazon.com\/Data-Science-Transform-Visualize-Model\/dp\/1491910399\" target=\"_blank\" rel=\"noopener\">https:\/\/www.amazon.com\/Data-Science-Transform-Visualize-Model\/dp\/1491910399<\/a>\n<ul>\n<li><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p><strong>Blogovi<\/strong><\/p>\n<ul>\n<li><a href=\"https:\/\/towardsdatascience.com\/\" target=\"_blank\" rel=\"noopener\">Prema nauci podataka<\/a><\/li>\n<li><a href=\"https:\/\/www.analyticsvidhya.com\/blog\/\" target=\"_blank\" rel=\"noopener\">Analytics Vidhya<\/a><\/li>\n<li><a href=\"https:\/\/machinelearningmastery.com\/\" target=\"_blank\" rel=\"noopener\">Majstorstvo ma\u0161inskog u\u010denja<\/a><\/li>\n<li><a href=\"https:\/\/www.datasciencecentral.com\/\" target=\"_blank\" rel=\"noopener\">Centrala nauke o podacima<\/a><\/li>\n<\/ul>\n<p><strong>Duboko u\u010denje<\/strong><\/p>\n<ul>\n<li>Prezentacija Martina Gornera, \u201c<a href=\"https:\/\/www.youtube.com\/watch?v=u4alGiomYP4\" target=\"_blank\" rel=\"noopener\">TensorFlow i duboko u\u010denje bez doktorata (Deo 1 i Deo 2)<\/a>\u201d<\/li>\n<li>Prili\u010dno detaljan i sveobuhvatan blog o dubokom u\u010denju: <a href=\"http:\/\/colah.github.io\/\" target=\"_blank\" rel=\"noopener\">Kolahov blog<\/a><\/li>\n<li><a href=\"https:\/\/www.coursera.org\/specializations\/deep-learning\" target=\"_blank\" rel=\"noopener\">Specijalizacija za duboko u\u010denje<\/a> \u2013 najbolji ikad objavljeni materijali za duboko u\u010denje. Prvi kurs \u2013 kakva je struktura neuronske mre\u017ee i kako ona funkcioni\u0161e, drugi kurs \u2013 parametri i pode\u0161avanje, trec\u0301i \u2013 konceptualni (kako proveriti da li mre\u017ea nije ispravna i \u0161ta da se radi), \u010detvrti \u2013 konvolucija (ra\u010dunarski vid), peti \u2013 RNN (nlp, audio)<\/li>\n<li>Knjiga: <a href=\"http:\/\/www.deeplearningbook.org\/lecture_slides.html\" target=\"_blank\" rel=\"noopener\">http:\/\/www.deeplearningbook.org\/lecture_slides.html<\/a>\n<ul>\n<li><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p><strong>Zajednice<\/strong><\/p>\n<ul>\n<li><a href=\"http:\/\/www.datascience.rs\/\" target=\"_blank\" rel=\"noopener\">Data Science Srbija<\/a><\/li>\n<li><a href=\"https:\/\/www.datasciconference.com\/\" target=\"_blank\" rel=\"noopener\">Konferencija o nauci o podacima<\/a><\/li>\n<li><a href=\"https:\/\/sisteranalyst.org\/\" target=\"_blank\" rel=\"noopener\">SysterAnalyst<\/a><\/li>\n<li><a href=\"http:\/\/serbianaisociety.com\/\" target=\"_blank\" rel=\"noopener\">Srpsko dru\u0161tvo za ve\u0161ta\u010dku inteligenciju<\/a><\/li>\n<li><a href=\"https:\/\/www.lazybrain.org\/\" target=\"_blank\" rel=\"noopener\">LazyBrain<\/a><\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h2><span class=\"ez-toc-section\" id=\"SLEDEC%CC%81I_KORACI\"><\/span><strong>SLEDEC\u0301I KORACI<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Uklju\u010dite se u zajednicu \u2013 prisustvujte svim moguc\u0301im sastancima, konferencijama i predavanjima, na takvim doga\u0111ajima uvek mo\u017eete dobiti dobre savete, ideje, ste\u0107i nova znanja itd.<\/p>\n<p>U\u017eivite se u teorijske osnove napredne analitike (metodologije razvoja, istra\u017eivanje podataka, statisti\u010dki testovi, algoritmi ma\u0161inskog u\u010denja,\u2026)<br \/>\nProna\u0111ite primer koji vam je zanimljiv, kroz koji biste mogli da primenite to \u0161to u\u010dite i pro\u0161irite svoje znanje (UCI repozitorijum ma\u0161inskog u\u010denja i Google repozitorijum za pretragu skupova podataka imaju milione otvorenih skupova podataka, sigurno c\u0301ete pronac\u0301i ne\u0161to \u0161to vas interesuje)<\/p>\n<p>Nau\u010dite kako da guglate<br \/>\nProjekat na kojem radite treba da bude postavljen na va\u0161 GitHub profil, to je obavezan i su\u0161tinski element u va\u0161em CV-ju<\/p>\n<p>Napravite izve\u0161taj u kome c\u0301ete objasniti \u0161ta ste radili na projektu, koji problem je re\u0161en, koji su bili koraci, koji su bili najvec\u0301i izazovi, koji su zaklju\u010dci izvu\u010deni i na osnovu \u010dega, koje su moguc\u0301nosti za pobolj\u0161anja itd&#8230;<\/p>\n<p>Pitajte nekoga iz zajednice ko se bavi oblastima koje vas zanimaju za savet kako da po\u010dnete u toj odre\u0111enoj oblasti (nauka o podacima je \u0161irok pojam).<br \/>\nPrijavite se za praksu\/posao, gde c\u0301ete najbolje u\u010diti i razvijati se kroz mentorstvo. Ako postoji tehni\u010dki test u fazi selekcije \u2013 to je savr\u0161ena prilika da se ne\u0161to nau\u010di. Koristite ga!<\/p>\n<h3><span class=\"ez-toc-section\" id=\"ZAHVALNOST\"><\/span>\nZAHVALNOST<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Zahvaljujem se svima koji su pomogli u realizaciji ovog dokumenta, a posebno mojim kolegama iz TS tima (hvala Angela, Jasmina, Tijana, Marija, Strahinja, Marko, Bogdane!). A posebno hvala mojim kolegama Bojani Soro iz Content Insights-a i Sr\u0111anu \u0160antic\u0301u iz Logikke. Zajedno smo sastavili listu po\u010detnih materijala i formulisali ovaj dokument. HVALA VAM SVIMA! Nadam se da c\u0301e ovaj dokument biti od pomoc\u0301i po\u010detnicima, i da c\u0301emo ga kroz zajednicu unaprediti i obogatiti. Hvala vam!<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Nakon u\u010de\u0161c\u0301a na sastanku krajem marta, na temu \u201eNauka o podacima \u2013 \u0161ta je to?\u201c, mnogo ljudi me kontaktiralo da im po\u0161aljem neke uvodne materijale koji c\u0301e im pomoc\u0301i da po\u010dnu sa u\u010denjem. Trebalo mi je dosta vremena da sednem &#8230; <\/p>\n<p class=\"read-more\"><a class=\"btn small\" href=\"https:\/\/thingsolver.com\/sr\/blog\/kako-poceti-nauka-podataka\/\">Pro\u010ditaj vi\u0161e<\/a><\/p>\n","protected":false},"author":3,"featured_media":15541,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[188,189],"tags":[],"acf":[],"_links":{"self":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16940"}],"collection":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/comments?post=16940"}],"version-history":[{"count":3,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16940\/revisions"}],"predecessor-version":[{"id":16946,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16940\/revisions\/16946"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/media\/15541"}],"wp:attachment":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/media?parent=16940"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/categories?post=16940"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/tags?post=16940"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}