如果你对精彩的数据科学世界感兴趣,但不知道如何开始,那就让数据学校来帮助你吧。如果你对精彩的数据科学世界感兴趣,但不知道如何开始,那就从这篇文章开始吧。
步骤0:找出你需要学习的内容;
步骤1:熟悉Python;
步骤2:学习用pandas库进行数据分析、数据处理和可视化;
步骤3:用scikit-learn进行机器学习;
步骤4:深度理解机器学习;
步骤5:保持学习和练习;
福利:免费加入数据学校
数据科学是一个势不可挡的领域。很多人会告诉你,你要掌握以下内容才能成为一名数据科学家:统计、线性代数、微积分、编程、数据库、分布式计算、机器学习、可视化、实验设计、聚类、深度学习、自然语言处理等等。这根本不是事实。
那么,究竟什么是数据科学呢?它是一个先提出有趣问题,然后用数据回答这些问题的过程。一般来说,数据科学工作流程如下所示:
这个流程不一定需要高级数学、精通深度学习,或上面列出的许多其他技能。但它确实要求编程语言知识和运用编程语言处理数据的能力。此外,虽然真正擅长数据科学需要精通数学,但你只需对数学有基本了解就可以开始了。
诚然,上面列出的其他专业技能可能在某一天帮你解决数据科学问题,然而,你不需要掌握所有这些技能才开始你的数据科学生涯。你今天就可以开始了,有我在这里帮你!
对数据科学,Python和R都是不错的编程语言选择。R在学术界往往更受欢迎,而Python更受行业欢迎,两种语言都有丰富的包支持数据科学工作流。我用两种语言教过数据科学,通常更喜欢Python。
作为初学者,你不需要同时学习Python和R。相反,你应该集中精力学习一种语言及其用于数据科学的包体系。如果你选择了Python(个人建议Python),建议安装Anaconda,它简化了Windows、OSX和Linux上各种包的安装和管理。
你也不需要在成为一个Python专家后才开始步骤2。你该重点掌握以下内容:类型、数据结构、导入、函数、条件语句、比较、循环和推导式。至于其他的一切内容可以等到以后再说!
如果你不确定你是否已经“足够”了解Python,可以浏览我的Python速查手册。如果你对大部分内容都已经熟悉,那么你可以开始步骤2了!
如果你希望能有帮助你学习Python的课程,下面是我推荐的一些内容:
如果你要用Python处理数据,你应该学习如何使用pandas库。
pandas提供了一个高性能的数据结构(叫做 “DataFrame”),适用于有不同类型列的表格数据,类似于Excel表格或SQL表。它包含读写数据、处理缺失数据、过滤数据、清理混乱数据、合并数据集、可视化数据等工具。简而言之,学习pandas将大大提高你处理数据的工作效率。
然而,pandas包含了大量的函数,(可以说)提供了太多的方式来完成相同的任务。这使得学习pandas、寻找pandas的最佳实践具有挑战性。
这就是为什么我创建了一个pandas系列视频(30个视频,6小时)从头讲解pandas库。每个视频通过一个真实的发布在网上的数据集回答一个问题,这样你就可以在家跟着学。(同时我也创建了包含所有视频代码的Jupyter notebook。)
如果你更喜欢学习pandas的非视频类资源,这里是我推荐的内容。
如果你希望用Python进行机器学习,应该学习使用scikit-learn库。
构建“机器学习模型”来预测未来或者自动从数据中提取信息,是数据科学最性感的部分。scikit-learn是Python中最受欢迎的机器学习库,有以下优点:
然而,机器学习仍然是一个高度复杂且快速发展的领域,scikit-learn库的学习曲线非常陡峭。这就是为什么我创建了一个scikit-learn系列视频 (9个视频,4小时),帮助你彻底掌握机器学习原理和scikit-learn工作流。这个系列没有假定你熟悉机器学习或高等数学。(你可以在GitHub上找到所有的代码)。
如果你更想要scikit-learn的非视频类资源,我推荐用Python机器学习(Amazon/GitHub)或者用Python机器学习导论(Amazon/GitHub)。
机器学习是一个很复杂的领域。虽然scikit-learn提供了机器学习的有效工具,但它无法直接回答许多重要问题:
如果你想熟练掌握机器学习,你需要能够回答这些要求经验和进一步研究的问题。这里有一些资源可以帮助你在这条路上走下去:
我对提高数据科学技能的最好建议是:找到可以激励你实践已经学到的东西、学习更多、然后实践的事情。可以是个人数据科学项目、Kaggle竞赛、在线课程、阅读书籍、阅读博客、参加聚会或会议,或者其他任何事情!
你的数据科学旅程才刚刚开始!数据科学领域有如此多东西需要学习,需要花费一生的时间来精通。记住:你不需要掌握所有的知识才开始你的数据科学职业生涯,你只需要现在就开始!
来源: http://www.36dsj.com/archives/92047