0
| 本文作者： AI研習(xí)社-譯站 | 2020-10-10 11:05 |
字幕組雙語原文：100天學(xué)習(xí)計劃 | 一份詳實的數(shù)據(jù)科學(xué)指南
英語原文：A Complete Guide to Learn Data Science in 100 Days
翻譯：雷鋒字幕組（不再聯(lián)系791）
你是否對學(xué)習(xí)數(shù)據(jù)科學(xué)感興趣，但不知道從哪里開始？如果是，那你來對地方了。
我遇到過許多對學(xué)習(xí)數(shù)據(jù)科學(xué)充滿熱情的人，但僅僅幾周后，他們就放棄了學(xué)習(xí)。我想知道為什么一個人對一個領(lǐng)域如此熱情卻不去追求它？通過與他們中的一些人交談，我了解到人們放棄學(xué)習(xí)的主要原因是：
為了成為一名數(shù)據(jù)科學(xué)家，他們要學(xué)習(xí)的課題太多了
他們遇到的領(lǐng)路人說，要成為數(shù)據(jù)科學(xué)家，必須是一個有才華的程序員、數(shù)學(xué)專家、應(yīng)用統(tǒng)計學(xué)大師，并且非常熟練地使用panda、NumPy和其他python庫。
這些甚至?xí)樀揭粋€有經(jīng)驗的數(shù)據(jù)科學(xué)家，難怪他們會讓試圖學(xué)習(xí)數(shù)據(jù)科學(xué)的人放棄。上面的每一個話題就像一片海洋，當(dāng)有人試圖快速掌握它們時，他們會感到沮喪并放棄學(xué)習(xí)。真正的事實是，要想成為一名成功的數(shù)據(jù)科學(xué)家或成為一名數(shù)據(jù)科學(xué)家，你甚至需要掌握更多。
要成為一名數(shù)據(jù)科學(xué)家，你需要從以下條目中學(xué)到足夠多的知識：
Python或R編程的基礎(chǔ)知識
如果選擇Python，那么像panda和Numpy這樣的庫
可視化庫，如ggplot、Seaborn和Plotly。
統(tǒng)計數(shù)據(jù)
SQL編程
數(shù)學(xué)，尤指線性代數(shù)和微積分
在下面的視頻中，我提到了學(xué)習(xí)數(shù)據(jù)科學(xué)的分步指南。我已經(jīng)解釋了達(dá)到數(shù)據(jù)科學(xué)不同專業(yè)水平所需的知識深度。
讓我來解釋一下100天學(xué)習(xí)數(shù)據(jù)科學(xué)的計劃。下面是使用Python學(xué)習(xí)數(shù)據(jù)科學(xué)的逐日計劃，該計劃跨度為100天，每天至少需要花費一個小時
第一天：安裝工具
只要確保安裝了所需的工具，并且您對接下來幾周/幾個月將要使用的工具感到舒適即可。如果選擇Python則安裝Anaconda，其中還會安裝IDEs Jupyter筆記本和Spyder。如果你選擇' R '，然后安裝RStudio。試著在IDE中玩一玩，并熟練地使用它。比如，嘗試?yán)斫獍?庫的安裝、執(zhí)行部分代碼、清理內(nèi)存等等。
第2天到第7天：數(shù)據(jù)科學(xué)的基礎(chǔ)編程
下一步是學(xué)習(xí)基本的編程，下面是一些應(yīng)該學(xué)習(xí)的主題：
創(chuàng)建變量
字符串?dāng)?shù)據(jù)類型和通常在字符串?dāng)?shù)據(jù)類型上執(zhí)行的操作
數(shù)值數(shù)據(jù)類型、布爾值和運算符
集合數(shù)據(jù)類型列表、元組、集合和字典——理解它們之間的唯一性和差異非常重要。
If-Then-Else條件，F(xiàn)or循環(huán)和While循環(huán)實現(xiàn)
函數(shù)和Lambda函數(shù)-它們各自的優(yōu)點和區(qū)別
第8天到第17天: Pandas 庫
了解 Pandas 庫，在 Pandas 中需要了解的一些主題是：
創(chuàng)建數(shù)據(jù)幀，從文件讀取數(shù)據(jù)，并將數(shù)據(jù)幀寫入文件
從數(shù)據(jù)框架中索引和選擇數(shù)據(jù)
迭代和排序
聚合和分組
缺失值和缺失值的處理
Pandas 的重命名和替換
在數(shù)據(jù)幀中連接、合并和連接
總結(jié)分析，交叉表格，和樞軸
數(shù)據(jù)，分類和稀疏數(shù)據(jù)
花10天時間徹底學(xué)習(xí)以上主題，因為這些主題在執(zhí)行探索性數(shù)據(jù)分析時非常有用。在介紹這些主題時，請嘗試深入粒度細(xì)節(jié)，比如理解合并和連接、交叉表和樞軸之間的差異，這樣不僅可以了解它們中的每一個，還可以知道在何時和何處使用它們。
我為什么要學(xué) Pandas？如果您從事任何數(shù)據(jù)科學(xué)項目，它們總是從探索性數(shù)據(jù)分析開始，以便更好地理解數(shù)據(jù)，而您在 Pandas 中介紹的這些主題將會派上用場。另外，因為Pandas有助于從不同的來源和格式讀取數(shù)據(jù)，所以它們速度快、效率高，還提供了對數(shù)據(jù)集執(zhí)行各種操作的簡單功能。
第18天到第22天：Numpy Library
學(xué)會 Pandas 之后，下一個需要學(xué)習(xí)的重要庫是Numpy。學(xué)習(xí)Numpy的原因是與List相比它們非常快。在Numpy中要涉及的主題包括：
數(shù)組的創(chuàng)建
索引和切片
數(shù)據(jù)類型
連接與分離
搜索和排序
過濾所需的數(shù)據(jù)元素
為什么學(xué)習(xí)Numpy很重要?Numpy能夠以快速和高效的方式對數(shù)據(jù)執(zhí)行科學(xué)操作。它支持機器學(xué)習(xí)算法中常用的高效矩陣運算，panda庫也廣泛使用了Numpy。
第23天到第25天:可視化
現(xiàn)在，我們需要花一些時間來理解和使用一些關(guān)鍵的可視化庫，比如ggplot、Plotly和Seaborn。使用示例數(shù)據(jù)集并嘗試不同的可視化，如柱狀圖、線形/趨勢圖、盒狀圖、散點圖、熱圖、餅狀圖、柱狀圖、氣泡圖和其他有趣的或交互式可視化。
數(shù)據(jù)科學(xué)項目的關(guān)鍵是與涉眾交流洞察力，而可視化是實現(xiàn)這一目的的很好的工具。
第26天到第35天:統(tǒng)計、實現(xiàn)和用例
下一個要討論的重要主題是統(tǒng)計學(xué)，探索常用的描述性統(tǒng)計技術(shù)，如平均值、中位數(shù)、眾數(shù)、范圍分析、標(biāo)準(zhǔn)差和方差。
然后介紹一些更深層次的技術(shù)，比如識別數(shù)據(jù)集中的異常值和測量誤差范圍。
作為探索各種統(tǒng)計測試(如下所示)的最后一步，了解這些統(tǒng)計測試在現(xiàn)實生活中的應(yīng)用：
F-test
ANOVA
卡方測試
T-Test
Z-Test
第36天到第40天:用于數(shù)據(jù)分析的SQL
現(xiàn)在是學(xué)習(xí)SQL的時候了，這很重要，因為在大多數(shù)企業(yè)用例中，數(shù)據(jù)將存儲在數(shù)據(jù)庫中，了解SQL將極大地幫助從系統(tǒng)中查詢所需的數(shù)據(jù)進(jìn)行分析。
您可以先安裝一個開源數(shù)據(jù)庫，比如MySQL，它會附帶一些默認(rèn)數(shù)據(jù)庫，只需要處理數(shù)據(jù)并學(xué)習(xí)SQL。如果你能集中學(xué)習(xí)以下內(nèi)容，那就太好了：
從表中選擇數(shù)據(jù)
基于鍵連接來自不同表的數(shù)據(jù)
對數(shù)據(jù)執(zhí)行分組和聚合功能
使用case語句和篩選條件
第41 - 50天:探索性數(shù)據(jù)分析(EDA)
在任何數(shù)據(jù)科學(xué)項目中，大約80%的時間用于此活動，因此最好花時間徹底學(xué)習(xí)此主題。為了學(xué)習(xí)探索性數(shù)據(jù)分析，這里不涉及一組特定的功能或主題，但是數(shù)據(jù)集和用例將驅(qū)動分析。因此，最好使用一些來自kaggle中主辦的比賽的樣本數(shù)據(jù)集，學(xué)習(xí)如何執(zhí)行探索性分析。
學(xué)習(xí)探索性數(shù)據(jù)分析的另一種方法是編寫關(guān)于數(shù)據(jù)集的問題，并嘗試從數(shù)據(jù)集為它們找到答案。比如，如果我考慮最受歡迎的泰坦尼克號數(shù)據(jù)集，然后嘗試尋找問題的答案，比如哪種性別/年齡/甲板的人有更高的死亡概率等等。你進(jìn)行全面分析的能力會隨著時間的推移而提高，所以要有耐心，慢慢地自信地學(xué)習(xí)。
到目前為止，您已經(jīng)學(xué)習(xí)了數(shù)據(jù)科學(xué)家所需的所有核心技能，現(xiàn)在可以學(xué)習(xí)算法了。
數(shù)學(xué)怎么了?
是的，了解線性代數(shù)和微積分是重要的，但我寧愿不花時間學(xué)習(xí)數(shù)學(xué)概念，但當(dāng)他們需要，你可以參考和溫習(xí)你的技能，高中水平的數(shù)學(xué)將是足夠的。例如，假設(shè)你正在學(xué)習(xí)梯度下降法在學(xué)習(xí)算法的同時你可以花時間學(xué)習(xí)它背后的數(shù)學(xué)知識。 因為如果你開始學(xué)習(xí)數(shù)學(xué)中的重要概念，那么它可能是非常耗時的，而且通過在需要的時候?qū)W習(xí)，你會學(xué)到足夠的時間所需要的東西，但是如果你開始學(xué)習(xí)數(shù)學(xué)中的所有概念，那么你將會花費更多的時間，學(xué)到的東西將遠(yuǎn)遠(yuǎn)超過所需要的。
第51天到第70天:監(jiān)督學(xué)習(xí)和項目實施
在開始的10天里，學(xué)習(xí)一些關(guān)鍵的算法，理解它們背后的數(shù)學(xué)原理，然后在接下來的10天里，專注于通過開發(fā)一個項目來學(xué)習(xí)。這節(jié)課要講的一些算法有：
線性回歸和邏輯回歸
決策樹/隨機森林
支持向量機(SVM)
在最初的10天里，重點應(yīng)該是理解你所選擇的算法背后的理論。然后花些時間了解每個算法比其他算法更適合的場景，比如當(dāng)數(shù)據(jù)集中有很多分類屬性時，決策樹是最好的。
然后選擇一個解決的例子在Kaggle，你將能夠找到大量解決的例子嘗試重新執(zhí)行他們，但仔細(xì)理解每一行代碼，并理解他們的原因。到目前為止，您已經(jīng)獲得了良好的理論知識，以及從解決的示例的工作知識。
最后一步，選擇一個項目，并實現(xiàn)一個有監(jiān)督的學(xué)習(xí)算法，從數(shù)據(jù)收集、探索性分析、特性工程、模型構(gòu)建和模型驗證開始。肯定會有很多問題和問題，但當(dāng)你完成項目時，你會對算法和方法有很好的了解。
第71天到第90天:無監(jiān)督學(xué)習(xí)和項目實施
現(xiàn)在是時候關(guān)注非監(jiān)督學(xué)習(xí)了，類似于在監(jiān)督學(xué)習(xí)中使用的方法，先花幾天時間理解你在非監(jiān)督學(xué)習(xí)中選擇的算法背后的概念，然后通過實施一個項目來學(xué)習(xí)。
這里要講的算法是，
聚類算法-用于在數(shù)據(jù)集中識別聚類
關(guān)聯(lián)分析——用于識別數(shù)據(jù)中的模式
主成分分析——用于減少屬性的數(shù)量
推薦系統(tǒng)-用于識別相似的用戶/產(chǎn)品并進(jìn)行推薦
最初的日子里，應(yīng)把重點放在理解上面的算法和技術(shù)也了解他們每個人的目的,他們可以使用的場景像主成分分析通常用于數(shù)據(jù)集降維,當(dāng)你工作在一個非常大的列數(shù)和你想要減少,但仍保留信息和推薦系統(tǒng)在電子商務(wù)流行基于客戶的購買模式可以推薦他們可能感興趣的其他產(chǎn)品來增加銷量。
當(dāng)您熟悉了可以使用它們的理論和場景后，就可以選擇一個已解決的示例，并通過逆向工程來學(xué)習(xí)，即理解每一行代碼并重新執(zhí)行它們。
作為最后一步，現(xiàn)在是選擇用例并基于您目前所學(xué)實現(xiàn)的時候了。在完成項目/用例時，你會學(xué)到很多東西，你會對這些算法有更好的理解，這將永遠(yuǎn)伴隨著你。
第91天到第100天:自然語言處理基礎(chǔ)
利用這段時間關(guān)注非結(jié)構(gòu)化/文本數(shù)據(jù)的分析和用例。值得花時間在這里的事情很少
學(xué)習(xí)使用API從公共源獲取數(shù)據(jù)
執(zhí)行一些基本的情緒分析——可以使用來自twitter API的數(shù)據(jù)來提取特定標(biāo)簽的tweet，然后可以計算這些tweet背后的情緒和情緒
主題建?！?dāng)有大量的文檔，并且您想要將它們分組到不同的類別時，這種方法非常有用
就是這樣!現(xiàn)在，您已經(jīng)介紹了所有重要的概念，可以申請任何數(shù)據(jù)科學(xué)工作了。我已經(jīng)在我的YouTube頻道上開始了為期100天的學(xué)習(xí)數(shù)據(jù)科學(xué)的教程，如果你感興趣，請加入我，在這里開始你的學(xué)習(xí)數(shù)據(jù)科學(xué)的教程。
有人能在100天內(nèi)成為數(shù)據(jù)科學(xué)家?
是的，就像任何人都可以在幾天內(nèi)學(xué)會游泳一樣，任何人都可以在100天甚至更短的時間內(nèi)學(xué)會數(shù)據(jù)科學(xué)。但是就像游泳一樣，要想成為一名優(yōu)秀的游泳運動員或者奧運會游泳運動員，必須通過努力和不斷的練習(xí)，數(shù)據(jù)科學(xué)也是一樣，通過不斷的練習(xí)和努力，你才能成為一名專家。
如果我沿著這教程走下去，我能學(xué)到多少?
在教程結(jié)束時，您將有足夠的知識來從事典型的數(shù)據(jù)科學(xué)項目。這樣，您就打破了學(xué)習(xí)障礙，因此只需付出最小的努力和最少的支持，您就能夠繼續(xù)學(xué)習(xí)數(shù)據(jù)科學(xué)中的高級主題。
一開始，事情可能看起來太復(fù)雜，不要不知所措，只要一步一個腳印，繼續(xù)你的學(xué)習(xí)之旅，這可能需要一些時間，但你一定會到達(dá)你的目的地。
雷鋒字幕組是一個由AI愛好者組成的翻譯團隊，匯聚五五多位志愿者的力量，分享最新的海外AI資訊，交流關(guān)于人工智能技術(shù)領(lǐng)域的行業(yè)轉(zhuǎn)變與技術(shù)創(chuàng)新的見解。
團隊成員有大數(shù)據(jù)專家，算法工程師，圖像處理工程師，產(chǎn)品經(jīng)理，產(chǎn)品運營，IT咨詢?nèi)耍谛熒?；志愿者們來自IBM，AVL，Adobe，阿里，百度等知名企業(yè)，北大，清華，港大，中科院，南卡羅萊納大學(xué)，早稻田大學(xué)等海內(nèi)外高校研究所。
如果，你也是位熱愛分享的AI愛好者。歡迎與雷鋒字幕組一起，學(xué)習(xí)新知，分享成長。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
