0
| 本文作者： AI研習(xí)社-譯站 | 2020-10-10 11:05 |
字幕組雙語(yǔ)原文：100天學(xué)習(xí)計(jì)劃 | 一份詳實(shí)的數(shù)據(jù)科學(xué)指南
英語(yǔ)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(duì)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(lái)對(duì)地方了。
我遇到過(guò)許多對(duì)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(gè)人對(duì)一個(gè)領(lǐng)域如此熱情卻不去追求它？通過(guò)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(shuō)，要成為數(shù)據(jù)科學(xué)家，必須是一個(gè)有才華的程序員、數(shù)學(xué)專家、應(yīng)用統(tǒng)計(jì)學(xué)大師，并且非常熟練地使用panda、NumPy和其他python庫(kù)。
這些甚至?xí)樀揭粋€(gè)有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家，難怪他們會(huì)讓試圖學(xué)習(xí)數(shù)據(jù)科學(xué)的人放棄。上面的每一個(gè)話題就像一片海洋，當(dāng)有人試圖快速掌握它們時(shí)，他們會(huì)感到沮喪并放棄學(xué)習(xí)。真正的事實(shí)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(shí)：
Python或R編程的基礎(chǔ)知識(shí)
如果選擇Python，那么像panda和Numpy這樣的庫(kù)
可視化庫(kù)，如ggplot、Seaborn和Plotly。
統(tǒng)計(jì)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(shí)深度。
讓我來(lái)解釋一下100天學(xué)習(xí)數(shù)據(jù)科學(xué)的計(jì)劃。下面是使用Python學(xué)習(xí)數(shù)據(jù)科學(xué)的逐日計(jì)劃，該計(jì)劃跨度為100天，每天至少需要花費(fèi)一個(gè)小時(shí)
第一天：安裝工具
只要確保安裝了所需的工具，并且您對(duì)接下來(lái)幾周/幾個(gè)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(huì)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(kù)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(yùn)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(shí)現(xiàn)
函數(shù)和Lambda函數(shù)-它們各自的優(yōu)點(diǎn)和區(qū)別
第8天到第17天: Pandas 庫(kù)
了解 Pandas 庫(kù)，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(shí)間徹底學(xué)習(xí)以上主題，因?yàn)檫@些主題在執(zhí)行探索性數(shù)據(jù)分析時(shí)非常有用。在介紹這些主題時(shí)，請(qǐng)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(gè)，還可以知道在何時(shí)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(xiàng)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(huì)派上用場(chǎng)。另外，因?yàn)镻andas有助于從不同的來(lái)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(duì)數(shù)據(jù)集執(zhí)行各種操作的簡(jiǎn)單功能。
第18天到第22天：Numpy Library
學(xué)會(huì) Pandas 之后，下一個(gè)需要學(xué)習(xí)的重要庫(kù)是Numpy。學(xué)習(xí)Numpy的原因是與List相比它們非?？?。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(guò)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(duì)數(shù)據(jù)執(zhí)行科學(xué)操作。它支持機(jī)器學(xué)習(xí)算法中常用的高效矩陣運(yùn)算，panda庫(kù)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(shí)間來(lái)理解和使用一些關(guān)鍵的可視化庫(kù)，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(shì)圖、盒狀圖、散點(diǎn)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(xiàng)目的關(guān)鍵是與涉眾交流洞察力，而可視化是實(shí)現(xiàn)這一目的的很好的工具。
第26天到第35天:統(tǒng)計(jì)、實(shí)現(xiàn)和用例
下一個(gè)要討論的重要主題是統(tǒng)計(jì)學(xué)，探索常用的描述性統(tǒng)計(jì)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(shí)別數(shù)據(jù)集中的異常值和測(cè)量誤差范圍。
作為探索各種統(tǒng)計(jì)測(cè)試(如下所示)的最后一步，了解這些統(tǒng)計(jì)測(cè)試在現(xiàn)實(shí)生活中的應(yīng)用：
F-test
ANOVA
卡方測(cè)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(shí)候了，這很重要，因?yàn)樵诖蠖鄶?shù)企業(yè)用例中，數(shù)據(jù)將存儲(chǔ)在數(shù)據(jù)庫(kù)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(gè)開源數(shù)據(jù)庫(kù)，比如MySQL，它會(huì)附帶一些默認(rèn)數(shù)據(jù)庫(kù)，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(lái)自不同表的數(shù)據(jù)
對(duì)數(shù)據(jù)執(zhí)行分組和聚合功能
使用case語(yǔ)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(xiàng)目中，大約80%的時(shí)間用于此活動(dòng)，因此最好花時(shí)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(dòng)分析。因此，最好使用一些來(lái)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(wèn)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(hào)數(shù)據(jù)集，然后嘗試尋找問(wèn)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(huì)隨著時(shí)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(shí)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(shí)你可以花時(shí)間學(xué)習(xí)它背后的數(shù)學(xué)知識(shí)。 因?yàn)槿绻汩_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(shí)的，而且通過(guò)在需要的時(shí)候?qū)W習(xí)，你會(huì)學(xué)到足夠的時(shí)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(huì)花費(fèi)更多的時(shí)間，學(xué)到的東西將遠(yuǎn)遠(yuǎn)超過(guò)所需要的。
第51天到第70天:監(jiān)督學(xué)習(xí)和項(xiàng)目實(shí)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(lái)的10天里，專注于通過(guò)開發(fā)一個(gè)項(xiàng)目來(lái)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(jī)森林
支持向量機(jī)(SVM)
在最初的10天里，重點(diǎn)應(yīng)該是理解你所選擇的算法背后的理論。然后花些時(shí)間了解每個(gè)算法比其他算法更適合的場(chǎng)景，比如當(dāng)數(shù)據(jù)集中有很多分類屬性時(shí)，決策樹是最好的。
然后選擇一個(gè)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(shí)，以及從解決的示例的工作知識(shí)。
最后一步，選擇一個(gè)項(xiàng)目，并實(shí)現(xiàn)一個(gè)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(yàn)證開始?？隙〞?huì)有很多問(wèn)題和問(wèn)題，但當(dāng)你完成項(xiàng)目時(shí)，你會(huì)對(duì)算法和方法有很好的了解。
第71天到第90天:無(wú)監(jiān)督學(xué)習(xí)和項(xiàng)目實(shí)施
現(xiàn)在是時(shí)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(shí)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(guò)實(shí)施一個(gè)項(xiàng)目來(lái)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(shí)別聚類
關(guān)聯(lián)分析——用于識(shí)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(shí)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(diǎn)放在理解上面的算法和技術(shù)也了解他們每個(gè)人的目的,他們可以使用的場(chǎng)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(gè)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(gòu)買模式可以推薦他們可能感興趣的其他產(chǎn)品來(lái)增加銷量。
當(dāng)您熟悉了可以使用它們的理論和場(chǎng)景后，就可以選擇一個(gè)已解決的示例，并通過(guò)逆向工程來(lái)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(shí)現(xiàn)的時(shí)候了。在完成項(xiàng)目/用例時(shí)，你會(huì)學(xué)到很多東西，你會(huì)對(duì)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(yǔ)言處理基礎(chǔ)
利用這段時(shí)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(shí)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(lái)自twitter API的數(shù)據(jù)來(lái)提取特定標(biāo)簽的tweet，然后可以計(jì)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(shí)，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(qǐng)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(qǐng)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(huì)游泳一樣，任何人都可以在100天甚至更短的時(shí)間內(nèi)學(xué)會(huì)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(yùn)動(dòng)員或者奧運(yùn)會(huì)游泳運(yùn)動(dòng)員，必須通過(guò)努力和不斷的練習(xí)，數(shù)據(jù)科學(xué)也是一樣，通過(guò)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(shí)，您將有足夠的知識(shí)來(lái)從事典型的數(shù)據(jù)科學(xué)項(xiàng)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(jí)主題。
一開始，事情可能看起來(lái)太復(fù)雜，不要不知所措，只要一步一個(gè)腳印，繼續(xù)你的學(xué)習(xí)之旅，這可能需要一些時(shí)間，但你一定會(huì)到達(dá)你的目的地。
雷鋒字幕組是一個(gè)由AI愛(ài)好者組成的翻譯團(tuán)隊(duì)，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(tuán)隊(duì)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(yùn)營(yíng)，IT咨詢?nèi)?，在校師生；志愿者們?lái)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(ài)分享的AI愛(ài)好者。歡迎與雷鋒字幕組一起，學(xué)習(xí)新知，分享成長(zhǎng)。
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。
