亚博2022手机登录网址-官网最新版
本文摘要：泉源：大数据文摘本文约7500字，建议阅读10分钟本文为你先容在学习数据科学时，需要注意的10件事。刚刚加入数据科学的你，是否也有这样的疑问？如何成为数据科学家？成为数据科学家的计划门路是什么？我应该选什么课程来学习数据科学？对于未知的学科，琳琅满目的学习资源，优美的事情时机，应该怎样去努力？本文作者是研究数据挖掘和生物医学偏向，现在就职于泰国的一所研究大学的全职生物信息学副教授。
泉源：大数据文摘本文约7500字，建议阅读10分钟本文为你先容在学习数据科学时，需要注意的10件事。刚刚加入数据科学的你，是否也有这样的疑问？如何成为数据科学家？成为数据科学家的计划门路是什么？我应该选什么课程来学习数据科学？对于未知的学科，琳琅满目的学习资源，优美的事情时机，应该怎样去努力？本文作者是研究数据挖掘和生物医学偏向，现在就职于泰国的一所研究大学的全职生物信息学副教授。
他在22岁时开始自学数据科学，现在已经自学成才，编译了这篇文章，希望能把以下需要注意的10件事告诉刚入门的你。我从2004年开始数据科学之旅。
谁人时候"数据科学"观点才刚被提出，其时广泛使用的术语是‘数据挖掘’。一直到2012年‘数据科学’这个观点才引起人们注意，且一篇由Thomas Davenport 和 D.J. Patil撰写的哈弗商业评论文章《数据科学：21世纪最迷人的事情》而盛行起来。什么是数据科学简而言之，数据科学是一门实质上用数据来解决问题，而且能够给公司和团体带来影响力，价值和洞察力的科学，应用在广泛的学术领域和行业中，包罗但不限于教育，经济，康健，地质，零售，旅游和电子竞技。数据科学的技术内容包罗了数据收集，数据预处置惩罚，数据深度分析，数据可视化，统计分析，机械学习，编程和软件工程。
除了这些技术要求，数据科学家还需要具有种种软技术。下面信息图所示归纳综合了数据科学家必备的一些技术。1. 你的数据科学旅程是唯一无二的你的数据科学旅程是比力奇特的，不要去和别人比进度，要知道每小我私家都是唯一无二的将会走出纷歧样的旅程。
专注于你自己的门路。或许会有挫折使你延误，但不要让这些障碍阻止你告竣目的。晚到一点也比从未到达要好。
保持着“冒充者综合症（自我否认的倾向）”，并将这种不宁静感看成资助你，完成所有数据科学旅程的导览图。尤其是将引导你走上自我完善的路径，制定你自己的要学和做的事情清单。标识出你还不知道的数据科学的观点和技巧，记下你接下来想要相识的内容。
然后从这个观点/技术清单中，专注于天天只学习一样新工具。等经由一年的课程学习，你将会惊讶的发现复合效应下你竟然掌握了这么多新的观点和技术。
2. 怎样学习数据科学学习方式我们怎样学习？一般的学习方式被分为3种主要类型：1. 看书2. 听课3. 刷题知识无处不在，学习的泉源也多种多样。例如，你可以从书本，博客，视频，博客，有声读物，演讲，教学中学习，固然最重要的是在实践中学习。
学习数据科学最好的方式是实践数据科学。— Chanin Nantasenamat (AKA Data Professor)当您学新的观点或技术时（指通过看和听），你可以立刻通过应用新学到的知识到你的数据科学课题中（即做和实践）来牢固所学。通过不停的时间，你将逐渐增强和训练你所学到的观点和技术。而且随着时间积累，就能很好的掌握他们。
此外，为了进一步加深对知识和技术的明白，你也可转为指导他人（即，撰写教程博客，制作视频教程以及转教他人）。通过转教，你可以充实使用上述所提到的三种学习方式，从而最大水平的发挥你的学习潜力。
还值得一提的是教诲别人可以资助你牢记新的观点和技术，并将它们酿成属于你自己的，从而有助于重新组织思想和加深明白。3.学习如何学习关于如何学习的冰山一角。实际上，Barbara Oakley博士和Terrence Sejnowski博士在Coursera上有一个在线课程，名为“学习方法”，这是一门很棒的课程，它将教您一些学习技巧，以资助您更有效地学习。
Evernote的另一篇精彩读物是Medium的一篇文章，标题为“从费曼技巧中学习”，其中总结了诺贝尔奖获得者和物理学家理查德·费曼所设计的学习技巧。此外，YouTube视频上的25个最佳科学研究技巧，提供了不少有效学习技巧的可行建议，您也可以在学习数据科学时使用这些技巧。此外，斯科特·杨（ScottYoung）写了一本很棒的关于超级学习（Ultralearning）的书，其中他分享了在短短1年的时间里学完麻省理工学院四年制盘算机科学课程的自我教育履历。此外，乔什·考夫曼（Josh Kaufman）在他公布的TED演讲，和《最初的20小时》一书中声称，我们可以在短短20个小时内学到任何想要的工具。
掌握学习的技巧，可以能更有效地学习和研究数据科学，从而使学习体验越发愉快。学习数据科学的计谋去年底，我在YouTube上公布了视频“2020年学习数据科学计谋”，其中分享了一些实用的技巧和窍门能够资助您开始举行数据科学之旅。主页：http://bit.ly/dataprofessor/您可能还需要检察视频“如何成为数据科学家（学习路径和技术要求）”，在这里我带您观光数据科学的整体情况，并先容所有数据科学家都应该知道的8个重要技术。
条记在https://github.com/dataprofessor/4.数据科学的学习资源（包罗付费和免费）如今网上有很是多的数据科学的学习资源。实际上，有太多的选择也会使人眼花缭乱。我将可用的学习资源分为两类：付费的和免费的。
列出其中一些有偿和免费学习的资源列表。付费学习资源：365 Data Science https://365datascience.com/DataCamphttps://bit.ly/dataprofessor-datacampDataQuest https://www.dataquest.io/O’Reilly Online Learning （月费49美元，年费499美元）优达学城（数据科学课程）上有数百个课程，以下是还不错的。1.机械学习系列:在数据科学中使用Python&Rhttps://www.udemy.com/course/machinelearning/2.数据科学与机械学习的python训练营https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/3.2020年数据科学课程：数据科学训练营https://www.udemy.com/course/the-data-science-course-complete-data-science-bootcamp/4.数据科学：数据科学实战https://www.udemy.com/course/datascience/免费或部门付费学习资源，edX — 除了CS50，其它都是付费的。1.CS50（免费/认证用度90美元）https://www.edx.org/course/cs50s-introduction-to-computer-science2.数据科学专业认证(Harvard University)https://www.edx.org/professional-certificate/harvardx-data-science3.微学位：统计与数据科学项目(MIT)https://www.edx.org/micromasters/mitx-statistics-and-data-science4.微学位：数据科学项目(UC San Diego)https://www.edx.org/micromasters/uc-san-diegox-data-science5.IBM的数据科学专业认证(IBM)https://www.edx.org/professional-certificate/ibm-data-science6.微学位：使用基础方法与工具分析https://www.edx.org/micromasters/gtx-analytics-essential-tools-and-methods7.分析科学在线硕士(Georgia Tech University)https://www.edx.org/masters/online-master-science-analytics-georgia-techCoursera ：旁听免费，认证证书付费1.机械学习 (Andrew Ng / 斯坦福大学)https://www.coursera.org/learn/machine-learning2.专业数据科学(10门课/JHU)https://www.coursera.org/specializations/jhu-data-science3.数据科学实战(5门课/JHU)https://www.coursera.org/specializations/executive-data-science4.专业数据挖掘(6门课/伊利诺伊大学)https://www.coursera.org/specializations/data-mining5.数据科学硕士(8门课/伊利诺伊大学圣巴巴拉分校)https://www.coursera.org/degrees/master-of-computer-science-illinois/data-science6.数据科学应用硕士(密歇根大学)https://www.coursera.org/degrees/master-of-applied-data-science-umichUdacity：一些被选出的导论课程免费，优达数据科学院和人工智能学院的纳米学位课程付费。
1.数据科学导论(免费)https://www.udacity.com/course/intro-to-data-science--ud3592.数据分析导论 (免费)https://www.udacity.com/course/intro-to-data-analysis--ud1703.数据可视化分析(免费)https://www.udacity.com/course/data-analysis-and-visualization--ud4044.使用SQL做数据分析 (免费)https://www.udacity.com/course/sql-for-data-analysis--ud1985. 统计推理入门 (免费)https://www.udacity.com/course/intro-to-inferential-statistics--ud2016.数据科学家微学位 (付费)https://www.udacity.com/course/data-scientist-nanodegree--nd0257.数据科学微学位(付费)https://www.udacity.com/course/data-analyst-nanodegree--nd0028.数据可视化微学位(付费)https://www.udacity.com/course/data-visualization-nanodegree--nd1979.数据工程师微学位(付费)https://www.udacity.com/course/data-engineer-nanodegree--nd02710.机械学习工程师微学位(付费)https://www.udacity.com/course/machine-learning-engineer-nanodegree--nd009t完全免费学习资源，Kaggle 14节微课程包罗https://www.kaggle.com/learn/overview1.Pythonhttps://www.kaggle.com/learn/python2.机械学习导论https://www.kaggle.com/learn/intro-to-machine-learning3.机械学习（中级）https://www.kaggle.com/learn/intermediate-machine-learning4.数据可视化https://www.kaggle.com/learn/data-visualization5.Pandas https://www.kaggle.com/learn/pandas6.特征工程https://www.kaggle.com/learn/feature-engineering7.深度学习https://www.kaggle.com/learn/deep-learning8.SQL导论https://www.kaggle.com/learn/intro-to-sql9. SQL提高版https://www.kaggle.com/learn/advanced-sql10.空间分析https://www.kaggle.com/learn/geospatial-analysis11.微竞赛https://www.kaggle.com/learn/microchallenges12.机械学习（拓展）https://www.kaggle.com/learn/machine-learning-explainability13.自然语言处置惩罚https://www.kaggle.com/learn/natural-language-processing14.游戏AI与增强学习导论https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learningYouTube:有好几个精彩的频道涵盖了数据科学中几个重要的话题。1.Data Professorhttps://www.youtube.com/dataprofessor?sub_confirmation=12. Ken Jeehttps://www.youtube.com/c/kenjee1?sub_confirmation=13. Krish Naikhttps://www.youtube.com/user/krishnaik064. Codebasicshttps://www.youtube.com/channel/UCh9nVJoWXmFb7sLApWGcLPQ5. 3Blue1Brownhttps://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw6. StatQuest with Josh Starmerhttps://www.youtube.com/user/joshstarmer7. Sentdexhttps://www.youtube.com/user/sentdex8. Data Schoolhttps://www.youtube.com/user/dataschool9. Python Programmerhttps://www.youtube.com/user/consumerchampion10. Lex Fridmanhttps://www.youtube.com/user/lexfridman11. Abishek Thakurhttps://www.youtube.com/user/abhisheksvnit12. Two Minute Papershttps://www.youtube.com/user/keeroyz13. Andreas Kretzhttps://www.youtube.com/channel/UCY8mzqqGwl5_bTpBY9qLMAA14. Cory Schaferhttps://www.youtube.com/user/schafer515. Siraj Raval16. Story by Data (Kate Strachnyi)https://www.youtube.com/channel/UCU9GTVEPqlSNRDHypVf3BRw17. RichardOnData18. Joma Tech (Data Science Playlist)https://www.youtube.com/channel/UCV0qA-eDDICsRR9rPcnG7twhttps://www.youtube.com/watch?v=xC-c7E5PK0Y&list=PL0BAwa0pBqg6dr_DfCL3DmeSLtFoAq7UR19. 365 Data Sciencehttps://www.youtube.com/channel/UCEBpSZhI1X8WaP-kY_2LLcg20. Data Science Dojohttps://www.youtube.com/user/DataScienceDojo21. Data Camphttps://www.youtube.com/channel/UC79Gv3mYp6zKiSwYemEik9A22. Import Datahttps://www.youtube.com/channel/UCYDacpfRrCX6_8oDDlzTgFw23. Data Science Jayhttps://www.youtube.com/channel/UCcQx1UnmorvmSEZef4X7-6g24. David Langerhttps://www.youtube.com/channel/UCRhUp6SYaJ7zme4Bjwt28DQ25. Daniel Bourkehttps://www.youtube.com/channel/UCr8O8l5cCX85Oem1d18EezQ5. 为什么是数据科学对于想要学习数据科学的你，需要花一些时间思考和探索以下问题。为什么我想要学习数据科学？最重要的问题：为什么想要学习数据科学？通过这个问题你可以更好的相识数据科学中需要重点关注的点，以免迷失偏向掉入陷阱。
如何在项目中应用数据科学？确定在你的项目中如何应用数据科学很重要。您要回覆的一些问题包罗：您将举行深度数据分析吗？您是否将开发回归/分类/聚类模型？您会要开发谈天机械人吗您是否要开发推荐系统。通过使用数据科学，能给事情带来什么价值正如斯蒂芬·科维（Stephen Covey）在“高效人才的七个习惯”中所说的那样，“从思想的源泉开始”。
因此花一点时间思量一下您希望通过数据科学到达的理想目的地。牢记明确的目的，你会为实现目的的刻意而感应惊讶。6. 保持你的责任心和生产力首先，对自己的学习进度卖力，并保持学习进度。我一直在Ken Jee建设的数据科学家在线社区中举行讨论。
这个在线社区中设有一个讨论板，成员可以在该板上公然公布一周或一个月的目的，这样做有助于我们保持初心。下面是一些提高生产力的基本建议：1.天天使用专门的时间（最好是天天1-2小时或至少45分钟）来学习和训练数据科学。
2.制止分心（关闭手机，制止检察社交媒体等）。如果你没法阻止分心，那就脱离令你分心的情况。这意味着你应该去到一个可以集中注意力的平静的地方。
3.不要拖延，不要过分思考，just do it！因为归根结底，如果你没有取得希望，就意味着你没有学到工具，更无法实现之前目的，走向事业的巅峰。7. 拥抱失败并学会找代码的Bug拥抱失败。你必须学会适应不舒服的地方。简而言之，天下没有免费的午餐，一分耕作一分收获。
不要拘泥于之前的失败，而是要重新站起来并继续实验。卡在学习的中途，不相识某个算法，不知道如何在代码中找bug，这些都是完全OK的。你可以先休息一下，然后再重新实验解决问题。
有时候，你的思维会因为一时的阻塞而变得缓慢，因此，稍作休息可能有助于让思维焕发活力。如果你有一个醒目代码的朋侪，那么当你卡在某个代码中的bug上的时候，就去问问他。如果没有，请直接搜索“Stack Overflow”（如果上面有类似问题的谜底）。如果没有，那就自己在上面提问！学会享受debug代码的历程，把它看成一个学习的时机，因为你可以从失败和错误中获得名贵的履历和教训。
如果没有失败，就没有学习的历程。但当你失败时，不要对自己太过苛责，要学会重头再来，重新开始。你要对失败保持足够的耐心。
8.不要担忧，一切都要重新学起作为新手，数据科学领域内里的新奇术语可能会让你感应震惊，但不要畏惧，记着数据科学和机械学习是一个动态，不停生长的领域，因此新的技术总是在不停被引入的。简而言之，不停改变才是唯一稳定的工具。如上所述，不要被吓倒然后全部推倒重来。
无论你从那里开始，都没有关系，最重要的是你真正开始了你的数据科学之旅。注重基本功1.数据处置惩罚（Python – pandas，R - dplyr）。2.学习统计手段，以便可以将其应用到模型中，例如，应用适当的统计学知识来比力模型的优劣（参数与非参数）。3. 使用数据分析和形貌性统计的手段，以获取数据大致概况。
4.从建设简朴且可解释的机械学习模型（线性回归，基于树的方法）开始。5. 使用你比力熟悉的机械学习方法（相识其背后的数学原理）。专注于项目自己而不是技术不要过分思考。
要战胜“不知道选哪门编程语言比力好”的逆境，择其一然后继续前进。要知道，编程只是一种工具，它是来资助你推进将项目的构想并举行部署的。编程的基本观点与编程语言无关，这意味着编程思想的焦点基础适用于种种语言：界说变量，数组，数据框等流程的控制（好比for循环，if和else语句）数据科学中详细的任务数据预处置惩罚数据可视化模型搭建模型部署9.让你的模型易被复现让你的模型容易被复现有以下利益：1.别人可以帮你，当你遇到代码bug的时候，制作一个最小的事情示例（MWE）是很重要的，以便其他人能够复现你的堕落情况，从而为你提供资助。
2.为未来的你自己和他人节约时间，将项目导出为Docker容器以及Python和Conda的情况。因为你的编码情况中安装的基础库的版本在不停变化，今天可行的方法可能会在六个月之后就运行不了。因此，使用虚拟情况，Docker容器或至少导出库版本（如下所示的pip和conda下令）是十分重要的。
使用pip举行情况的导出：pip freeze > requirements.txt使用conda举行情况的导出：conda env export > environment.yml10. 乐成从心田开始本节探讨这样一个想法，数据科学之旅的乐成与否来自于你的心田。这包罗了为即将发生的事情做好准备的想法。这些观点包罗：好奇心，热爱历程，发展心态和勇气。
好奇心好奇心可以被认为是成为数据科学家的焦点和须要技术之一，因为它使我们在寻求解决问题的创新方式时保持努力性和毅力。爱因斯坦这样比力好奇心和知识。“好奇心比知识更重要。
”―Albert Einstein“…少思量数据科学将如何支持和执行你的计划，多思量如何缔造情况，以使你的数据科学家有能力提出你做梦都想象不到的事情。”―Eric Colson热爱历程学习数据科学不是一件容易的事，但也不是不行能的壮举。
在谈论热爱历程时，会想到三个名字：迈克尔·乔丹（Michael Jordan），加里·维纳丘克（Gary Vaynerchuk）和克莱蒙·米海莱斯库（Clément Mihailescu）。这三小我私家可以被认为是他们所从事的领域中做的最好的，因为他们对事情的热情是无比强烈的。
在签署他的第一份职业篮球条约时，迈克尔·乔丹（Michael Jordan）确保：“对角逐的热爱”，条款被包罗在条约当中，该条款使乔丹可以不受限制地随时随地打篮球。正如Gary Vaynerchuk（VaynerX主席，VaynerMedia首席执行官，《纽约时报》5次脱销书作者）在YouTube视频中所说，当被问及是否可以通过委派大部门事情给别人以淘汰自己的事情时间时，他说。“我热爱事情的历程，我喜欢钻研，我喜欢攀缘。
如果我无法为我想要的事情而努力事情，我会感应窒息。”―Gary VaynerchukClémentMihailescu（AlgoExpert首席执行官，前Facebook软件工程师兼技术YouTuber）在YouTube视频中讲述了自己如何做到永不疲倦。
“说到头来，你必须享受历程。无论你在做什么，无论你在追求什么，都必须享受天天的生活，必须喜欢坚韧不拔的工具。你必须像呼吸一样和他们共存。
”―Clément Mihailescu发展的心态与勇气基于数年的研究，Character Lab的首创人兼首席执行官，宾夕法尼亚大学心理学教授Angela Duckworth在她最脱销的著作《勇气：激情和毅力的气力》中，将“勇气”一词界说为激情和毅力的联合。特别是她对毅力的界说：“毅力是保持对恒久目的的兴趣和努力的趋势。
”―Angela DuckworthCarol Dweck在她的《心态：改变思维方式来实现潜能》中形貌了她对指导我们生活的两种主要心态的研究：（1）发展心态和（2）牢固心态。前者与乐成相关，尔后者通常会导致自我怀疑和不满足的生活。
在她的TED演讲中，Dweck提出了在舒适区域外事情的重要性，这是提高绩效的关键。在数据科学中，厘革是不行制止的，因为总会有新的具有挑战的观点被引入，这些观点可能会笼罩或重新界说先前的观点。我们将始终从心田出发，面临庞大的挑战，以应对这些变化，正确的心态可以资助你迈向乐成之路。
彩蛋：11.负担全部责任我们通常很容易找到捏词，把无数的事情归罪于生活中的不幸。正如Gary Vaynerchuk总是会说的那样，当我们这样做时，“我们的责任是零”。学习数据科学与我们一生中所做的其他努力没有什么差别。
真正的问题是，我们应该为自己在学习历程中遇到的拖延或障碍卖力，还是我们不用负担全部责任并将责任推卸到其他地方？“对发生在你身上的事情负担全部责任，这是人类成熟度的最高形式之一。负担全部责任的那一天就是你认识到自己从童年到成年的那一天。”―Jim Rohn“一切发生在你身上的事情都是你的错。
你想真正赢得人生吗？你想获得真正的快乐吗？你知道我为什么真的很兴奋吗？因为我认为一切都是我的错。如果我不喜欢，我就能做出改变。
“―Gary Vaynerchuk现在，花点时间反思一下。让我们开始负担责任并负担全部责任，你会惊讶于你在数据科学之旅中可以取得的成就。只有我们能够客观地对自己的行动和缺乏进步负担全部责任，我们才有能力对这些错误接纳行动。
我给你留下Jim Rohn的这句话。乐成不是你追求的工具，乐成是你成为的工具。―Jim Rohn这就是如果我能回到已往，并告诉22岁的自己关于学习数据科学的十件事。
我希望这些对你开始数据科学之旅会很有用，或者如果你已经开始，那么希望你能从中找到有用的工具。学习数据科学的最佳方法是训练数据科学。祝你旅途愉快！相关报道：https://towardsdatascience.com/10-things-i-wish-i-knew-about-learning-data-science-7a30bfb91759编辑：王菁校对：林亦霖—完—想要获得更多数据科学领域相关动态，诚邀关注清华-青岛数据科学研究院官方微信民众平台“ 数据派THU ”。
本文关键词：数据,科学,入,门前,需要,知道,的,10件事,泉源,亚博2022手机登录网址
本文来源：亚博2022手机登录网址-www.behill.net.cn