9号彩票开户

关注微信  |  微博  |  腾讯微博  |  RSS订阅
读者QQ群③:168129342,投稿请发dashuju36@qq.com
我要投稿

用Python开启你的数据科学事业大门

数据科学家
本文由36大数据(dashuju36)独家翻译,译者潇潇。未经许可,禁止转载。

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

数据科学家

步骤0:找出你需要学习的内容

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:

  • 提出一个问题
  • 收集有助于解决这个问题的数据
  • 清理数据
  • 探索、分析,并可视化数据
  • 构建机器学习模型,并评价该模型
  • 说明结果

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!

步骤1:熟悉Python

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:

  • 通过10个应用快速开始Python是由Michael Kennedy(“与我聊Python”的播客主持人)讲授的一个很好的视频课程。
  • DataCampDataquest都提供简短的Python入门互动课程。
  • Python入门是一门更充实的入门课程,它像一个交互式的教科书。
  • 谷歌的Python课堂是对有编程经验的人最好教程,包括讲座视频和可下载的练习。

步骤2:学习用pandas库进行数据分析、数据处理和可视化

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Jupyternotebook。)

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

步骤3:用scikit-learn进行机器学习

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:

  • 它对大量不同模型提供了一个干净且一致的接口。
  • 它为每一个模式提供了许多调节参数,但同时设置了合理的默认值。
  • 它的文档超出寻常的好,它不仅帮助你理解模型,还提供正确的使用方法。

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)。

数据科学家步骤4:深度理解机器学习

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:

  • 怎么知道哪个机器学习模型最适合我的数据集?
  • 如何解释模型的结果?
  • 如何评价我的模型对未来数据的概括?
  • 如何给模型选择特征?
  • 等等。

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:

  • 我最重要的建议是阅读An Introduction to Statistical LearningPDF /亚马逊)。它将帮助你同时从理论和实践上理解回归和分类的许多重要方法,并且不需要高等数学基础。作者还制作了15个小时的高质量视频来作为这本书的补充。
  • 如果你需要复习概率论和数理统计,我建议阅读OpenIntro Statistics(PDF /亚马逊)。
  • 我制作了一些课程帮助你学习线性回归逻辑回归——两个最受欢迎的机器学习模型。
  • 虽然深入理解各种模型是不可取代的,我制作了一个监督学习模型的对比图,可以作为一个有用的参考指南。
  • 我制作了几个指南,帮助你评估模型的质量:混淆矩阵术语的简单指南理解ROC曲线和AUC评估步骤和标准的对比

步骤5:保持学习和练习

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!

  • Kaggle竞赛是一个很好实践数据科学的方式,不需要提出自己的问题。不要担心你的名次,只需关注在每一个竞赛中学习新东西。(记住,这个过程中你不会练习数据科学工作流中一些重要部分:提出问题、收集数据和说明结果。)
  • 如果是创建自己的数据科学项目,你应该在GitHub或博客上分享。这将有助于告诉其他人,你知道怎么做可重复性数据科学。(如果你不知道如何使用Git和GitHub,我有一个短视频系列,可以帮助你掌握基本方法)。
  • 虽然有大量的数据科学博客,但DataTau可帮助你找到最新和最好的内容。建议关注36大数据Python专区,查看更多教程。
  • 如果你喜欢电子邮件,我最喜欢的是Data ElixirData Science WeeklyPython Weekly
  • 如果你想体验真正的Python社区,我强烈推荐参加PyCon US。(也会在各地举办小型的PyCon会议。)作为一个数据科学家,你还应该考虑参加SciPy和最近的PyData会议。

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

原文地址:How to launch your data science career (with Python)

End.

转载请注明来自36大数据(36dsj.com):36大数据 » 用Python开启你的数据科学事业大门

36大数据   除非特别注明,本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性,宽容,换位思考的原则。

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
友情链接:北京赛车pk拾走势  北京赛车pk拾玩法  幸运农场  9号彩票平台  北京赛车pk拾网站  

免责声明: 本站资料及图片来源互联网文章,本网不承担任何由内容信息所引起的争议和法律责任。所有作品版权归原创作者所有,与本站立场无关,如用户分享不慎侵犯了您的权益,请联系我们告知,我们将做删除处理!