5个学习大数据的正确方法—光环大数据学习方法.pdfVIP

5个学习大数据的正确方法—光环大数据学习方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
16 年老品牌 光环大数据 上市大数据培训机构 H 5 个学习大数据的正确方法 对于数据科学来说,现在是发展的黄金时期。这是个新领域,但增长迅速,同 时数据科学家的缺口也很大,据说他们的平均年薪可以达到10 万美元。哪里 有高薪,哪里就吸引人们,但是数据科学技能的差距意味着许多人需要努力学 习。 第一步当然是询问“我怎么学习数据科学”,这个问题的答案往往是一长串的课 程和书籍阅读,从线性代数到统计数据,这几年我也是这样学习过来的。我没 有编程背景,但我知道我喜欢处理数据。 我比较不能理解在完全没有理解别人的背景时就给他一份长长的书单或者技能 表。这就类似于一个老师给你一堆教科书然后告诉你“把这些都读完吧”。在学 校的时候我就质疑这种方法,当我学习数据科学的时候,我绝不会这样做。 有些人可以通过书来很好的学习,但是我认为最好的学习方法是通过实践,知 道自己真的需要学习什么,最重要的是,当你通过这种方式学习,你可以获得 立刻就可以用到的技能。这也是我和很多初学者分享的观点。 这就是为什么我不认为你的第一个目标应该是学习线性代数或是统计。如果你 想学习大数据,你的第一个目标应该是学会爱数据。 1、学会爱数据 光环大数据 H 16 年老品牌 光环大数据 上市大数据培训机构 H 没有人谈论在学习动机。 数据科学是一个广泛而模糊的领域,这使得它很难学 习。 没有动力,你最终会中途停止对自己失去信心。 你需要些东西来激励你不断学习,即使是在半夜公式已经开始变的模糊,你还 是想探究关于神经网络的意义。你需要些动力来让你发现统计、线性代数和神 经网络之间的联系,当你在困惑“下一步我该学习什么?”的时候。 我学习的入口是用数据来预测股市,尽管当时我完全不熟悉。我编码的第一批 项目用于预测股票几乎没有统计,但是我知道它们表现的并不好,所以我日以 继夜的工作让它们变的更好。 我痴迷于改善程序的性能,我痴迷于股票市场,我学习去爱数据。我去学习一 切能让这个项目结果更好的技能。 并不是每个人都会痴迷于股市预测,但重要的是要发现你想学习的东西。 关于全世界移动设备使用情况的地图 数据可以计算出关于你的城市很多新鲜有趣的事情,比如所有设备在互联网上 的映射、找到真正的NBA 球员的位置,今年又哪些地方有难民,或者是其他事 情。数据科学的伟大之处是有无限有趣的东西可以发现——那就是问问题然后 找到一个方法来得到答案。 2、在实践中学习 光环大数据 H 16 年老品牌 光环大数据 上市大数据培训机构 H 学习神经网络、图像识别和其他尖端技术是很重要的,但大多数数据科学工作 不涉及这些: 90%的工作将是数据清理。 精通几个算法比知道一点许多算法要好。 如果你知道线性回归、k – means 聚类和逻辑回归,可以解释和诠释他们的研究 结果,并可以用这些完成一个项目,你将比如果你知道每一个演算法,但不使用它 们更优秀。 大多数时候,当你使用一种算法,它将是库中的一个版本(你很少会自己编码支持 向量机实现——这需要太长时间) 。 所有这些意味着最好的学习方法是在项目工作中学习,通过项目,你可以获得 有用的技能。 一种方法是在一个项目中先找到一个你喜欢的数据集,回答一个有趣的问题。 这里有一些好的地方 100+有趣的数据集的统计数据http://rs.io/100-interesting-data-sets-for- statistics/ 数据集 subreddit/r/datasets UCI 机器学习库 /ml/ 另一种方法是找到一个深层次的问题,例如预测股票

文档评论(0)

zcbsj + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档