2017年最全面数据科学学习计划.pdfVIP

PPV 课-数据普及科学 人人都是数据咖 2017 年最全的数据科学学习计划 导读 希望这篇学习路线图对你学习数据科学有帮助，需要说明的是国内本文中所说的数据科学家在国 内一般称为数据分析师或者数据挖掘师，尽管称谓不同，但文章的路线图仍可作为学习指南供需 要的同学参考。 如果你对英文不是很擅长，也可以到 PPV 课大数据学习社区获取相关的中文课程和学习指南。关 于如何成为一名数据科学家，如果你有自己的学习路线图，希望你能乐意与我分享。 好了，现在就开启你的洪荒之力，和我们一起踏上数据科学的神奇之旅吧！ 为什么要写这篇学习路线呢？ 在 AnalyticsVidhya 上的众多资源中，学习路线图类的文章是比较特别的。写一篇完整的 学习路线图所要付出的精力和努力是大家难以想象的，但是这对读者产生的影响是巨大的。所以 我决定为广大的读者写下这篇 2017 年的学习计划。 我们曾制定过2016年的学习计划 (/blog/2016/01/ultima te-plan-data-scientist-2016/)，还有如何从软件工程转行到数据科学的文章(https://www.a /blog/2017/01/mystory-how-i-became-data-science-analyst-from-soft ware-developer/）。这一次，我们将制定一个更为详细更全面的学习计划，让读者们在今年有 更多的收获，学到更多有用的数据科学知识。 这篇学习路线图适合哪些人群呢？ PPV 课-专注大数据培训 国内领先的大数据学习社区 PPV 课-数据普及科学 人人都是数据咖 这篇学习路线图非常适合今年想要学习 “机器学习”、 “深度学习”和 “数据科学”的朋 友。不管你是新手、想转行还是想寻求技能的提升，这篇计划都会给大家提供了明确的学习方向。 如何使用这篇学习路线图？ 在制定这篇计划时，我们已经考虑到大家普遍存在的问题。目前大家在学习时面临的最大 挑战不是学习资料的匮乏，而是有太多学习资料。以至于你不知道该从哪里开始学习，不知道要 练习什么，不知道要花多少时间在一个概念上，不知道从哪里获得有用的资源等。这对大多数初 学者来说，反而成为了障碍，甚至使原本在学习单一技能的人们中途放弃。 这篇计划则消除了上面的疑惑，包含了理论资源和实战例子。我们还会提供测试资源，让 你对自己的学习有一个评判标准。作为此计划的一部分，你还可以将所学的概念知识运用到实际 问题当中并获得实际操作经验。 目录 1.开始前的一些定义 2.设置目标和时间表 3.2017 年新手的学习之路 4.2017 年转行者的学习之路 5.2017 年中级数据人员的学习之路 6.注释 1.开始前的一些定义 你需要做的第一件事情是确定你属于哪种学习者，请参考下面的说明，并确定你属于哪个 类别。 PPV 课-专注大数据培训 国内领先的大数据学习社区 PPV 课-数据普及科学 人人都是数据咖 数据科学的初学者：  在数据科学或机器学习领域没有经验的初学者  不知道任何分析工具或语言，如 R，SAS 或 Python  无数学和统计的基础知识  已经事先熟知本文一些章节如概率论、线性代数等知识的可以随意跳过学习路线图的 初始部分，以加快学习速度 转行的数据科学家：  不会使用任何分析工具，如 R/Python  不知道机器学习概念等  在数据分析以外的行业工作经验超过 3 年  已经事前熟知本文一些章节如概率论、线性代数等知识的可以随意跳过学习路线图的 初始部分，以加快学习速度 中级数据科学家：  已经了解数据科学，并且可以建立预测性机器学习模型  定期参加数据科学竞赛和编程马拉松  有基本和高级机器学习算法的先验知识 2.为自己设置目标和时间表 我们提供以下一些指南： 数据科学初学者  学习数据科学所需的基本数学和统计知识。  对机器学习算法有基本理解，且能用此来解决现实生活中的问题。  拥有能够参加第一份数据科学的实习或工作的技