如何真正学到科学数据的方法？

数据科学的快速发展，作为一个全新的领域，令人兴奋。虽然数据科学带来了巨大的经济效益，但人们在数据科学和技术方面的知识沟也逐渐出现，这意味着更多的人需要尝试理解和学习数据科学。初学者需要跨越的第一个门槛是“我应该如何学习数据科学”。当你解决这个问题时，通常的方法是为自己安排一系列的课程来学习，当然，有一大堆教科书要阅读，线性代数和统计学已经成为你必须处理的“新朋友”。我们用“洪荒之力”努力学习。我们甚至没有编程的学习背景，但我们相信有一天我们会有处理数据的能力。然而，这个过程往往充满了头痛，因为我们找到了大量的学习资源，但我们仍然找不到学习方法，就像你的老师在考试前告诉你书中的“重点”一样。我们在学校读书这么多年了。如果数据科学的学习还是那么循规蹈矩，很多人大概会半途而废。但不可否认的是，有些人通过阅读大量的书籍取得了成功，但我建议你继续积累和尝试。例如，当我们从一些小事中得到启发时，我们的学习之路就开始了。我们应该清楚地学习什么，只有这样我们才能及时掌握有用的技能。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统计数据。如果你想学习数据科学，你的第一个目标应该是学会热爱数据。如果你感兴趣，我会带你去了解如何真正学习科学数据。在数据科学的帮助下完成的可视化案例(选自经济学人)1、我们学会热爱数据，盲目学习新技术，却很少关注自己的学习动机。数据科学是一个广泛甚至模糊的领域，使其难以掌握。如果你没有动力，你很可能会在学到一半的时候开始怀疑自己。我知道这不怪你，因为你只是没有得到正确的指导。你需要找到一些能激励你学习的东西。即使偶尔熬夜让公式看起来模糊，你仍然会欣然想象。你甚至认为这可能是神经网络的作用。你需要在学习中找到一些“桥梁”，一些可以连接统计学、线性代数和神经网络的桥梁。当你找到它时，你自然不会被“我接下来应该学什么”这样的问题所迷惑。我学习数据科学的起点是预测股市，尽管当时我对它了解不多。在早期的一些程序中，我开始编码预测，没有统计数据。虽然我知道预测误差可能很大，但为了做得更好，我仍然日夜改进。我对改进程序的表现着迷，渐渐地我发现我也开始痴迷于股市。因为不断让自己学会热爱数据，我有更多的动力去学习，我想让我的程序更完美。我知道不是每个人都痴迷于股市，但它对我来说是如此重要，因为是股市激励了我，帮助我找到了我真正想学的东西。数据科学的伟大之处在于，你可以与成千上万有趣的事物一起工作：它可以在你的城市里找到新鲜有趣的东西；在地图上标记互联网上的所有设备；以一年的频率更新世界各地的难民地位。。。所有这些都在发现问题，然后试图找到解决问题的答案。存在于互联网上的设备2、通过实际操作学习数据科学学习神经网络、图像识别等尖端技术非常重要，但不幸的是，大多数数据科学并没有直接教你这些：90%的时间是做数据清理，知道一些算法比什么都不知道要好得多，如果你知道线性回归，K-可以解释和翻译means聚类和逻辑回归的结果，能够从头到尾完成整个步骤，你将比那些知道单个算法但不能使用的人更受用人单位的青睐。所有这些都告诉我们，最好的学习方法是进入项目组一起工作。所有这些都告诉我们，最好的学习方法是进入项目组一起工作。通过项目组的合作，您可以快速获得一些实用和有用的技能。当然，你也可以通过这种方式找到自己的投资伙伴。在项目开始时，您需要找到一个好的数据集，然后回答您感兴趣的问题，并开始重复清洁。以下是寻找数据集的一些好地方：100 Interestingdatasetsforstisticsdatasetsubreditucinelengrepository的另一种方法是找到一个深层次的问题。例如，预测股市实际上可以分为许多小步骤。当我第一次连接到雅虎金融API时，我获得了日常价格数据；然后我创建了一系列指标，如过去的平均价格，然后用它来预测未来的趋势。真正的算法在这里没有使用，只是技术分析。后来，我发现这种方法不起作用，所以我开始学习统计，掌握线性回归的方法。然后我连接到另一个API，抓取每分钟的数据，并将其保存到SQL数据库中，直到我的算法越来越完美。这样做的好处是为我以后的学习找到了方向。我不仅学习了SQL语法，还用它来存储价格数据。这恰恰说明只学而不操作只能是徒劳的，对你以后从事数据科学的工作起不到任何作用。显然，图中的人想预测股市离不开数据科学(选自《每日邮报》)3、数据科学家需要不断地向他人传达他们的技能和研究结果，这正是一个合格的数据科学家和一个伟大的数据科学家之间的区别。虽然沟通的概念有时很复杂，但这里有一些你可以尝试做的事情：打开一个博客，发布你的数据分析结果，练习教你的朋友和家人数据科学的概念，你会惊讶地发现，在这个过程中，我对数据科学的理解会不断加深。l学会在聚会上发言。l使用github来控制所有分析。l浏览更多的社区4，如Quora和Datatau。、向同龄人学习，你会惊讶地发现，与他人的团队合作可以学到很多东西，在数据科学领域，团队合作甚至在岗位设置上都非常重要，在这里，我有一些想法：利用聚会寻找可以一起工作的人。l为开源软件包做出贡献。l向那些经常写相关博客的人发送信息，寻求合作。l积极参加数据科学竞赛。你可以认识很多朋友5、不断给自己增加新的困难和挑战。你熟悉你所从事的项目吗？你很久没有尝试新的想法了吗？你已经很久没有尝试新的想法了吗？所以，你需要一些更高层次的困难来磨练自己。数据科学是一座需要一步一步攀登的山。如果你满足于现状，你很快就会被淘汰。如果你觉得学习太舒服，这里有一些建议：尝试处理更大的数据集l，看看它是否能让你的算法更快。l如何将算法扩展到多个处理器？你能做到吗？l试着理解你使用了多种算法，看看它们是否改变了你的假设？l试着教新手你在做什么，学习任何新知识都需要正确的方法，数据科学也是如此。当你想到达一个很远的地方时，你首先需要一个合适的指导方针。只要你能保持正确的心态，任何人都可以学习数据科学。