8步成為數據科學家

文章發佈於公號【數智物語】 （ID：decision_engine），關註公號不錯過每一篇乾貨。

轉自 |  猴子聊人物（公眾號ID:houziliaorenwu）

作者 |  猴子

這是國外數據科學學習平臺DataCamp成員寫的一篇圖文《8步成為數據科學家》。我們具體來看下有哪些學習內容和學習資源。

這裡說的8步，不是你用8周就可以完成，而是一種學習的方法。這些步驟雖然沒有那麼簡單，但是都是可操作，可實踐的。只要你投入時間去學習，相信時間的積累力量，就可以掌握這些知識。

首先，什麼是大數據科學家？ 

數據科學家是一個跨學科人才，是比軟體工程師更擅長統計學，比統計學家更擅長軟體工程的人。需要掌握的知識有數學統計，編程能力，機器學習，研究能力等。

目前，數據科學家大部分是本科或者碩士學歷（本科37%，碩士31%）。但是不要擔心，從調查數據來看，有5%高中畢業的人也成為了數據科學家。這足以證明，只要你努力去提供自己，英雄是不問出處的。

01第1步：學好統計、數學和機器學習

下麵給出了學習這些知識的資源。如果感覺這些資源學起來太難，可以從《赤裸裸的統計學》、《深入淺出統計學》這兩本書入門。

02第2步：學會編程

掌握電腦科學的基礎知識，學會系統開發的整個過程（end-to-end development），因為你做的東西會成為其他系統的一部分。

選擇一種數據分析的編程語言，例如開源軟體的R , Python語言等，或者商業軟體的SAS, SPSS等。

在學習過程中可以用DataCamp, tryR, Codecademy或Google Class進行互動式學習。

03第3步：理解資料庫

在大部分的實際數據分析項目中，數據大部分是存儲在資料庫中的，所以你得學會資料庫的操作，如關係資料庫MySQL,非關係型資料庫MongoDB等。

04第4步：學會數據預處理、可視化和報表製作

1. 數據預處理：在數據分析師的工作中，有多達60%的時間都花在了實際分析前數據的準備上。數據預處理的目標是為了把數據改變成我們喜歡的樣子，以便於後期的分析處理。這就好比，現在很多女孩照相喜歡用美圖秀秀，眼睛不大，那我就用美圖秀秀把眼睛變大。變成自己喜歡的樣子。

數據預處理可自學Coursera中《Getting and Cleaning Data》的 課程（作者：John Hopkins）。也可以用工具DataWrangler、R語言的data.table和dply包。

2. 數據可視化：數據可視化是將數據分析的結果顯示出來，便於展示。實用工具有ggvis, D3, vega。

3. 數據報表：作為數據分析的最後一步，是將數據分析和結果製作成易於理解的報告。實用工具有Tableau, Spotfire和R Markdown。

05第5步：提升到大數據級別

當你開始處理海量規模的數據時，絕大多數的數據科學家要解決的問題，都無法在單機上完成，需要用分散式處理大數據集，使用的工具有Hadoop，Apache Spark。

06第6步：多實踐，與數據科學家大牛多交流

幸好是互聯網時代，我們可以通過網路認識大牛，並從他們分享的知識內容中學到更多經驗知識。當然，你也可以通過參加比賽，做小項目獲得更多的實踐經驗。

07第7步：實習、實戰、或找份工作

判別自己是不是一個真正的數據科學家的最佳途徑，就是用你新學的知識迎難而上，進入數據分析的工作領域。

08第8步：通過專業社區學到更多

數據分析的網站有：DataTau, Kdnuggets, fivethirtyeight, datascience101, r-bloggers。

可以看這些數據科學大牛的博客：Hilary Mason, David Smith, Nate Silver, dj patil。

可以從quandl上獲取數據。

以上就是成為數據科學家的8步，你在哪一步呢？