對于數(shù)據(jù)科學(xué)來說，現(xiàn)在是發(fā)展的黃金時期。這是個新領(lǐng)域，但增長迅速，同時數(shù)據(jù)科學(xué)家的缺口也很大。最好的學(xué)習(xí)方法是通過實踐，知道自己真的需要學(xué)習(xí)什么，最重要的是，當(dāng)你通過這種方式學(xué)習(xí)，你可以獲得立刻就可以用到的技能。

1、學(xué)會愛數(shù)據(jù)

數(shù)據(jù)科學(xué)是一個廣泛而模糊的領(lǐng)域，這使得它很難學(xué)習(xí)。 沒有動力，你最終會中途停止對自己失去信心。你需要些東西來激勵你不斷學(xué)習(xí)，即使是在半夜公式已經(jīng)開始變的模糊，你還是想探究關(guān)于神經(jīng)網(wǎng)絡(luò)的意義。你需要些動力來讓你發(fā)現(xiàn)統(tǒng)計、線性代數(shù)和神經(jīng)網(wǎng)絡(luò)之間的聯(lián)系，當(dāng)你在困惑“下一步我該學(xué)習(xí)什么?”的時候。我學(xué)習(xí)的入口是用數(shù)據(jù)來預(yù)測股市，盡管當(dāng)時我完全不熟悉。我編碼的第一批項目用于預(yù)測股票幾乎沒有統(tǒng)計，但是我知道它們表現(xiàn)的并不好，所以我日以繼夜的工作讓它們變的更好。我癡迷于改善程序的性能，我癡迷于股票市場，我學(xué)習(xí)去愛數(shù)據(jù)。我去學(xué)習(xí)一切能讓這個項目結(jié)果更好的技能。并不是每個人都會癡迷于股市預(yù)測，但重要的是要發(fā)現(xiàn)你想學(xué)習(xí)的東西。數(shù)據(jù)可以計算出關(guān)于你的城市很多新鮮有趣的事情，比如所有設(shè)備在互聯(lián)網(wǎng)上的映射、找到真正的NBA球員的位置，今年又哪些地方有難民，或者是其他事情。數(shù)據(jù)科學(xué)的偉大之處是有無限有趣的東西可以發(fā)現(xiàn)——那就是問問題然后找到一個方法來得到答案。

2、在實踐中學(xué)習(xí)

學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、圖像識別和其他尖端技術(shù)是很重要的，但大多數(shù)數(shù)據(jù)科學(xué)工作不涉及這些：90%的工作將是數(shù)據(jù)清理。精通幾個算法比知道一點許多算法要好。如果你知道線性回歸、k – means聚類和邏輯回歸可以解釋和詮釋他們的研究結(jié)果,并可以用這些完成一個項目，你將比如果你知道每一個演算法,但不使用它們更優(yōu)秀。大多數(shù)時候,當(dāng)你使用一種算法，它將是庫中的一個版本(你很少會自己編碼支持向量機實現(xiàn)——這需要太長時間)。所有這些意味著最好的學(xué)習(xí)方法是在項目工作中學(xué)習(xí)，通過項目，你可以獲得有用的技能。

一種方法是在一個項目中先找到一個你喜歡的數(shù)據(jù)集，回答一個有趣的問題。這里有一些好的地方。

另一種方法是找到一個深層次的問題，例如預(yù)測股票市場，然后分解成小步驟。 我第一次連接到雅虎財經(jīng)的API,并爬下每日價格數(shù)據(jù)。然后我創(chuàng)建了一些指標(biāo),比如在過去的幾天里的平均價格,并用它們來預(yù)測未來(這里沒有真正的算法,只是技術(shù)分析)。這個效果不太好,所以我學(xué)會了一些統(tǒng)計知識,然后用線性回歸。 然后連接到另一個API,清理每一分鐘的數(shù)據(jù),并存儲在一個SQL數(shù)據(jù)庫。 等等,直到算法效果很好。

這樣做的好處是我在一個學(xué)習(xí)環(huán)境中學(xué)習(xí)。不僅僅學(xué)習(xí)了SQL語法，用它來儲存價格數(shù)據(jù)，還比僅僅學(xué)習(xí)語法多學(xué)習(xí)了十倍的東西。學(xué)習(xí)而不應(yīng)用的知識很難被保留，當(dāng)你做實際的工作的時候也不會準備好。

3、學(xué)會溝通

數(shù)據(jù)科學(xué)家需要不斷展示他們的分析結(jié)果。這個過程可以區(qū)別數(shù)據(jù)科學(xué)家的水平。交流的一部分是對主題的理解和理論， 另一個是理解如何組織你的結(jié)果。最后一部分是能夠清楚地解釋您的分析。 展示你的數(shù)據(jù)分析的結(jié)果。試著教那些對數(shù)據(jù)科學(xué)技術(shù)知識并沒有什么概念的人，比如你的朋友和家人這可以可以幫助您理解概念。試著在聚會上演講。使用github管理你所有的分析。在一些社區(qū)中活躍，比如Quora , DataTau , machine learningsubreddit。

4、向同行學(xué)習(xí)

你根本想不到你會從同行身上學(xué)到多少東西，在數(shù)據(jù)工作中，團隊合作非常重要。在聚會中找一些同伴。開源軟件包。給哪些寫有趣的數(shù)據(jù)分析博客發(fā)消息看有沒有合作的可能。

5、不斷增加學(xué)習(xí)的難度

你完全熟悉這個項目的工作了? 你最后一次使用一個新概念是在一周前? 那么是時候做些更加困難的挑戰(zhàn)了。如果你停止攀登，那么不進則退。如果你發(fā)現(xiàn)自己太舒適,這里有一些建議:處理更大的數(shù)據(jù)集。 學(xué)習(xí)使用spark?？纯茨隳懿荒茏屇愕乃惴ǜ臁Ｄ銓⑷绾螌⑺惴〝U展到多個處理器? 你能做到嗎?理解更多的理論算法并使用。這會改變你的假設(shè)嗎?試圖教一個新手去做你現(xiàn)在正在做同樣的事情。上面這些這至少是一個思路告訴你在開始學(xué)習(xí)數(shù)據(jù)科學(xué)的時候到底要做什么。如果你完成了這些，你將發(fā)現(xiàn)你的能力自然而然就提升了。我不喜歡那些“一個清單”這樣的建議，因為這讓我很難按部就班去做。我發(fā)現(xiàn)很多人在跟著書單或者課程學(xué)習(xí)中半途而廢。我個人相信如果你有正確的目標(biāo)任何人都可以學(xué)習(xí)數(shù)據(jù)科學(xué)。這是一個幫助你學(xué)習(xí)大數(shù)據(jù)的網(wǎng)站，其中包括了很多優(yōu)秀的學(xué)習(xí)經(jīng)驗和討論。你可以分析一些有趣的數(shù)據(jù)集，比如美國中央情報局的文件和球員統(tǒng)計。還可以完成一些項目，比如建立一個投資組合。如果你不知道如何分析，這也不是問題，我們會教你python。我們教Python因為它是最初級的友好語言，用于大量生產(chǎn)數(shù)據(jù)的科學(xué)工作，可用于各種各樣的應(yīng)用。