教您成為頂級數(shù)據(jù)分析師和數(shù)據(jù)挖掘師

一個數(shù)據(jù)科學家做了一個如何成長為頂級數(shù)據(jù)分析師和數(shù)據(jù)挖掘師的計劃。根據(jù)發(fā)展階段的不同，我在此給大家分享一些每個數(shù)據(jù)科學家都應該做的新年計劃?？赡苓@個計劃會相對寬泛，大家可以根據(jù)自己的需求去調整和補充。
 

一名數(shù)據(jù)科學家的新年計劃

根據(jù)數(shù)據(jù)科學家一生的三個發(fā)展階段，我將這些計劃做了分類。大家可以自己判斷哪些計劃適合自己并按照計劃行動起來。如果你已經(jīng)成功地完成了現(xiàn)有階段的任務，就可以轉向下一階段。我還列出了現(xiàn)有的有關該主題的最佳課程。

初級水平

什么是初學者？如果解析學和數(shù)據(jù)科學對你來說是全新的領域，你也不知該行業(yè)的發(fā)展模式，而你又想在這個行業(yè)大展拳腳一番，那么初學者就是你。以下這些應該在你的計劃之內。

1. R語言也好，Python語言也好，學習一門新的編程語言

我曾見到有同學同時學習R語言和Python語言，最后落得兩手空空。這種做法是很致命的。你一定要沉下心來專攻一門。鑒于這兩種語言都是開放源代碼工具，所以在公司里都有廣泛運用。Python被公認為最簡單的編程語言，而R語言一直都是最受青睞的統(tǒng)計工具。學習哪一門的決定權在你，因為兩個同等出色。

推薦課程：學習Codecademy上的Python語言課程；學習DataCamp上的R語言課程。

PS：推薦R語言和Python入門課程《Python入門：數(shù)據(jù)挖掘實戰(zhàn)》、《R語言入門》

2. 學習統(tǒng)計學和數(shù)學

統(tǒng)計學的內容全都是關于假設和數(shù)列，然而沒有統(tǒng)計學和數(shù)學的知識你很難深入到數(shù)據(jù)行業(yè)里，這是數(shù)據(jù)科學家的重中之重。如果你不擅長數(shù)學，那現(xiàn)在是時候走出困境了。面對深奧的統(tǒng)計、幾何和概率領域知識時，一定不要驚慌?？珊箤W院（Khan Academy）、Udacity等站點上都有很多優(yōu)質的統(tǒng)計學課程。下載APP，現(xiàn)在就能開始學習！

推薦課程：Udacity上的推論統(tǒng)計學和描述統(tǒng)計學課程；可汗學院（Khan Academy）上的幾何課程。

3.一次性完成一門網(wǎng)絡開放課程（最難執(zhí)行）

大規(guī)模網(wǎng)絡開放課程可以免費獲取和學習，可這對你來說也是最難實現(xiàn)的諾言。很多學生通常一次性注冊選修很多課程，結果一門也沒有圓滿完成。所以，你一定要一次專注一門課，完成之后再選下一門。你也可以在Coursera，edX和 Udacit上查找任何想要的學習課程。

推薦課程：例如學習Coursera上的數(shù)據(jù)科學專業(yè)化（R語言）課程；學習Dataquest上的數(shù)據(jù)科學Python語言課程。

PS:推薦R語言和python進階課程：《R語言實戰(zhàn)》、《Python進階：數(shù)據(jù)挖掘算法》

4. 了解業(yè)界動態(tài)，善于探索和發(fā)現(xiàn)

你要了解業(yè)內動態(tài)。我們生活在一個變化的世界，一夜之間事物就可能發(fā)生重大變化，今日和流行的技術明日就很可能面臨淘汰。你一定要多與一些富有經(jīng)驗的專業(yè)人士、業(yè)內專家交流，預見未來的自己。所以趕快參與到討論和聚會中來吧，關注一些微博微信，加入一些群組，多閱讀一些書籍。

推薦書籍：大數(shù)據(jù)相關電子書集

中級水平

中級水平的數(shù)據(jù)科學家是什么樣的？如果你已經(jīng)完成了前一階段的內容，有過機器學習基礎知識的實踐經(jīng)驗，掌握了建立預測模型的知識，那你就達到了中級水平。完成這一階段需要強大的決心和持久的練習。你準備好迎接這個挑戰(zhàn)了嗎？

1.理解并構建你的機器學習技能

機器學習是數(shù)據(jù)科學和技術的未來。所有的大型企業(yè)都不惜重金雇用掌握這個技能的人才。毫無疑問，近日來這項技術的需求越來越大，現(xiàn)在正是你充分利用這一局面的大好時機。今年，你應該努力在機器學習上精益求精，深入掌握回歸、聚類和分類與回歸樹（CART）技能。Andrew Ng上你可以找到關于機器學習的免費資源。

推薦課程：在Andrew Ng完成機器學習課程任務。

PS：推薦課程《機器學習與R語言實踐》，斯坦福大學公開課《機器學習》

2. 專注集成算法和Bosting算法

一旦你對機器學習充滿自信，那就繼續(xù)去學習其他模型。通過Boosting和集成算法，你的模型準確率與其他算法相比會突飛猛進。上述免費資源里也包含這一主題。不過一定要讓自己做好心理準備，拿下這個主題需要超強的理解力。

推薦課程：閱讀Kaggle Ensembling Guide。學習MIT LectureBoosting相關課程。推薦費博士的《Python進階：數(shù)據(jù)挖掘算法》視頻課程

3. 探索Spark、NoSQL和其他大數(shù)據(jù)工具

今年你的學習之旅始于大數(shù)據(jù)。考慮到大數(shù)據(jù)專業(yè)人員的需求激增，你一定要學習Spark，這個工具最近非?；鸨４髷?shù)據(jù)的未來就在Spark，它廣泛用于處理和操縱數(shù)據(jù)。除此之外，你還可以拓展到NoSQL和Hadoop領域來。

推薦課程：從Spark邁出學習第一步。

4.給社區(qū)成員做分享

還有什么比分享知識更美妙呢！從今年開始，你可以把自己的知識分享給正在數(shù)據(jù)科學的路上不斷探索的人們。你可以加入活躍的數(shù)據(jù)科學論壇，給他們答疑解惑，以你的靈招妙計給他們做培訓。你也可以在附近的行業(yè)圈里發(fā)起聚會。

推薦任務：關注大數(shù)據(jù)公眾號和論壇等等。

5.參加數(shù)據(jù)科學競賽

是時候檢驗你的真才實學了。今年你一定要參加一些競賽。這些競賽會引導你去關注自己的弱勢領域。此外，你也會因已有的學識而信心倍增。我希望你可以榮登Kaggle500強數(shù)據(jù)科學家之列。而現(xiàn)在，你的目標就是堅持到底。

推薦任務：加入Kaggle。加入Data Hack。DataCastle。天池大賽。

附言：有時競賽也會有難度。你也可以通過這些實際的問題來檢驗你的技能和知識。這些問題不難，并且妙趣橫生。

高級水平

對于進入這個階段的人我就不需要來給出標準了，你們所了解的數(shù)據(jù)科學，很多人甚至連嘗試的勇氣都沒有。身處這一階段，你們的生活愜意而又自如?？捎袝r還想去迎接挑戰(zhàn)，以下是一些計劃。

1. 建立深度學習模式

今年，你們要為有志于成為數(shù)據(jù)科學家的人們樹立榜樣。你要下決心在今年建立深度學習的模式。全球的人都在用這一模式進行預測，它是機器學習的高級階段，其準確率明顯高于普通的機器學習模型。

推薦課程：完成深度學習輔導課程任務。

2.回饋

我相信知識的意義不是被束之高閣，而是與人分享。分享越多，收獲越大。據(jù)說，如果你了解一個新概念并解釋給你的兩個朋友，你對這個概念的記憶很可能會更久。所以今年，你必須制定計劃，運用自己的知識和經(jīng)驗幫助數(shù)據(jù)分析學領域的人。這也會為更多的在這個領域的人指明方向。

推薦任務：在社區(qū)分享你的知識。

3. 探索強化學習

強化學習是機器學習中最有效而又鮮有發(fā)現(xiàn)的領域。今年，你可以下定決心研究下這個領域。雖然很有挑戰(zhàn)性，但是一定值得你去嘗試。無人汽車、無人偵察機就是強化學習的碩果。一旦開始學習這些，你就自然而言地進入到了人工智能領域。