如何开始数据分析？学习资源推荐

2020-12-28 13:47:44 阅读（173） 评论（0）

他说，有很多文章介绍了进入数据科学领域所需的技能，也有很多采访分享成功的经验和意见。但很少有人能找到文章来介绍他们是如何开始自己的数据科学之旅的。因此，最近他在Medium上写了一篇文章，分享了自己的成长经历。他说一开始他也是菜鸟，不太擅长很多知识；而且，数学从来都不是他最喜欢的科目。不过，今天他非常热爱这个领域。。。以下是文章的具体内容：我最近才开始参加比赛，很少有人走这条路，在过去的九个月里，我在各种比赛中赢得了很多奖牌。这听起来很神奇吗？我曾经特别害怕参加Kagle比赛，因为–觉得他们很难！所以，这一切是什么时候开始改变的呢？作为Oppia，2017年.为了更好地工作，org会员和活跃作家开始学习Python2.7。后来学会了所谓的“过时”Python2.7版，但又要重新学习Python3。当时我只是一个新手程序员，我几乎无法创建列表或add/join字符串。在开源贡献期间，我学习了编程，使用git控制软件版本，并意识到结构和文档代码的重要性。有一天，当我在搜索Python2.7还能做什么的时候，我浏览了互联网，登录了Kagle。著名的Kagle声明（statement）看完问题声明，我惊讶地盯着屏幕。当我读到这一点时。我感到像追星族一样惊讶。预测幸存的人？什么样的黑魔法？我甚至立即检查了Kagle网站的真实性，第二个惊喜是我意识到了–数据科学听起来像是21世纪非常真实的科幻技术！就像一部科幻电影突然出现在我的现实生活中，它的概念对我来说完全陌生。我决定让自己进入这个领域。对数据科学学习的热情一直保持在我身上。(说实话，即使今天没有减少)我是怎么学习的？推荐资源？本书《Python中的数据结构与算法》深入探讨了Python中的OOP、数据结构与算法的概念。我喜欢本章每一节的练习。在制作需要优化和格式化编码的车库项目时，我仍然将其用于日常参考。Python基础知识结束后，用手机学习基础知识。我买了几本关于机器学习的书，我推荐这本书；《ISLR》本书是关于R语言的。但是，我还是很推荐。通常在研究背景下，《统计学习要素》是一本非常推荐的书，对于那些想要深入挖掘并达到统计核心的人来说。ISLR和ESL都可以免费下载。因此，您可以获得免费的机器学习知识，而无需破费。现在，我已经通过了系统的学习，可以用一句话来回答你:事情没那么简单，很复杂。部分原因是术语-数据分析师、数据科学家和ML工程师是三个不同的头衔。这份工作的性质因公司而异。有时数据分析师只能进行SQL查询，或构建模型或进行业务分析。有时他们也会成为项目经理。数据科学家有时会制作基本模型，其他角色需要博士学位。大型系统需要调整和部署研究工作和很少的其他工作。MLEnginer是一个集数据科学知识于一体的软件工程专业知识问题...你的梦想数据科学工作没有固定的职位描述。很多公司还在搞清楚“什么属于数据科学，应该注意什么问题”。在这种情况下，你的学习必须是连续的，而不是受到MOOC课程时间的限制，这变得非常重要。跟随你的激情，解决问题。比如从你的Android手机上收集数据，总结推文研究你最喜欢的演员的粉丝，在《复仇者联盟3》中:在无限战争中应用奇怪的机器学习案例等。重复任务自动化时，行业总会出现问题。让自己理解和学习核心技能，而不是少数库的语法。探索:GAN强化学习机器学习的可解释性，你需要时刻保持学习和成长。例如，如果你不自己做，.transform()和.fit()改进，那么你将成为underfit分类器～

以上就是关于如何开始数据分析？学习资源推荐的相关介绍，更多如何开始数据分析？学习资源推荐相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对如何开始数据分析？学习资源推荐有更深的了解和认识。

内容来源:网络，以上内容来源于网络，不代表本站观点，如有侵权，请联系删除。

上一条：关于“数据驱动增长”，你了解多少？下一条：五个措施减少可能渗透大数据集的“噪点”