一个数据科学家的新年计划

隔壁他二叔

一个数据科学家的新年计划

2016-01-23 22:52:06

　　选文|孙强
　　翻译|赵娟 王珏
　　校对|姚佳玲

　　简介
　　新年并非仅仅是更换日历或是清晨起床后揉开双眼。新年是充满喜悦的一个崭新开始。它给我们一个完美的理由养成一个新习惯，它意味着新“希望”的到来。
　　如果你正在阅读这篇文章，我确信数据科学会让你兴奋！你要在2016年做出改变，难道不是吗？如果你从今天开始致力于实现这些目标，这是完全可能的。你必须明白，成为一个数据科学家需要一个过程，它不是一朝一夕的成功。因此，你必须耐心地朝着目标而努力。
　　提示：
　　1. 原文中涉及了大量链接，值得收藏！在大数据文摘后台，回复“计划”，可下载doc文件，获取文中提供的所有链接。
　　2.这些通用的学习计划是为有抱负的/有经验的数据科学家准备的。该文章可能不适合非数据分析领域的人员。
　　一个数据科学家的新年计划
　　我已经将这些学习计划根据数据科学家的三个水平阶段进行了分类。你来决定那个阶段最适合你，并进行实践。当你完成本阶段的学习任务后，便可进入下一个阶段。针对不同的学习主题，我列出了可获取的最好的课程。为了达到最佳效果，我建议你逐一学习这些课程。如果你觉得课程学习困难，请与我讨论，我会给你提供一个备选方案。方便起见，我分享了可供下载的连接。
　　
　　初级水平
　　谁是初学者？如果数据分析和数据科学对你来说是一个全新的领域，你不了解这个行业是如何运作的，但是，你满怀好奇的在该领域发展你的事业，那么，你就是个初学者。下面就是你的学习目标：
　　1.从编程语言开始，无论是R或Python。
　　我曾看到有学生同时学习R和Python。最终，他们什么都没学会。这种学习方法很糟糕。你必须保证自己深入学习R或Python。这是两个在公司中广泛应用的开源工具。Python是公认的最简单的编程语言。R仍是人们最为喜爱的统计工具。选择权在你。两者都很好。
　　学习课程：在[url=]Codecademy[/url]完成Python的学习。在[url=]DataCamp[/url]完成R的学习。
　　2.学习统计学和数学
　　统计学是关于假设和运算的学科。但是，如果你不懂统计和数学，很难在这个行业立足。它是数据科学家的核心竞争力。如果你的数学不好，是时候改变了。习惯使用强大的统计技术、代数和概率学。在可汗学院（Khan Academy）、 Udacity 等平台上有非常棒的统计学课程。装上这些APP，便可马上开始学习。
　　学习课程：在Udacity上完成 [url=]Inferential[/url]和[url=]Deive[/url]统计学习。在 [url=]Khan Academy[/url]完成代数的学习。
　　3.报名参加一个大型开放式网络课程（MOOC）
　　大型开放式网络课程（简称MOOC）可以自由访问和学习。但是，这是你做出的最难实现的承诺。学生们通常一次性报名参加多个课程，但最终一个也完成不了。因此，你必须专注于一个课程，完成之后，在进入下一个课程的学习。你可以在coursera, edX, Udacity上学习任何课程。
　　学习课程：在[url=]Coursera[/url]完成数据科学专业（R）的学习。在[url=]Dataquest[/url]完成数据科学Python的学习。
　　4.积极参与行业实践，发现新事物
　　你需要知道这个行业正在发生哪些变化。我们生活在一个充满活力又瞬息万变的世界。今天还十分盛行的技术明天可能就过时了。你必须与经验丰富的专家交流，结识“未来的自己”。现在就开始行动吧，加入讨论、参加聚会、关注博客、参加团体活动，并阅读专业书籍。你可以在[url=]Facebook[/url]上跟进这方面的最新消息。
　　
　　中等水平
　　谁是中等水平的数据科学家？如果你已经完成了初级水平的学习，并且已经尝使用机器学习的基础知识，熟练掌握了建立预测模型的知识，那么你已经到达了数据科学家的中级水平。达到这个水平需要巨大的决心和大量的练习。准备好迎接这个挑战了吗？
　　1. 理解并构建机器学习技能
　　机器学习是数据科学与技术的未来。所有大公司在雇佣该项技术人才方面投入大量的资金和人力。毫无疑问，当前这种人才的市场需求巨大。对个人而言，也是个不可多得的好机会。今年，你应当在机器学习方面深入拓展。熟练掌握回归分析（Regression）、聚类分析（ Clustering）、 CART 算法。打开下面的连接，你可以找到关于机器学习方面的免费学习资源：
　　学习课程：在[url=]Andrew Ng[/url]完成机器学习的课程。
　　2. 专注于Ensemble和Boosting 算法的学习
　　一旦你对机器学习充满自信，那么转攻下一个模型吧。使用boosting和ensemble算法，可以使得模型的精度远远高于其他算法。上面分享的免费学习资源已经涵盖了这个主题。但是，要让自己更深入的理解这个主题。
　　学习课程：阅读 Kaggle的Ensembling 指南（[url=]Guide[/url]）。在[url=]MIT Lecture[/url]完成Boosting的学习。
　　3. 探索使用Spark, NoSQL以及其他大数据处理工具
　　本年，你将开启自己的大数据之旅。鉴于大数据人才需求的蓬勃发展，你必须学会Spark软件。最近它非常流行。大数据的未来依赖于Spark，它被广泛应用于大数据的操作和处理。通过学习Spark，你还可以拓展自己的专业知识到NoSQL , Hadoop上。
　　学习课程：首先学习[url=]Spark[/url].
　　4. 教育社区同伴
　　还有什么比知识分享更棒！从今年开始，同那些努力学习数据科学的人分享你的知识。你可以加入活跃的数据科学论坛（[url=]forums[/url]），帮他们解疑答惑，教会他们有用的技巧和窍门。你也可以举办类似的聚会。
　　行动指南：追随我们[url=]Facebook[/url]。
　　5. 参加数据科学竞赛
　　是时候检验你的学习效果了。今年你必须参一些竞赛，它能帮你认清自己的长处和短板。此外，你会对已掌握的知识更加自信。我希望你能荣登Kaggle Top500排名榜。从现在开始，你的目标是成为the [url=]Last Man Standing[/url]（点击打开连接，这是一个数据科学领域的竞赛）。
　　行动指南：加入[url=]Kaggle[/url]和 [url=]Data Hack[/url]。
　　提示：比赛可能有点儿难。你可以通过查看这些实际问题来检查自己的技能和知识。他们一点儿不难，但非常有趣！
　　
　　高级水平
　　我无需定义这类人群。大部分人都非常害怕去尝试数据科学，但他们却十分精通。他们已经过上了轻松惬意的生活，但是，他们热爱挑战。他们是经验丰富的专家。下面是一些学习计划：
　　1.构建一个深度学习模型（deep learning model)
　　今年，你要为立志于成为数据科学家的人树立榜样。你必须创建深度学习（deeplearning)的模型。在世界各地，已经有人使用这些模型进行预测了。这是机器学习的高级阶段。其准确性已明显优于一般的机器学习模型。
　　学习课程：完成[url=]Tutorial[/url]的深度学习。
　　2. 回馈社群
　　我相信知识是用于分享而不是用于存储的。分享得越多，学到的越多。换种方法解释，“你学到一个新概念，然后解释给你的两个朋友听，你对这个概念的记忆可能会更久。“今年，你制定一个计划，利用你的知识和经验帮助数据分析社区的成员。这会帮助那些在数据分析领域苦苦挣扎的人们找到胜利的彼岸。
　　行动计划：在[url=]Discuss[/url]上分享你的知识。
　　3.探索强化学习（Reinforcement Learning）
　　强化学习是（Reinforcement Learning）机器学习中最强大的，然而少有人开发的一个分支。今年，在这一领域做些研究。虽然很有挑战性，但值得一试。无人驾驶、间谍无人机就是强化学习的成果。一旦你开始涉足该领域，你就自动进入人工智能领域。
　　学习课程：完成Andrew Moore的[url=]tutorial[/url]。
　　4. 进入Kaggle前50名
　　今年，你必须保持住在Kaggle上的“大师”地位，准确的讲，确保自己在Kaggle排名进入前50。参加适合自己领域的相关竞赛，与其他kagglers组队。参与这个水平的竞赛，你会学习到一些在其他地方学不到的理念。
　　行动计划：加入[url=]Kaggle[/url]
　　追踪你的进程。2016年新年学习计划表 [url=]Download[/url]
　　结束语
　　我理解，这些学习计划对你具有挑战性，但值的一试。根据你当前的情况，自由选择适合自己的学习计划。我只是罗列了有抱负的数据科学家必须要知道的重要知识和技能。
　　在上周我意识到，人们并没有足够的勇气制定新年计划。这个问题也曾困扰着我。因此，我决定写下这篇文章。我希望，在2016年结束之前，你会完成初级水平的学习（假设你是一个新手）。
　　这篇文章已经为你制定新年计划扫除了障碍。作为一个有野心的数据科学家，我已经为你提供了“硬骨头”，就等着你去啃下它了。在学习的过程中如果遇到任何困难，请在下面的评论分享你的想法。