教您成為頂級數據分析師和數據挖掘師

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

一名數據科學家的新年計劃

根據數據科學家一生的三個發展階段，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。如果你已經成功地完成了現有階段的任務，就可以轉向下一階段。我還列出了現有的有關該主題的最佳課程。

初級水平

什么是初學者？如果解析學和數據科學對你來說是全新的領域，你也不知該行業的發展模式，而你又想在這個行業大展拳腳一番，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：數據挖掘實戰》、《R語言入門》

2. 學習統計學和數學

統計學的內容全都是關于假設和數列，然而沒有統計學和數學的知識你很難深入到數據行業里，這是數據科學家的重中之重。如果你不擅長數學，那現在是時候走出困境了。面對深奧的統計、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質的統計學課程。下載APP，現在就能開始學習！

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

3.一次性完成一門網絡開放課程（最難執行）

大規模網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上的數據科學專業化（R語言）課程；學習Dataquest上的數據科學Python語言課程。

PS:推薦R語言和python進階課程：《R語言實戰》、《Python進階：數據挖掘算法》

4. 了解業界動態，善于探索和發現

你要了解業內動態。我們生活在一個變化的世界，一夜之間事物就可能發生重大變化，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驗的專業人士、業內專家交流，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：大數據相關電子書集

中級水平

中級水平的數據科學家是什么樣的？如果你已經完成了前一階段的內容，有過機器學習基礎知識的實踐經驗，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了嗎？

1.理解并構建你的機器學習技能

機器學習是數據科學和技術的未來。所有的大型企業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：數據挖掘算法》視頻課程

3. 探索Spark、NoSQL和其他大數據工具

今年你的學習之旅始于大數據?？紤]到大數據專業人員的需求激增，你一定要學習Spark，這個工具最近非?；鸨?。大數據的未來就在Spark，它廣泛用于處理和操縱數據。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據科學的路上不斷探索的人們。你可以加入活躍的數據科學論壇，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圈里發起聚會。

推薦任務：關注大數據公眾號和論壇等等。

5.參加數據科學競賽

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強數據科學家之列。而現在，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，你們所了解的數據科學，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，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據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驗幫助數據分析學領域的人。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現的領域。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。