今天就跟大家聊聊有關(guān)數(shù)據(jù)科學(xué)家的完整學(xué)習(xí)路徑分享，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

10余年的溫江網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開(kāi)發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。營(yíng)銷(xiāo)型網(wǎng)站建設(shè)的優(yōu)勢(shì)是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整溫江建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無(wú)論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。成都創(chuàng)新互聯(lián)從事“溫江網(wǎng)站設(shè)計(jì)”,“溫江網(wǎng)站推廣”以來(lái)，每個(gè)客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。

從Python菜鳥(niǎo)到Python Kaggler的旅程（譯注：Kaggle是一個(gè)數(shù)據(jù)建模和數(shù)據(jù)分析競(jìng)賽平臺(tái)）

假如你想成為一個(gè)數(shù)據(jù)科學(xué)家，或者已經(jīng)是數(shù)據(jù)科學(xué)家的你想擴(kuò)展你的技能，那么你已經(jīng)來(lái)對(duì)地方了。本文的目的就是給數(shù)據(jù)分析方面的Python新手提供一個(gè)完整的學(xué)習(xí)路徑。該路徑提供了你需要學(xué)習(xí)的利用Python進(jìn)行數(shù)據(jù)分析的所有步驟的完整概述。如果你已經(jīng)有一些相關(guān)的背景知識(shí)，或者你不需要路徑中的所有內(nèi)容，你可以隨意調(diào)整你自己的學(xué)習(xí)路徑，并且讓大家知道你是如何調(diào)整的。

步驟0：熱身

開(kāi)始學(xué)習(xí)旅程之前，先回答第一個(gè)問(wèn)題：為什么使用Python？或者，Python如何發(fā)揮作用？

觀看DataRobot創(chuàng)始人Jeremy在PyCon Ukraine 2014上的30分鐘演講，來(lái)了解Python是多么的有用。

步驟1：設(shè)置你的機(jī)器環(huán)境

現(xiàn)在你已經(jīng)決心要好好學(xué)習(xí)了，也是時(shí)候設(shè)置你的機(jī)器環(huán)境了。最簡(jiǎn)單的方法就是從http://Continuum.io上下載分發(fā)包Anaconda。Anaconda將你以后可能會(huì)用到的大部分的東西進(jìn)行了打包。采用這個(gè)方法的主要缺點(diǎn)是，即使可能已經(jīng)有了可用的底層庫(kù)的更新，你仍然需要等待Continuum去更新Anaconda包。當(dāng)然如果你是一個(gè)初學(xué)者，這應(yīng)該沒(méi)什么問(wèn)題。

如果你在安裝過(guò)程中遇到任何問(wèn)題，你可以在這里找到不同操作系統(tǒng)下更詳細(xì)的安裝說(shuō)明。

步驟2：學(xué)習(xí)Python語(yǔ)言的基礎(chǔ)知識(shí)

你應(yīng)該先去了解Python語(yǔ)言的基礎(chǔ)知識(shí)、庫(kù)和數(shù)據(jù)結(jié)構(gòu)。Codecademy上的Python課程是你最好的選擇之一。完成這個(gè)課程后，你就能輕松的利用Python寫(xiě)一些小腳本，同時(shí)也能理解Python中的類和對(duì)象。

具體學(xué)習(xí)內(nèi)容：列表Lists，元組Tuples，字典Dictionaries，列表推導(dǎo)式，字典推導(dǎo)式。

任務(wù)：解決HackerRank上的一些Python教程題，這些題能讓你更好的用Python腳本的方式去思考問(wèn)題。

替代資源：如果你不喜歡交互編碼這種學(xué)習(xí)方式，你也可以學(xué)習(xí)谷歌的Python課程。這個(gè)2天的課程系列不但包含前邊提到的Python知識(shí)，還包含了一些后邊將要討論的東西。

步驟3：學(xué)習(xí)Python語(yǔ)言中的正則表達(dá)式

你會(huì)經(jīng)常用到正則表達(dá)式來(lái)進(jìn)行數(shù)據(jù)清理，尤其是當(dāng)你處理文本數(shù)據(jù)的時(shí)候。學(xué)習(xí)正則表達(dá)式的最好方法是參加谷歌的Python課程，它會(huì)讓你能更容易的使用正則表達(dá)式。

任務(wù)：做關(guān)于小孩名字的正則表達(dá)式練習(xí)。

如果你還需要更多的練習(xí)，你可以參與這個(gè)文本清理的教程。數(shù)據(jù)預(yù)處理中涉及到的各個(gè)處理步驟對(duì)你來(lái)說(shuō)都會(huì)是不小的挑戰(zhàn)。

步驟4：學(xué)習(xí)Python中的科學(xué)庫(kù)—NumPy, SciPy, Matplotlib以及Pandas

從這步開(kāi)始，學(xué)習(xí)旅程將要變得有趣了。下邊是對(duì)各個(gè)庫(kù)的簡(jiǎn)介，你可以進(jìn)行一些常用的操作：

根據(jù)NumPy教程進(jìn)行完整的練習(xí)，特別要練習(xí)數(shù)組arrays。這將會(huì)為下邊的學(xué)習(xí)旅程打好基礎(chǔ)。

接下來(lái)學(xué)習(xí)Scipy教程?？赐闟cipy介紹和基礎(chǔ)知識(shí)后，你可以根據(jù)自己的需要學(xué)習(xí)剩余的內(nèi)容。

這里并不需要學(xué)習(xí)Matplotlib教程。對(duì)于我們這里的需求來(lái)說(shuō)，Matplotlib的內(nèi)容過(guò)于廣泛。取而代之的是你可以學(xué)習(xí)這個(gè)筆記中前68行的內(nèi)容。

最后學(xué)習(xí)Pandas。Pandas為Python提供DataFrame功能（類似于R）。這也是你應(yīng)該花更多的時(shí)間練習(xí)的地方。Pandas會(huì)成為所有中等規(guī)模數(shù)據(jù)分析的最有效的工具。作為開(kāi)始，你可以先看一個(gè)關(guān)于Pandas的10分鐘簡(jiǎn)短介紹，然后學(xué)習(xí)一個(gè)更詳細(xì)的Pandas教程。

您還可以學(xué)習(xí)兩篇博客Exploratory Data Analysis with Pandas和Data munging with Pandas中的內(nèi)容。

額外資源：

如果你需要一本關(guān)于Pandas和Numpy的書(shū)，建議Wes McKinney寫(xiě)的“Python for Data Analysis”。

在Pandas的文檔中，也有很多Pandas教程，你可以在這里查看。

任務(wù)：嘗試解決哈佛CS109課程的這個(gè)任務(wù)。

步驟5：有用的數(shù)據(jù)可視化

參加CS109的這個(gè)課程。你可以跳過(guò)前邊的2分鐘，但之后的內(nèi)容都是干貨。你可以根據(jù)這個(gè)任務(wù)來(lái)完成課程的學(xué)習(xí)。

步驟6：學(xué)習(xí)Scikit-learn庫(kù)和機(jī)器學(xué)習(xí)的內(nèi)容

現(xiàn)在，我們要開(kāi)始學(xué)習(xí)整個(gè)過(guò)程的實(shí)質(zhì)部分了。Scikit-learn是機(jī)器學(xué)習(xí)領(lǐng)域最有用的Python庫(kù)。這里是該庫(kù)的簡(jiǎn)要概述。完成哈佛CS109課程的課程10到課程18，這些課程包含了機(jī)器學(xué)習(xí)的概述，同時(shí)介紹了像回歸、決策樹(shù)、整體模型等監(jiān)督算法以及聚類等非監(jiān)督算法。你可以根據(jù)各個(gè)課程的任務(wù)來(lái)完成相應(yīng)的課程。

額外資源：

如果說(shuō)有那么一本書(shū)是你必讀的，推薦Programming Collective Intelligence。這本書(shū)雖然有點(diǎn)老，但依然是該領(lǐng)域最好的書(shū)之一。

此外，你還可以參加來(lái)自Yaser Abu-Mostafa的機(jī)器學(xué)習(xí)課程，這是最好的機(jī)器學(xué)習(xí)課程之一。如果你需要更易懂的機(jī)器學(xué)習(xí)技術(shù)的解釋，你可以選擇來(lái)自Andrew Ng的機(jī)器學(xué)習(xí)課程，并且利用Python做相關(guān)的課程練習(xí)。

Scikit-learn的教程

任務(wù)：嘗試Kaggle上的這個(gè)挑戰(zhàn)

步驟7：練習(xí)，練習(xí)，再練習(xí)

恭喜你，你已經(jīng)完成了整個(gè)學(xué)習(xí)旅程。

你現(xiàn)在已經(jīng)學(xué)會(huì)了你需要的所有技能?，F(xiàn)在就是如何練習(xí)的問(wèn)題了，還有比通過(guò)在Kaggle上和數(shù)據(jù)科學(xué)家們進(jìn)行競(jìng)賽來(lái)練習(xí)更好的方式嗎？深入一個(gè)當(dāng)前Kaggle上正在進(jìn)行的比賽，嘗試使用你已經(jīng)學(xué)過(guò)的所有知識(shí)來(lái)完成這個(gè)比賽。

步驟8：深度學(xué)習(xí)

現(xiàn)在你已經(jīng)學(xué)習(xí)了大部分的機(jī)器學(xué)習(xí)技術(shù)，是時(shí)候關(guān)注一下深度學(xué)習(xí)了。很可能你已經(jīng)知道什么是深度學(xué)習(xí)，但是如果你仍然需要一個(gè)簡(jiǎn)短的介紹，可以看這里。

我自己也是深度學(xué)習(xí)的新手，所以請(qǐng)有選擇性的采納下邊的一些建議。deeplearning.net上有深度學(xué)習(xí)方面最全面的資源，在這里你會(huì)發(fā)現(xiàn)所有你想要的東西—講座、數(shù)據(jù)集、挑戰(zhàn)、教程等。你也可以嘗試參加Geoff Hinton的課程，來(lái)了解神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。

附言：如果你需要大數(shù)據(jù)方面的庫(kù)，可以試試Pydoop和PyMongo。大數(shù)據(jù)學(xué)習(xí)路線不是本文的范疇，是因?yàn)樗陨砭褪且粋€(gè)完整的主題。

看完上述內(nèi)容，你們對(duì)數(shù)據(jù)科學(xué)家的完整學(xué)習(xí)路徑分享有進(jìn)一步的了解嗎？如果還想了解更多知識(shí)或者相關(guān)內(nèi)容，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝大家的支持。