Tôi là một lập trình viên, làm thế nào để tôi tham gia vào lĩnh vực Khoa học dữ liệu?

Trước hết thuật ngữ này nghe có vẻ tối nghĩa.

Dù sao..tôi là một lập trình viên phần mềm. Một trong những ngôn ngữ tôi có thể viết mã là Python. Nói về Dữ liệu Tôi có thể sử dụng SQL và có thể thực hiện Quét dữ liệu. Những gì tôi đã tìm ra cho đến nay sau khi đọc rất nhiều bài báo rằng Khoa học dữ liệu hoàn toàn tốt về:

1- Thống kê

2- Đại số

3- Phân tích dữ liệu

4- Trực quan.

5- Học máy.

Những gì tôi biết cho đến nay:

1- Lập trình Python 2- Loại bỏ dữ liệu trong Python

Các chuyên gia có thể hướng dẫn tôi hoặc đề xuất một lộ trình để cải thiện cả lý thuyết và thực tiễn? Tôi đã đưa ra khoảng 8 tháng khung thời gian cho bản thân mình.

Tập trung ít hơn vào việc đạt được các kỹ năng và nhiều hơn vào việc có được kinh nghiệm. Cố gắng thực sự giải quyết một số vấn đề và đăng công việc của bạn trên github. Bạn sẽ tìm hiểu thêm trong quá trình và có thể chứng minh kiến ​​thức và kinh nghiệm cho nhà tuyển dụng, điều này có giá trị hơn nhiều so với hiểu biết sâu sắc về một chủ đề hoặc lý thuyết.

Khoa học dữ liệu là một lĩnh vực được tải khá nhiều hiện nay vì vậy tôi không chắc bạn muốn làm loại công việc nào, nhưng giả sử rằng máy học là một thành phần của nó thì kaggle.com là một nơi tốt để bắt đầu. Về các mục tiêu, nếu bạn có thể làm việc với dữ liệu trong gấu trúc / numpy / scipy, hãy xây dựng các mô hình trong sci-kit tìm hiểu và tạo một số biểu đồ đẹp trong seaborn, ggplot hoặc thậm chí matplotlib thì bạn sẽ không gặp vấn đề gì một công việc từ góc độ kỹ năng - đặc biệt nếu bạn có mẫu mã và ví dụ để thể hiện khả năng của mình. Nếu bạn gặp khó khăn thì stackexchange sẽ có câu trả lời hoặc bạn có thể đăng câu hỏi và bạn sẽ có câu trả lời ngay. Khi bạn đang làm việc để kiếm sống thì bạn sẽ học được nhiều hơn, rất có thể từ một thành viên nhóm cao cấp, người cố vấn cho bạn.

May mắn nhất.

Tôi thích khóa học về Khoa học dữ liệu của Berkeley, sẽ cung cấp một nền tảng và hương vị tốt cho Khoa học dữ liệu, Sau khi chuyển sang udacity và coursera và nhiều tài nguyên khác. Vì vậy, nếu bạn có kỹ năng lập trình hơn sẽ cần toán học và chỉ số và rất nhiều hình dung. Cũng sẽ rất tuyệt khi làm quen với IPython vì điều cần thiết là phải xem mọi bước (trực quan hóa) cách nó thực hiện thay vì viết toàn bộ tập lệnh và kiểm tra sau (anaconda rất dễ cài đặt và làm việc với). Khóa học được liệt kê dưới đây: bcifts.ber siêu.edu / cifts / 1267848 / wiki cũng là khóa học tôi tìm thấy khóa học miễn phí tốt từ SAS: Thống kê 1: Giới thiệu về ANOVA, Regression và Logistic Regression support.sas.com/edu/schedules.html ? ctry = chúng tôi & id = 1979

Bắt đầu với ML sẽ đề xuất: www.kaggle.com/c/titanic/details/getting-started-with-python

bên trái cũng dành cho Excel bằng cách sử dụng các bảng Pivot và R. DataCamp đã phát hành hướng dẫn về cách sử dụng R. Một khi bạn hoàn thành các bước này, nhiều cuộc thi trong việc giành lấy kinh nghiệm là trên kaggle (một phiên bản gần đây cho Phân loại tội phạm ở San Francisco) và cuối cùng video hướng dẫn tuyệt vời từ www.dataschool.io

hy vọng nó giúp ...

Không đồng ý với David, một nhà khoa học dữ liệu thực thụ là một nhà thống kê ứng dụng, người viết mã và biết cách sử dụng các thuật toán học máy vì những lý do đúng đắn. Thống kê là cơ sở của tất cả các khoa học dữ liệu. Đó là "chiếc bánh" mỗi se. Mọi thứ khác chỉ là đóng băng.

Câu hỏi là loại nhà khoa học dữ liệu nào bạn muốn trở thành? Bạn có muốn trở thành một bậc thầy về chủ đề này (kiến thức về cách thức, tại sao, khi nào và khi nào không áp dụng thuật toán hoặc kỹ thuật) hay Kagidd Script Kiddie sử dụng Scipy và nghĩ rằng anh ta là Nhà khoa học dữ liệu?

1 - Số liệu thống kê

2- Mọi thứ khác

Nếu bạn muốn trở thành một người đàn ông thực tế với kiến ​​thức thực sự, hãy bắt đầu với toán học (tính toán, xác suất + stat, đại số lelinear). Trên mỗi bước cố gắng thực hiện mọi thứ với lập trình, python là tốt cho việc này. Khi bạn có được nền tảng tốt, hãy chơi với dữ liệu thực và giải quyết các vấn đề

Các khóa học. Đại số tuyến tính - edx Laff hoặc mã hóa ma trận Stat - edx stat 2x Barkley Compus - đọc ... nó đơn giản

David có một điểm tốt, tôi sẽ đề nghị bạn tập trung vào bất cứ điều gì nó thúc đẩy sự quan tâm của bạn nhiều hơn. Đó là cách duy nhất để thành công trong mọi loại nỗ lực. Nếu bạn muốn xây dựng một cái gì đó mát mẻ bắt đầu với nó. Nếu bạn muốn đọc một cuốn sách đó cũng tốt. Điểm bắt đầu không thành vấn đề. Một vài ngày tới bạn sẽ hiểu rõ hơn về những gì bạn muốn và nên làm tiếp theo.

Khoa học dữ liệu rất rộng, có nhiều con đường khác nhau để đi vào đó. Nó thường được chia thành 4 hoặc 5 loại khác nhau, ví dụ:

Bạn có thể thấy từ các bài đăng khác trong chủ đề này, mọi người đến từ nền Thống kê ứng dụng (áp dụng thuật toán phù hợp), nền lập trình (tham gia vào Kaggle) và những người khác áp dụng nó cho nền tảng kinh doanh

Các công ty hiểu biết có thể gọi một người lập trình bị lệch là "Kỹ sư dữ liệu". Các công ty lớn cũng sử dụng từng loại cho nhóm khoa học dữ liệu của họ, vì vậy việc thể hiện các kỹ năng hình chữ T tốt sẽ là một điều tốt.

Nếu bạn là một lập trình viên, bạn có thể bắt đầu với trình phân loại Cây quyết định, tập trung vào tìm hiểu toán học đằng sau Entropy và Thông tin-Đạt được. Điều cần thiết là phải hiểu rằng ML chỉ là tất cả về nén dữ liệu.

Tôi rất không đồng ý với một số câu trả lời khác về giá trị của các khóa học thực tế. Giá trị nhất cho ML là toán học: lý thuyết số, đại số tuyến tính và lý thuyết xác suất.

Nếu bạn không tập trung vào toán học, điều duy nhất bạn sẽ học là, làm thế nào để sử dụng một số thư viện để làm phép thuật, đó không phải là học máy và không khoa học chút nào.