本文作者回顾了自己的数据科学学习之路，建议初学者从分解数据科学的组成部分（编程和数学）、找到学习起点、构建最小可行知识（MVK）、实践项目、学习他人代码和从头构建算法六个方面入手。通过分解数据科学，明确编程和数学的基本概念，实践项目以获得反馈，并通过参考他人代码加深理解，逐步提升技能。
全文共2526字，预计学习时长8分钟
图源：unsplash
我的数据科学之路非常循规蹈矩。本科学的是经济学，我从商业学位的课程中学习到了商业敏锐度；硕士学位是全球商业和计算机科学（方向是机器学习和人工智能），计算机科学学位的课程中教会我大部分的技术要素，并且我还拥有一份数据科学的实习。
回顾过去，我的道路没有任何问题，但是，如果当时我就知道自己现在正在做什么，我将会如何规划自己的数据科学之旅呢？
这个问题对于刚接触该领域的人来说特别重要。自从我开始投身该领域以来，很多事情都改变了。职位竞争更加激烈，学习选择也更多。我希望我的经验可以帮助其他人更快、更全面地学习数据科学，并获得更好的工作机会。
每个人的学习都是不同的，我的话也不是真理，你很有可能会找到一些更适合你的东西。尽管如此，还是我希望这篇文章能让你在学习这一领域时，提前了解宏观层面的知识。
第一课:分解
刚开始学习数据科学时，我一下子就被大
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
