5个学习大数据的正确姿势

　　数据科学这个新领域发展迅速的同时也有着较大的人才缺口，还有其可观的薪资吸引了无数人。小编分享学习大数据的5个正确姿势：

　　一、学习动机

　　

　　数据科学是一个广泛而模糊的领域，这使得它很难学习。没有动力，你最终会中途停止对自己失去信心。所以，你需要动力去激励自己，即使是在半夜公式已经开始变的模糊，你还是想探究关于神经网络的意义。你需要些动力来让你发现统计、线性代数和神经网络之间的联系，当你在困惑“下一步我该学习什么？”的时候。

　　我痴迷于改善程序的性能，我痴迷于股票市场，我学习去爱数据。我去学习一切能让这个项目结果更好的技能。并不是每个人都会痴迷于股市预测，但重要的是要发现你想学习的东西。

　　二、实践出真知

　　

　　学习神经网络、图像识别和其他尖端技术是很重要的，但大多数数据科学工作不涉及这些，而是：

　　1、90%的工作将是数据清理。

　　2、精通几个算法比知道一点许多算法要好。

　　3、如果你知道线性回归、k - means聚类和逻辑回归,可以解释和诠释他们的研究结果,并可以用这些完成一个项目，你将比如果你知道每一个演算法,但不使用它们更优质。

　　4、大多数时候,当你使用一种算法，它将是库中的一个版本(你很少会自己编码支持向量机实现——这需要太长时间)。

　　所有这些意味着最好的学习方法是在项目工作中学习，通过项目，你可以获得有用的技能。一种方法是在一个项目中先找到一个你喜欢的数据集，回答一个有趣的问题。另一种方法是找到一个深层次的问题，例如预测股票市场，然后分解成小步骤。我先进次连接到雅虎财经的API,并爬下每日价格数据。然后我创建了一些指标,比如在过去的几天里的平均价格,并用它们来预测未来(这里没有真正的算法,只是技术分析)。这个效果不太好,所以我学会了一些统计知识,然后用线性回归。 然后连接到另一个API,清理每一分钟的数据,并存储在一个SQL数据库。 等等,直到算法效果很好。

　　这样做的好处是我在一个学习环境中学习。我不仅仅学习了SQL语法，用它来储存价格数据，还比仅仅学习语法多学习了十倍的东西。学习而不应用的知识很难被保留，当你做实际的工作的时候也不会准备好。

大数据是未来的发展方向，正在挑战我们的分析能力及对世界的认知方式，因此，我们与时俱进，迎接变化，并不断的成长!大数据学习群：868847735  一起讨论进步学习