所谓万丈高楼平地起,搞数据科学、机器学习或深度学习,一开始至少得学会跟计算机打交道吧,怎么跟计算机打交道呢?编程。
第一步:学习编程
实话说,计算机体系很庞大,除了语言、数据机构、算法之外,计算机体系结构、操作系统、网络、数据库等等领域庞大。但不管怎样,学习如何编写代码、如何编程是必需的。学完语言、数据结构、算法等基础知识后,如何更进一步提高编程能力呢?上LeetCode刷题成为很多人的不二之选。
第二步:扎实数学
数学是搞数据科学的必备基础,数学不扎实,机器学习里很多原理、推导、公式便无法理解透彻,比如单单一个SVM就涉及到求导、凸优化等数学知识。所以如果数学忘了,很有必要复习并重新扎实数学基础。
涵盖内容:微积分、数理统计与概率论、矩阵、凸优化
推荐书籍:数理统计学简史、矩阵分析与应用by张贤达、凸优化(Convex Optimization)
第三步:掌握适合数据科学的Python
python在当今的数据分析很热,广泛应用于金融、电商等领域的大数据分析,也非常适合数据工作者利用它处理数据,所以Python在数据领域应用的越来越广泛。
第四步:开始学习机器学习
机器学习技术在很多领域应用广泛,包括在数据挖掘、搜索、推荐、广告、自