给自己三个月时间来学数据科学

面对大数据浪潮，面对数据挖掘与机器学习的高薪工作，你终究还是忍不住跳进数据科学的坑，你想成为一名数据科学家。但是从哪里开始呢?资源太多了。你如何决定起点?你错过了本该学习的话题吗?哪些是最好的学习资源?放下这些困惑，从现在开始给自己三个月的时间，你将是有所收获。

第一周：开始学习数据科学和Python

从现在开始，正式开始你的机器学习/数据科学的道路,路漫漫其修远兮，道阻且长啊。作为开始你要了解数据科学在该行业中扮演的角色。在入门时学点python编程也是必需的，python将是你在数据科学道路上的必要工具，不要问为什么要用python。

第二周：统计、数据挖掘和基本数据可视化
在这个周结束之前，你应该牢牢掌握统计学的基本知识。您还应该熟练地探索提供给您的数据集，并了解数据可视化在其中扮演的角色。这位崭露头角的数据科学家正在慢慢崭露头角!

第三周：概率与机器学习基础(第一部分)
是时候进入机器学习了!您应该对基本的机器学习主题(如线性和逻辑回归等)有了一个牢固的掌握。为了测试您目前所学到的知识，我们将为您提供两个项目来应用您新获得的数据科学技能!

第四周：机器学习基础(第二部分)和特征工程
继续学习ML的基础知识，在4周底之前，你应该知道足够多的知识来参加黑客松是一个不错的排名。此外，深入研究特征工程——这是数据科学中最重要的事情之一。

第五周：构建您的数据科学角色
仅仅建立模型是不够的。数据科学家的真正考验在于向非技术人员解释您创建的模型的能力。到5周底，作为一名数据科学家，你应该已经构建了自己的思维和个性，以便能够做到这一点。这是你进步的关键时刻。努力在黑客松和竞赛中获得高分，同时学习如何有效地展示你的作品。同时，开始寻找实习机会;到目前为止，你应该有足够的知识来获得一份工作。

第六周：先进的机器学习和时间序列建模
深入研究高级机器学习。半年过去了，您应该准备好处理高级ML算法和时间序列模型。

第七周：处理非结构化数据
不幸的是，大多数真实数据都是非结构化的。本月，您应该更深入地了解如何在业务场景中处理非结构化数据，包括学习自然语言处理领域。在这个月底，你会得到一些项目来应用你新学到的技能。

第八周：深度学习入门
下面是最热门的数据科学主题之一——深度学习!到8周底，你应该能够处理基本的神经网络问题。像往常一样，我们将为您提供几个项目来测试您的勇气。

第九周- 第十周：练习!
实践是数据科学游戏的名称。通过参加比赛不断检查自己的进步。到10周底，你也应该熟悉推荐方法等话题，加强学习。这也是您应该开始学习SQL之类的语言来与数据库交互的时候(对于数据科学家来说，这是一项真正重要的技能)。

第十一周-第十二周：申请工作

刷一些算法题，看一些面试宝典，为自己就业储存点知识点。如果你认真执行了这个计划，你应该能够处理面试问题。继续学习新技能，钻研大数据，确保你坚持你的计划!

公众号内资源目录：

1、pycharm和anaconda安装包（包括windows、linux和macos）

2、centos和VMware虚拟机安装包

3、python3.6零基础入门全套教程

4、python机器学习数学基础讲解视频

5、python机器学习经典算法讲解视频

6、python深度学习基础讲解

7、python深度学习神经网络12周全套课程

8、python数据分析挖掘课程

9、python自然语言处理全套课程

10、python零基础爬虫课程

11、Kaggle实战案例分析

12、python分布式爬虫入门视频课程

13、python数据分析从入门到精通

14、python量化交易

上面列举一些大概资源目录，更加详细内容参见云盘资源，关注公众号“python练手项目实战”，后台回复“1202”即可免费获得。更多资源请继续关注公众号。

微信公众号：python练手项目实战
更多机器学习算法的学习欢迎关注我们。对机器学习感兴趣的同学欢迎大家转发&转载本公众号文章，让更多学习机器学习的伙伴加入公众号《python练手项目实战》，在实战中成长。同时欢迎在公众号内留言。