<DATA-轉載>【数据科学】教你成为数据科学“大咖”！

2016-07-17  数据人网推荐  数据科学自媒体

随着互联网的迅猛发展，在线学习逐渐成为主流，MOOC、慕课等概念如雨后春笋般涌现。以往高等学府才能接触到的计算机科学和数据科学，也随着这次风潮来到了公众面前。OSDSM，即数据科学开源课程，能够从理论和技术两方面，帮助人们学习有效利用数据的核心技能。 一、利用互联网成为“大咖”随着互联网的迅猛发展，网络公开课的网站和APP等日益成熟，从听课、讨论到考试，一条龙的自学服务已经颇成规模。这些课程中，计算机科学尤其是数据科学相关的知识都已包含在内，用户通过使用Coursera、ebooks、StackOverflow以及GitHub等平台发布免费的教育资源，完全能够掌握数据科学的关键内容。 二、学习数据科学的动力现在数据科学家岗位面临极大的缺口。所谓数据科学家，就是同时掌握统计学知识与程序设计技巧，能够服务大数据开发的技术专家。成为一名数据科学家，就有了大数据时代互联网行业的通行证。2013年7月，麦肯锡的报告显示，到2018年，美国数据科学家将会面临多达19万名的缺口。另外与数据科学的相关岗位也炙手可热，能够从数据中挖掘分析见解的管理、分析型人才，缺口高达150万。在这种条件下，只要通过学习、培训，就有机会成为这些急需专业人才中的一员。在这个新兴的行业中，知识与技能比工作经验更加重要。David Hardtke就说，根本就没有5年工作经验以上的数据科学家，因为那会儿压根没有这个岗位。 三、 学校教育的短板在现在的教育体制中，统计学人才由统计学专业提供，计算机科学人才由计算机专业提供。虽然两种学科的专业课程内容互有重叠，但从目的和导向来看，根本无法塑造兼备两种专业知识与能力的复合型人才。一般的学校教育，不能培养出数据科学家，所以这项人才缺口必须通过其他方式进行弥补。对于高级的数据科学家来说，学历很重要，但不是必要的。不论来自蓝翔还是清华，不论是专科、本科还是研究生，都能够胜任。一名数据科学家所需的核心能力——好奇、聪明，能进行流畅的数据分析，有研究的耐心，有严谨的科学态度，对事物持普遍怀疑态度（这些都是将数据科学家从其他人中区分出来的特质）——是所有行业的人中广泛具有的。从足够多的案例中可以看到，很多没有学历的、没有经验的人尝试学习数据科学，依靠自己的努力，广泛运用当前的建模工具，并将自己的一技之长加入开源生态系统内。数据科学的平台和工具正通过开源得到了极大丰富，大数据时代的数据科学家也通过开源不断增加。此外，还有另一项趋势可以缓解现在的人才缺口：数据科学民主化。虽然Neil Raden说“最顶级的数据科学家将在高校、高科技企业、金融界和政府大展身手”，但其实范围远不止于此，James Kobielus认为自学、低学历但热爱数据的人，也将在这一众组织机构对大数据的需求中发挥的重要作用。 四、从这里开始：数据科学的课程表这些数据科学的开源课程，从数学、编程等几个方面塑造数据科学“大咖”。这不是为了重温大学课程，而是以问题导向准备知识。为了集中精力，建议读者选择同一种编程语言的课程学习。我们将这些课程分成了六类，方便读者按照自身能力阶段学习，当然一些课程和书籍现在还没有全部开源，需要读者自行购买。（1）基础篇华盛顿大学在Coursera的《Intro to Data Science》课程、哈佛大学的《Data Science》课程，同时可以参考《Data Science with Open Source Tools》一书。所谓“基础”，是指这一部分课程是为那些对编程有最起码了解，但对数据科学的其它部分——即统计学和分布式计算——有浓厚兴趣的人准备的简介课程。（2）数学线性代数部分，推荐斯坦福大学 Levandosky的《Linear Algebra》、华盛顿大学《Linear Programming (Math 407) 》课程，统计学部分推荐普林斯顿大学在Coursera《Statistics》课程，《Stats in a Nutshell》、《Think Stats: Probability andStatistics for Programmers》、《Think Bayes》。微分方程和微积分，推荐Python指导手册中的《Differential Equations in Data Science》。建模部分推荐G. Polya的 《How to Solve It: A New Aspect of Mathematical Method (Princeton Science Library) 》。（3）编程算法部分，推荐斯坦福大学在Coursera上的课程《Algorithms Design & Analysis》，Kleinberg、Tardos 的《Algorithm Design》。分布式计算推荐华盛顿大学的Coursera课程中Lectures on MapReduce讲座，Cloudera在 Udacity Course上的课程 《Introto Hadoop and MapReduce》， 其中有《Hadoop: The Definitive Guide Book》一书的重要内容摘要，以及Tom White的《Hadoop: The Definitive Guide Book》。数据库部分，推荐斯坦福大学的在线课程《Introduction to Databases》，SQLSchool Mode Analytics 网站的教程或SQL Tutorials SQLZO网站的教程。数据挖掘推荐斯坦福大学在Coursera上的课程《Mining Massive Data Sets》、Anand Rajaraman，Jeffrey David Ullman 合著的《Mining of Massive Datasets》、Matthew A. Russell的《Mining the Social Web: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More 》、Christopher D. Manning与Prabhakar Raghavan、Hinrich Schütze 的《Introduction to Information Retrieval》。（4）数据可视化数据可视化涉及图形设计基础知识，需要学习《Envisioning Information》与《The Visual Display of Quantitative Information》两本书。在了解设计的基础知识后，推荐华盛顿大学的《Data Visualization》、加州大学伯克利分校的《Berkeley’s Viz Class》以及莱斯大学的《Rice University’s Data Viz class》。练习资源可在Scott Murray的《Interactive Data Visualization for the Web》一书及博客的D3 Library得到。（5）实战教程这一部分以Python为例，掌握Python语言并不难，《Learn Python the Hard Way》、《Think Python》都很不错，Google有Python课程，加州理工的《Introduction to Computer Science and Programming》也很不错。在实战中，需要准备Python和virtualenv、NumPy、SciPy、matplotlib、IPython这些软件包，还得会使用它们。这些软件包涉及数据结构与分析、机器学习、网络环境、统计、自然语言、可视化以及应用案例与接口。（6）进阶对于立志成为数据科学“大咖”的人，推荐继续阅读《Doing Data Science: Straight Talk from the Frontline》一书。如果能够学习《Capstone Analysis of Your Own Design; Quora’s Idea Compendium》和华盛顿大学的《Healthcare Twitter Analysis》，则能够在打开 “大咖”大门之时起到画龙点睛的效果。
数据人网 是数据人学习、交流和分享的平台 http://shujuren.org  。专注于从数据中学习。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）其它与数据相关的干货。
我们坚持做原创！！
我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！
数据资料、数据课程、数据圈子、数据工作和数据项目服务，请加微信：
luqin360