小魏的学习路线（未完待续）

通过上一篇文章已经对之后的就业和岗位有了一个比较明确的方向，所以，现在要制定一个针对我个人的学习路线。

基础部分（专业课）
大学本科所有课程：数学分析、解析几何、高等代数、C++语言程序设计、概率论与数理统计、常微分方程（英）、数学模型、计量经济学、抽样调查、时间序列分析、数据库技术、国民经济核算、多元统计分析、计算方法、实用回归分析。
辅修经济学课程：运筹学、财务管理、基础会计、国际金融、微观经济学、统计软件。
专业技能：日常办公软件和Excel(二级水平)、SPSS、Eviews、Access（都是皮毛，不敢说精通）
硕士研究生课程：大数据分析统计基础、大数据分析计算机基础 、多元统计分析专题（大数据分析）、大数据挖掘与机器学习 、统计计算与软件、应用时间序列分析、中级计量经济学（统计专业统开）、大数据分布式计算、应用统计大数据案例分析。
需掌握专业技能：日常软件、思维导图、Excel、SPSS、Eviews、SQL（MySQL、NoSQL）、R、Python、Spark、Hive、Hbase等大数据系统，熟悉Liunx系统、JAVA、C++等。

数据分析学习路线：统计理论知识——常用算法——SQL——R/Python——机器学习——深度学习

这两本学Python，真的绝了，以后做数据真的强推！
《利用Python进行数据分析》
《Python数据分析与挖掘实战》

pandas学习：
https://morvanzhou.github.io/tutorials/data-manipulation/np-pd/

Scikit Learn学习：
https://my.oschina.net/u/175377/blog/84420

SQL查询：JOIN ON、DISTINCT、GROUP BY、ORDER BY等等。从数据库中提取数据是数据分析的第一步。另外如果数据规模是TB级的，所以还要能使用SQL让集群做一些简单的计算，不然都下载到本地的话运算资源是肯定不够的。可能还会问一些非常基础的问题，比如PRIMARY KEY、int、str、double之类。

Excel：数据透视表、VLOOKUP、COUNTIFS、SUMIFS、VAR.P、条件格式等等，可能会涉及到诸如VLOOKUP中的TRUE和FALSE参数有什么区别，VAR.P和VAR.S有什么区别等细节问题。

Python、Stata、R、SPSS、SAS、EViews都算比较常见的数据分析工具。顺便奉劝各位要一定要真实。比如简历上写“精通Python”，虽然面试官知道简历注水是常态，但既然都“精通”了，那如果面试官问到pandas，regular expression，DataFrame.iterrows()返回的是Series还是dictionary还是listof tuples，tuple和list的区别的时候好歹都得答出来吧……

第三次奉劝各位写的检验也好机器学习算法也好好歹自己要知道原理、适用条件、局限性。不然面试官跟你聊起Pearson distance、K-means cluster的随机性问题的时候你接不上来也是很尴尬的。

互联网行业瞬息万变，光数据的存储就有Oracle、MySQL、Hadoop、Spark、Hive、Impala、谷哥哥三驾马车等一大堆奇奇怪怪的东西。互联网行业的从业者经常要面对新需求、新工具、新方法。能否迅速掌握新知识，解决新问题是候选人必须证明给面试官看的。

https://www.cnblogs.com/laynehu/p/dataAnalysis.html

https://blog.csdn.net/anxixiaomu/article/details/69075286