作者：Sangeet Aggarwal

翻译：陈之炎

校对：冯羽

本文长度为2900字，建议阅读6分钟

本文将带大家讨论如何从零开始数据科学之旅。

标签：数据科学，机器学习

数据科学，据说是本世纪最吸引人的工作，已经成为我们许多人梦寐以求的工作。但对某些人来说，数据科学看起来像一个充满挑战的迷宫，让人无从下手。如果你也是其中之一，那就继续阅读。

在本文中，我将讨论如何从零开始数据科学之旅。我将详细解释以下步骤。

• 学习Python编程的基本知识

• 学习基本统计学和数学

• 学习使用Python进行数据分析

• 学习机器学习

• 项目实战

学习Python编程的基本知识

如果有IT背景的话，你可能已经熟悉Python编程，此时，你可以跳过此步骤。但是如果从未接触过编码的话，应该从学习Python开始。在所有编程语言中，Python语言最容易学习，它被广泛用在开发中，也被用在数据分析中。

首先，可以搜索免费的在线教程，这些教程将有助于理解Python的基础知识。我列出了下述一些链接，这些教程可以帮助你在短时间内自学Python。可以尝试一下，自己作出选择。

• learnpython.org（https://www.learnpython.org/）

• 谷歌的Python类

• Estudy免费Python课程（视频教程）

• 代码学院（使用在线编辑器编程）

上述列表并非详尽无遗，你可以在网络上找到更多其它的资源，这些资源助力学习Python的基础知识，此外，你还可以在YouTube上找到许多为初学者提供的Python教程。

一旦掌握了编程语法和其他基础知识之后，你就可以开启Python的中级和高级学习之旅。要做到在数据科学领域游刃有余，我建议你至少学完中级，这样可以熟悉Python中的数据结构和文件系统。

下一步。

学习统计学和数学

数据科学是分析数据并得出有用的和可操作的见解的技能。为此，必须具备基本的统计学和数学知识。虽然不要求你成为一个伟大的统计学家，但需要对数据分布和算法原理这些基础知识有所了解。 话虽如此，来看看需要学习哪些内容。

首先，复习一遍高中的统计课程，对基本概念有所了解。为此，我推荐可汗学院的“高中统计”系列课程（根据自己的实际情况做出选择）。

刷完高中统计课之后，可以开始阅读以下任何一本书：

• 统计学习简介(R语言)（强烈推荐）

• 统计思维(Python语言)

以上链接将直接访问到这些书籍的各自pdf版本，你也可以根据需要方便地购买到纸质的书。读完这些书之后，你将熟悉数据分析的基本原理，对进一步深入学习有帮助。

注意：虽然我建议你从学习Python语言来开启数据科学之旅，但在学习过程中，你会遇到其他几个工具，如R，它们也用于统计计算和数据分析。我的一般建议是，无论你遇到哪一个工具，都要有一个开放的心态。如果你正在使用两种不同的语言执行任务，其底层工作和逻辑通常是相同的，这只是一个不同的语法和框架问题。

第一次体验数据分析。

学习Python进行数据分析

这便是它的有趣之处，在掌握了了Python编程的基本知识和统计之后，是时候一试身手了。

如果想在不付钱的情况下学习，你只需在Udacity上开设一个帐户，注册免费课程-数据分析入门。这门课程将介绍数据分析所需用到的Python库，如Pandas和Numpy。你可以按部就班地学习，在几周内轻松完成课程。

在Udacity上还有许多其他课程可以探索，此外，Udacity还提供Nanodegree程序，但通常需要付费。如果你愿意为学习付费，还有许多好的平台，如Coursera、Dataquest、Datacamp等。

在此步骤结束时，应该掌握Python的一些重要库和数据结构，如序列、数组和数据框。

还应该能够执行诸如数据处理、得出结论、矢量化操作、分组数据和组合来自多个文件的数据等任务。

虽然已经为下一步做好了准备，但在继续前进之前还有一件事需要学习：桥接数据分析与机器学习之间的终极关键-数据可视化。

数据可视化是数据分析的重要组成部分，它有助于得出结论并对数据模式可视化。为此，学习如何可视化数据势在必行，学习数据可视化最简单的方法是通读Kaggle的数据可视化课程。在此之后，你将熟悉一个重要的Python库-Seaborn。

注：Kaggle是一个受世界各地数据科学家欢迎的网站。它定期举办竞赛，以挑战数据储备的技能，并为数据爱好者提供免费的交互式课程。

太棒了！你已经学了一半以上的数据科学了。继续下一步，即机器学习。

学习机器学习

机器学习，顾名思义，是机器（计算机）自我学习的过程。通过对计算机算法的研究，自动提升经验。根据数据和业务问题的类型，使用预定义的算法建立模型，这些模型在给定的数据上进行自我训练，然后被用在新数据上以得出结论。

掌握机器学习最简单的方法就是按照给定的顺序学习以下Kaggle的课程：

• 机器学习概述

• 中阶机器学习

• 特征工程（优化模型）

条条道路通罗马，虽然有许多其他的方法来学习机器学习，我提出的是最简单的方法，完全免费。如果没有资金的约束，还可以在Coursera、Udacity和其他相关平台上找到各种课程。

当这一步结束时，您将了解监督机器学习和无监督机器学习之间的区别，同时，掌握各种重要的算法，如回归，分类，决策树，随机森林等。

太棒了！从此，可以冲破迷宫加入到数据科学俱乐部，之后，需要做的便是一步一步成为更好。

项目实战

读到这里，你便拥有了成为一名成功的数据科学家所需的一切。在掌握了所有的知识之后，应通过尽可能多的练习来增强它。要做到这一点，可以寻找一些项目，去解决一些商业问题。

坚持实践的最好方法之一是参加Kaggle比赛。Kaggle为你提供需要解决的问题和所需的数据。如果是一场比赛，你可以提交自己的结果，并根据获得的分数得到排名。

也可以在个人项目上建立自己的组合，通过尝试以下资源来探索数据集：

• Kaggle数据集

• UCI机器学习仓库

• 亚马逊数据集

• 谷歌数据库搜索引擎

为了练习，建议在本地计算机中下载并安装Anaconda， 这是开发数据科学项目的一个很好的工具包。在Anaconda众多工具中， Jupyter Notebook是构建Python项目的一种很好的方法，并帮你管理你的项目组合。

遵循本博客中的指导方针，将助力实现学习数据科学的目标，当然，在这一领域还有大量知识要学习，甚至更多的东西有待探索。继续学习吧。

原文标题：

Data Science from scratch How to step into Data Science as a complete beginner

原文链接：

https://towardsdatascience.com/data-science-from-scratch-4343d63c1c66

如您想与我们保持交流探讨、持续获得数据科学领域相关动态，包括大数据技术类、行业前沿应用、讲座论坛活动信息、各种活动福利等内容，敬请扫码加入数据派THU粉丝交流群，红数点恭候各位。

编辑：王菁

校对：林亦霖

译者简介

陈之炎，北京交通大学通信与控制工程专业毕业，获得工学硕士学位，历任长城计算机软件与系统公司工程师，大唐微电子公司工程师，现任北京吾译超群科技有限公司技术支持。目前从事智能化翻译教学系统的运营和维护，在人工智能深度学习和自然语言处理（NLP）方面积累有一定的经验。业余时间喜爱翻译创作，翻译作品主要有：IEC-ISO 7816、伊拉克石油工程项目、新财税主义宣言等等，其中中译英作品“新财税主义宣言”在GLOBAL TIMES正式发表。能够利用业余时间加入到THU 数据派平台的翻译志愿者小组，希望能和大家一起交流分享，共同进步。

翻译组招募信息

工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。

你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。

其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。

点击文末“阅读原文”加入数据派团队~

转载须知

如需转载，请在开篇显著位置注明作者和出处（转自：数据派ID：DatapiTHU），并在文章结尾放置数据派醒目二维码。有原创标识文章，请发送【文章名称-待授权公众号名称及ID】至联系邮箱，申请白名单授权并按要求编辑。

发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。

点击“阅读原文”拥抱组织