95后數(shù)據(jù)科學(xué)家教你從零自學(xué)機(jī)器學(xué)習(xí)，這有3本入門(mén)必看書(shū)籍

曉查 2019-11-12 15:21:42 來(lái)源：量子位

曉查 發(fā)自 凹非寺
量子位 編譯 | 公眾號(hào) QbitAI

厭倦了現(xiàn)在的工作，想轉(zhuǎn)行做數(shù)據(jù)科學(xué)，但是卻沒(méi)有計(jì)算機(jī)專業(yè)的相關(guān)學(xué)歷，應(yīng)該怎樣才能入門(mén)？

這類的教程已經(jīng)有很多。最近一位22歲的數(shù)據(jù)科學(xué)家Dario，以自學(xué)經(jīng)歷中用到的資源告訴你，如何從零開(kāi)始學(xué)習(xí)數(shù)據(jù)科學(xué)。

所謂從零開(kāi)始自學(xué)，是針對(duì)那些可以自主學(xué)習(xí)在線課程和閱讀書(shū)籍，卻沒(méi)有上班之余接受課堂教育的人士。

在學(xué)習(xí)之前，如果你對(duì)線性代數(shù)、微積分、概率論與統(tǒng)計(jì)學(xué)、程序設(shè)計(jì)都不太熟悉，Dario建議先去學(xué)習(xí)一下這幾門(mén)數(shù)學(xué)課程，然后再學(xué)習(xí)Python。

在學(xué)完以上內(nèi)容后可以進(jìn)入下面的學(xué)習(xí)。

看書(shū)還是看視頻

如果想進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域，每天一兩個(gè)小時(shí)的學(xué)習(xí)是必不可少的，是看書(shū)還是選擇看視頻？

很多人都不想在每天工作8小時(shí)后還看書(shū)，因此視頻教程是個(gè)不錯(cuò)的選擇，而且可以在通勤路上觀看。

Dario首先推薦的是Udemy的《數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)Python訓(xùn)練營(yíng)》，這是他第一次接觸數(shù)據(jù)科學(xué)的時(shí)候?qū)W習(xí)的課程。

課程中用Pandas和Numpy進(jìn)行數(shù)據(jù)分析，并用Matplotlib和Seaborn進(jìn)行一些數(shù)據(jù)可視化。雖然內(nèi)容不多也不深入，但已經(jīng)足夠入門(mén)數(shù)據(jù)科學(xué)了。

Dario還推薦了Coursera上由吳恩達(dá)主講的《機(jī)器學(xué)習(xí)》課程，學(xué)習(xí)時(shí)長(zhǎng)大概十多個(gè)星期。課程以英文講述，但是提供中文字幕。

這門(mén)課程的質(zhì)量絕對(duì)有保障，大約12萬(wàn)名用戶平均評(píng)分為4.9（滿分5），人氣也超高，共有260多萬(wàn)用戶注冊(cè)。

三本優(yōu)秀的入門(mén)必看書(shū)

如果你更喜歡讀書(shū)，Dario還推薦了3本入門(mén)數(shù)據(jù)科學(xué)的優(yōu)秀教材。

第一本是《Python數(shù)據(jù)科學(xué)手冊(cè)》。這本書(shū)從Jupyter Notebook入手，內(nèi)容涵蓋了Numpy、Pandas,、Matplotlib和Scikit-Learn等數(shù)據(jù)科學(xué)中最重要的部分。

該書(shū)的中文版去年已經(jīng)出版，網(wǎng)上評(píng)分9.3，網(wǎng)友都說(shuō)這是本優(yōu)秀的入門(mén)級(jí)教材，非常適合非計(jì)算機(jī)專業(yè)的學(xué)生。

第二本是《統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論》，它的內(nèi)容會(huì)有點(diǎn)數(shù)學(xué)，但是也很容易閱讀。

對(duì)于機(jī)器學(xué)習(xí)這樣一個(gè)廣泛的領(lǐng)域，這本書(shū)能將篇幅控制在400頁(yè)左右很不容易。唯一的缺點(diǎn)是代碼是用 R語(yǔ)言而不是Python編寫(xiě)的。

這本書(shū)的英文版提供免費(fèi)下載（地址見(jiàn)文末），評(píng)分為9.5分，中文版8.3分。

第三本是《Scikit-Learn與TensorFlow機(jī)器學(xué)習(xí)實(shí)用指南》，這本書(shū)能幫助你深入了解機(jī)器學(xué)習(xí)的概念和算法。目前，該書(shū)的英文影印版和中文版都已經(jīng)出版。

下一步

學(xué)完所有課程后，Dario建議初學(xué)者建立一個(gè)GitHub存檔，并尋找5個(gè)數(shù)據(jù)集來(lái)練手，在這個(gè)過(guò)程中寫(xiě)出自己的結(jié)論和思考過(guò)程。

對(duì)于你未來(lái)要投遞的公司來(lái)說(shuō)，讓他們看到你的工作很重要。因?yàn)槟銢](méi)有相關(guān)學(xué)位，因此需要以某種方式展示自己在數(shù)據(jù)科學(xué)中的工作，而GitHub是一個(gè)不錯(cuò)的選擇。

傳送門(mén)

原文連接：
https://towardsdatascience.com/becoming-a-self-taught-data-scientist-5563f546bb7b

數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)Python訓(xùn)練營(yíng)：
https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/

吳恩達(dá)《機(jī)器學(xué)習(xí)》課程：
https://www.coursera.org/learn/machine-learning

《An Introduction to Statistical Learning》下載地址：
http://faculty.marshall.usc.edu/gareth-james/ISL/