这份宝典火了，小哥学后加薪30W+

Posted 2022-04-01 QbitAl

明敏 发自 凹非寺
量子位 | 公众号 QbitAI

数据科学该怎么学？必备技能有哪些？

最近，一份数据科学领域的学习宝典在推特上火了，吸引点赞1k+。

之所以能够引起大家的关注，是因为这份教程将数据科学广而杂的知识内容，梳理成了14个方面及各自要点，同时解答了许多学习中的常见疑问。

比如“用什么语言比较好”、“哪些工具最适合”。

这份学习宝典的作者为Matt Dancho，他是一个数据科学学习网站的创始人。

那么，具体这份干货到底讲了什么？是否真的如此神奇？

我们一起来看。

更推荐R语言

进入正题之前，我们先来浅聊一下数据科学 （Data Science）。

数据科学是指通过挖掘数据、处理数据、分析数据，从而得到有用信息的技术和研究，再将这些信息应用到不同领域的各个方面。

该学科结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算等，覆盖知识面非常广。

作者表示想要掌握这些技能，大概每周要投入10个小时来学习。

那么在开始真正学习之前，先来看一个最关键的问题——

用什么语言?

在这里，作者认为选择R语言或者Python都可以。

如果从从业角度出发，他会考虑以下三个因素：

• 编程语言对数据科学的影响有多大？

• 就业市场的需求如何？

• 就业市场的竞争力如何？
  

第一方面，作者直接将二者进行了对比。

Python非常适合机器学习和深度学习。但是在市场报告方面的优势不大，能用于统计经济学等重要领域的库比较少。

R语言在业务分析、数据科学方面都拥有完善的工具支持，在深度学习方面的应用比较弱。

不过作者认为，深度学习在数据科学中的应用不多，而且在需要深度学习或者其他API时，R语言可以和Python集合。

再从就业市场角度来看。

作者统计了美国招聘市场上的数据。

结果显示，Python方面在招职位的数量，是R语言的2.4倍。

但是了解、掌握Python的人，也比掌握R语言的更多。

可能达到4-32倍。

最终作者认为，选择R语言更有优势。

那么还有一些其他基础技能呢？

比如推荐使用Excel吗？

作者认为，虽然Excel的使用人群更广、商务人士非常喜爱，但是它在处理机器学习、大数据方面都不具有优势，而且单元格中的函数也容易报错。

所以，建议大家慎重使用Excel。

而在选用什么开发工具方面，作者展开了一项小调查。

针对喜欢使用R语言的人群，RStudio是大家最喜爱的开发工具。

Python方面，Jupyter、VSCode更受人们欢迎。

在这里作者没有给出明确的推荐，大家可以按照喜好选择。

只需4步，上手数据科学

接下来，就到了正式学习的环节。

大致可以分为4个步骤：

1. 掌握基础技能

2. 学习建模

3. 学习时间序列分析

4. 将模型集成到应用程序
   

所需要点亮的技能树如下所示：

看到这里，先不要头皮发麻……作者给出了一些具体的学习tips。

第一，从基础技能学起。

可能很多人一上来就想搞定机器学习，但这可能会影响学习兴趣&效率。

作者用R语言进行了示范，列举了一些基础技能：

• 导入数据：使用数据库，连接到SQL，readr包, readxl包；

• 转换数据：处理异常值、缺失数据、重塑数据、聚合、过滤等；

• 可视化数据：静态/交互式数据可视化，ggplot2以及plotly；

• 处理文本数据、函数式编程……

如果以上这些基础技能都掌握后，接下来就可以学习机器学习了。

在这里，可能有人会疑惑，不应该先学习数学、统计和算法吗？

对此作者认为，如果从头开始学习如何编写算法，可能并不是快速上手数据分析。

所以，他更推荐从实战中学习这些技能。

简单来看可以分为三步：

• 把机器学习应用在实际问题上；

• 尝试使用不同的算法；

• 对比不同的应用结果。
  

在这方面需要用到哪些工具呢？

Tidymodels和H2O是作者推荐的两个软件包。

另外，Recipes中具有很多预处理工具，可以转换数据、创建数据特征。

接下来，作者推荐你开始学习时间序列分析。

因为这个技能意味着你可以对未来的一些数据进行预测，掌握这项技能也会使你成为大厂手中炙手可热的人才。

在这方面，你需要掌握的技能如下：

• 时间序列分析：处理日期/日期时间数据、聚合、转换、可视化时间序列、使用timetk

• 预测：ARIMA、指数平滑、Prophet、机器学习（XGBoost、随机森林、GLMnet 等）、深度学习（GluonTS）、集成、调整超参数、扩展预测、modeltime包。
  

进行到这一步后，你就可以尝试去创建一个模型并投入使用了。

在这里，作者推荐了一个能够将模型集成到应用程序中的工具——Shiny。

这个程序包可以用来创建交互式Web应用程序，代码可以在本地或服务器上托管。

One More Thing

看完这份技能树后，也有网友提出了疑问：

为什么没有看到深度学习？

作者回复表示：针对商业应用，机器学习会更实用。

作者表示，有位小哥在他们网站选择了快速进修的课程后，得到了微软机器学习工程师的offer。

当然，这份完整的学习计划是可以白嫖的（链接请见文末）。

对于这篇分享，你怎么看？

欢迎留言讨论~

学习清单：
https://www.business-science.io/r-cheatsheet

参考链接：
[1]https://www.business-science.io/careers/2022/03/11/which-data-science-skills-are-important.html
[2]https://twitter.com/mdancho84/status/1507698140853555204