天龙八步：8步让你变成数据科学家

发表评论
2,222 阅读

A+

OK, 这些步骤不是那么简单。但是，它们都是可操作的，并且大多数步骤都是免费或者花钱很少，只是要你投入时间。

首先，什么是数据科学家？数据科学，是一个多学科知识的交集，甚至包括黑客技巧。

数据科学家，是比软件工程师更擅长统计学，比统计学家更擅长软件工程的人。

目前，数据科学家的典型教育背景是：高中5%，技校5%，大专14%，本科37%，硕士/专业学位31%，博士9%。

第一步：学好统计、数学和机器学习

数学：可汗学院（Khan Academy）的数学，MIT公开课的线性代数；统计学：Udacity和Openintro；机器学习：Stanford在线中吴恩达（Andrew NG）的机器学习，Coursera上John Hopkins的实用机器学习

第二步：学习编写代码

掌握计算机科学的基础知识；掌握从头至尾的开发过程（end-to-end development），因为你做的东西终将被整合到其它系统中；确定你的首选编程语言，开源的R , Python等，商业软件SAS, SPSS等。用DataCamp, tryR, Codecademy和Google Class进行交互式学习。

第三步：理解数据库

作为学生，你会经常与文本数据打交道。但是，一旦进入该领域，你会发现该领域几乎都是用数据库存储数据，如MySQL, Postgres, CouchDB, MongoDB, Cassandra等。

第四步：掌握数据整理、可视化和报表制作

1）数据整理，是将原始数据转换成方便实用的格式。可自学Coursera中John Hopkins的Getting and Cleaning Data课程，实用工具有DataWrangler和R。

2）数据可视化，是创建和研究数据的视觉表现。实用工具有ggvis, D3, vega。

3）数据报表，作为数据分析的最后一步，是将数据分析和结果制作成易于理解的报告。实用工具有Tableau, Spotfire和R Markdown。

第五步：提升到大数据级别

当你开始处理网络级规模的数据时，数据分析的基本方法和过程就都改变了。绝大多数的数据科学家要解决的问题，都无法在单机上完成。他们面对的是需要分布式处理的大型数据集，使用的工具是Hadoop，MapReduce，Apache Spark。

第六步：获得经验、实践，结交大牛

［古人云：］熟能生巧！你可以参加比赛，结交数据科学专家，通过小项目小试牛刀，培养自己的直觉。

第七步：实习、实战、或找份工作

甄别自己是不是一个真正的数据科学家的最佳途径，就是用你新学的知识迎难而上，进入数据分析的丛林。