如何以Python为工具走入数据科学之门

本次分享第【1】部分：什么是数据科学。

本次分享第【2】部分：如何从小白成长为数据科学家。

分享主题：Data Science学习分享会

分享时间：2016年4月18日晚8：00-10：00

分享地点：赤兔“数据挖掘”小组，线上

分享嘉宾：黄逸洲，来自美国华盛顿大学信息管理专业的研究生，专攻数据科学。

下面根据作者的经验，为大家提供一条基于python的数据科学入门之路。

开始学习之前，你可以问一下自己，什么是python？python对于数据科学会有什么帮助？

上图显示了python依然是比较受欢迎的一种语言。用这样的语言作为工具学习数据科学理论并实践，你会在路上遇到很多同道，遇到的问题很容易找到老师请教，还会有很多别人已经做好的开发包可以拿来使用。

学习的第一步当然就是配置环境，学习python基础，解决一些python问题，编写一些简单的python脚本。

推荐可以安装Anaconda，里面把各种包已经安装好了，也提供python和ipython供大家使用，比较方便。

python基础网上有很多很好地资料，如codeademy或者上一些mooc的课程，都很容易上手。

学好python基础就可以学习正则表达式，和进行简单的爬虫训练，beautifulsoup和scrapy都是很好地工具。

推荐coursera上的一门课：Learn toprogram and analyze data with Pythonn，里面从python基础，网络爬虫，再到网络的一些知识，如HTTP,TCP/IP都有所涉及，是很好的入门课程。

学习好一些基础知识之后，就是要知道怎么利用一些更为专业的科学库来处理和分析数据：

• pandas和numpy都是经常会用到的包；
• matplotlib是一个很好的数据成像包；
• 数据可视化可以使用Tableau和D3等工具很容易的实现；
• 机器学习则需要用到scikit-learn这个包，里面提供了很多算法函数，方便大家进行数据分析；
• machinelearning推荐的课程当然就是Andrew Ng在coursera上的机器学习，浅显易懂，不需要太多数学基础；
• 如果要进阶看更多理论方面的东西的话，推荐Andrew的CSS229。

这是十个最常用的机器算法，大家可以利用opendataset来训练一下自己:

另外，推荐Kaggle和Analytics Vidhya，里面有很多教程和比赛机会。说不定你的解法还能赢得比赛，拿到大奖。

最后当然是如今的热点VR和AI。如果有精力和兴趣的话可以学习deeplearning的知识以及神经元网络。

数据科学家和艺术家一样都需要自己的作品集来展示自己，在应聘中也是很有帮助的。

推荐陈丹奕老师在知乎上得专栏，很好的介绍了整个数据报告的生成过程。