資料科學的完整學習路徑（Python版），路徑python

資料科學的完整學習路徑（Python版），路徑python

轉載自：http://python.jobbole.com/80981/

英文（原文）串連:https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-python/

從Python菜鳥到Python Kaggler的旅程（譯註：Kaggle是一個資料建模和資料分析競賽平台）

假如你想成為一個資料科學家，或者已經是資料科學家的你想擴充你的技能，那麼你已經來對地方了。本文的目的就是給資料分析方面的Python新手提供一個完整的學習路徑。該路徑提供了你需要學習的利用Python進行資料分析的所有步驟的完整概述。如果你已經有一些相關的背景知識，或者你不需要路徑中的所有內容，你可以隨意調整你自己的學習路徑，並且讓大家知道你是如何調整的。

步驟0：熱身

開始學習旅程之前，先回答第一個問題：為什麼使用Python？或者，Python如何發揮作用？
觀看DataRobot創始人Jeremy在PyCon Ukraine 2014上的30分鐘演講，來瞭解Python是多麼的有用。

步驟1：設定你的機器環境

現在你已經決心要好好學習了，也是時候設定你的機器環境了。最簡單的方法就是從Continuum.io上下載分發包Anaconda。Anaconda將你以後可能會用到的大部分的東西進行了打包。採用這個方法的主要缺點是，即使可能已經有了可用的底層庫的更新，你仍然需要等待Continuum去更新Anaconda包。當然如果你是一個初學者，這應該沒什麼問題。

如果你在安裝過程中遇到任何問題，你可以在這裡找到不同作業系統下更詳細的安裝說明。

步驟2：學習Python語言的基礎知識

你應該先去瞭解Python語言的基礎知識、庫和資料結構。Codecademy上的Python課程是你最好的選擇之一。完成這個課程後，你就能輕鬆的利用Python寫一些小指令碼，同時也能理解Python中的類和對象。

具體學習內容：列表Lists，元組Tuples，字典Dictionaries，列表推導式，字典推導式。
任務：解決HackerRank上的一些Python教程題，這些題能讓你更好的用Python指令碼的方式去思考問題。
替代資源：如果你不喜歡互動編碼這種學習方式，你也可以學習Google的Python課程。這個2天的課程系列不但包含前邊提到的Python知識，還包含了一些後邊將要討論的東西。

步驟3：學習Python語言中的Regex

你會經常用到Regex來進行資料清理，尤其是當你處理文本資料的時候。學習Regex的最好方法是參加Google的Python課程，它會讓你能更容易的使用Regex。

任務：做關於小孩名字的Regex練習。

如果你還需要更多的練習，你可以參與這個文本清理的教程。資料預先處理中涉及到的各個處理步驟對你來說都會是不小的挑戰。

步驟4：學習Python中的科學庫—NumPy, SciPy, Matplotlib以及Pandas

從這步開始，學習旅程將要變得有趣了。下邊是對各個庫的簡介，你可以進行一些常用的操作：

•根據NumPy教程進行完整的練習，特別要練習數組arrays。這將會為下邊的學習旅程打好基礎。
•接下來學習Scipy教程。看完Scipy介紹和基礎知識後，你可以根據自己的需要學習剩餘的內容。
•這裡並不需要學習Matplotlib教程。對於我們這裡的需求來說，Matplotlib的內容過於廣泛。取而代之的是你可以學習這個筆記中前68行的內容。
•最後學習Pandas。Pandas為Python提供DataFrame功能（類似於R）。這也是你應該花更多的時間練習的地方。Pandas會成為所有中等規模資料分析的最有效工具。作為開始，你可以先看一個關於Pandas的10分鐘簡短介紹，然後學習一個更詳細的Pandas教程。
您還可以學習兩篇部落格Exploratory Data Analysis with Pandas和Data munging with Pandas中的內容。

額外資源：
•如果你需要一本關於Pandas和Numpy的書，建議Wes McKinney寫的“Python for Data Analysis”。
•在Pandas的文檔中，也有很多Pandas教程，你可以在這裡查看。

任務：嘗試解決哈佛CS109課程的這個任務。

步驟5：有用的資料視覺效果

參加CS109的這個課程。你可以跳過前邊的2分鐘，但之後的內容都是乾貨。你可以根據這個任務來完成課程的學習。

步驟6：學習Scikit-learn庫和機器學習的內容

現在，我們要開始學習整個過程的實質部分了。Scikit-learn是機器學習領域最有用的Python庫。這裡是該庫的簡要概述。完成哈佛CS109課程的課程10到課程18，這些課程包含了機器學習的概述，同時介紹了像迴歸、決策樹、整體模型等監督演算法以及聚類等非監督演算法。你可以根據各個課程的任務來完成相應的課程。

額外資源：

•如果說有那麼一本書是你必讀的，推薦Programming Collective Intelligence。這本書雖然有點老，但依然是該領域最好的書之一。
•此外，你還可以參加來自Yaser Abu-Mostafa的機器學習課程，這是最好的機器學習課程之一。如果你需要更易懂的機器學習技術的解釋，你可以選擇來自Andrew Ng的機器學習課程，並且利用Python做相關的課程練習。
•Scikit-learn的教程

任務：嘗試Kaggle上的這個挑戰

步驟7：練習，練習，再練習

恭喜你，你已經完成了整個學習旅程。

你現在已經學會了你需要的所有技能。現在就是如何練習的問題了，還有比通過在Kaggle上和資料科學家們進行競賽來練習更好的方式嗎？深入一個當前Kaggle上進行中的比賽，嘗試使用你已經學過的所有知識來完成這個比賽。

步驟8：深度學習

現在你已經學習了大部分的機器學習技術，是時候關注一下深度學習了。很可能你已經知道什麼是深度學習，但是如果你仍然需要一個簡短的介紹，可以看這裡。

我自己也是深度學習的新手，所以請有選擇性的採納下邊的一些建議。deeplearning.net上有深度學習方面最全面的資源，在這裡你會發現所有你想要的東西—講座、資料集、挑戰、教程等。你也可以嘗試參加Geoff Hinton的課程，來瞭解神經網路的基本知識。

附言：如果你需要大資料方面的庫，可以試試Pydoop和PyMongo。大資料學習路線不是本文的範疇，是因為它自身就是一個完整的主題。

 

以上轉載自：http://python.jobbole.com/80981/

用於學習交流。