笔记 | 《数据科学家修炼之道》

笔记 | 《数据科学家修炼之道》_第1张图片
Zacharias Voulgaris 弗格里斯

完全不值得购买,内容单薄。对于一点都不了解的人,或许还是能起到一点指导作用。里面提到了许多数据科学家需要知识技能、软件技能、学习资源,可以收集起来,后续慢慢学习。

第1章 数据科学与大数据

  • 大数据是一个最近发生的现象,具有大规模的数据、快速移动、各种各样的从结构化到非结构化的数据结构,以及各不相同的可靠性的特点。
  • 四个V的维度:大体量,高速,多样,精确性

第2章 数据科学的重要性

  • 数据学导论,2009,朱扬勇,熊赟
  • 数据科学是黑科技能、数学和统计学知识、研究专业知识的汇合
  • 大数据的需求带来了许多新的规则,改变了传统的数据处理方式。
  • MapReduce、Haddoop、高级文本分析、大数据分析语言(R、Pig、ECL等)、替代性的数据库结构(HBase、Cassandra、MongoDB等等)

第3章 数据科学家的类型

  • 数据开发者:关注技术话题
  • 数据研究者:擅长学习新知识,可以很快捡起其他的技能,扩展技能树,根据需要快速适应各类职务
  • 数据创意师:深厚的学术经历,擅长大数据技术。各个位置游刃有余
  • 数据商务人士:擅长业务,最高等级,常常担任数据科学家的管理职务
  • 普适型:更加平衡

第4章 数据科学家的思维体系

  • 特质:好奇、乐于实验、系统性工作、创意、沟通
  • 素质和能力:
    • 建模 model building
    • 计划 Plan
    • 问题解决
    • 快速学习
    • 适应性
    • 团队合作
    • 变通
  • 研究
    • 关注细节
    • 汇报
  • 思维
    • 创意、务实、自我反馈(元认知)、不断进化提高

第5章 技术资质

  • 综合编程能力:掌握的语言必须稳健、业内流行、可扩展。常用的有 Java, Python, C++/C#, Perl,数据库SQL也要了解一些。面向对象

  • 科学背景:需要熟悉以下几点

    • 辨别何时采用何种工具
    • 微调所需工具,自定义成解决问题的样式
    • 知道如何处理工具所产生的结果
    • 思考解决问题的几个备选方案,基于所能使用的资源对其排序
  • 专业化的知识

    • 至少掌握:R,SPSS,SAS,State中的一个,还有Matlab
    • 处理大数据(TB级)的经验
    • 可视化
    • 关系型数据库
    • 用户建模

第6章 经验

  • 学术圈和产业圈的环境有所不同。“在企业界你最多只会被大家称赞一年”
  • 如何获得第一桶经验?
    • 利用 UCI 机器学习知识库的数据进行练习 http://archive.ics.uci.edu/ml
    • 参加大数据项目,如 www.kaggle.com 的比赛
    • 找实习
    • 论文的案例研究
    • 数据科学团体中做志愿者
    • 追随导师 www.datasciencecentral.com/group/data-science-apprenticeship

第7章 社交圈

  • 在职业生涯早期帮助巨大
  • 可以帮助你培养沟通能力,获得相近领域中的技术革命
  • 需要与学术界保持健康的关系
  • 通过社交圈跟进最新进展、结识潜在的合作伙伴

第8章 所用的软件

  • Hadoop 套件(类似于Office,包含一系列组件)
    • MapReduce,google创建,是主要组件。
    • HDFS,分布式文件系统
    • Pig,针对 Hadoop 的高级编程语言
    • Hive,数据仓库程序
    • HBase、Sqoop、Flume,数据库组件
    • Mahout 函数库
    • Zookeeper,调试管理、协调程序
  • Storm (twitter、阿里巴巴等使用)
    • topology 一般由 Java、Ruby、Python和Fancy语言编写
  • SPark(UC berkely的研究者)
  • 至少能处理一种面向对象语言 如Java、C++、Ruby、Python、C#
  • 熟悉流行的分析工具:R、Matlab、SPSS、SAS、State
  • 可视化:Tableau
  • 集成大数据系统,如IBM的BigInsigts
  • 其他:Git、Eclips

第9章 学习新知与解决问题

  • Workshop:为了确保你能够找到真正合适的研讨会,先写一个你想学和所需要技能和知识的列表,再去搜索。
  • 会议
  • MOOC 推荐
    • 机器学习-斯坦福大学-Andrew Ng教授 Coursera,最好的课程之一
    • 数据分析-约翰霍普金斯大学,R语言
    • 数据科学导论-华盛顿大学,Python 2.7、R、SQL
    • 机器学习-华盛顿大学

第10章 机器学习与R语言平台

  • 机器学习相关
  • Richard Duda 模式分类 Pattern Classification

以下这些都没有什么价值

第11章 数据科学的处理流程
第12章 所需的具体技能
第13章 数据科学职位哪家寻
第14章 自我展示
第15章 自由职业数据科学家之路
第16章 职业数据科学家的案例学习
第17章 资深数据科学家案例学习
第18章 新数据科学家的召唤

你可能感兴趣的:(笔记 | 《数据科学家修炼之道》)