如何用8步成为数据科学家

这是国外数据科学学习平台DataCamp成员写的一篇图文《8步成为数据科学家》。我们具体来看下有哪些学习内容和学习资源。

这里说的8步，不是你用8周就可以完成，而是一种学习的方法。这些步骤虽然没有那么简单，但是都是可操作，可实践的。只要你投入时间去学习，相信时间的积累力量，就可以掌握这些知识。

首先，什么是大数据科学家？

数据科学家是一个跨学科人才，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。需要掌握的知识有数学统计，编程能力，机器学习，研究能力等。

目前，数据科学家大部分是本科或者硕士学历（本科37%，硕士31%）。但是不要担心，从调查数据来看，有5%高中毕业的人也成为了数据科学家。这足以证明，只要你努力去提供自己，英雄是不问出处的。

第1步：学好统计、数学和机器学习

下面给出了学习这些知识的资源。如果感觉这些资源学起来太难，可以从《赤裸裸的统计学》、《深入浅出统计学》这两本书入门。

第2步：学会编程

掌握计算机科学的基础知识，学会系统开发的整个过程（end-to-end development），因为你做的东西会成为其他系统的一部分。

选择一种数据分析的编程语言，例如开源软件的R , Python语言等，或者商业软件的SAS, SPSS等。

在学习过程中可以用DataCamp, tryR, Codecademy或Google Class进行交互式学习。

第3步：理解数据库

在大部分的实际数据分析项目中，数据大部分是存储在数据库中的，所以你的学会数据库的操作，如关系数据库MySQL,非关系型数据库MongoDB等。

第4步：学会数据预处理、可视化和报表制作

1. 数据预处理

在数据分析师的工作中，有多达60%的时间都花在了实际分析前数据的准备上。数据预处理的目标是为了把数据改变成我们喜欢的样子，以便于后期的分析处理。这就好比，现在很多女孩照相喜欢用美图秀秀，眼睛不大，那我就用美图秀秀把眼睛变大。变成自己喜欢的样子。

数据预处理可自学Coursera中《Getting and Cleaning Data》的 课程（作者：John Hopkins）。也可以用工具DataWrangler、R语言的data.table和dply包。

2.数据可视化是将数据分析的结果显示出来，便于展示。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5步：提升到大数据级别

当你开始处理海量规模的数据时，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，需要用分布式处理大数据集，使用的工具有Hadoop，Apache Spark。

第6步：多实践，与数据科学家大牛多交流

幸好是互联网时代，我们可以通过网络认识大牛，并从他们分享的知识内容中学到更多经验知识。当然，你也可以通过参加比赛，做小项目获得更多的实践经验。

第7步：实习、实战、或找份工作

判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，进入数据分析的工作领域。

第8步：通过专业社区学到更多

数据分析的网站有：DataTau, Kdnuggets, fivethirtyeight, datascience101, r-bloggers。

可以看这些数据科学大牛的博客：Hilary Mason, David Smith, Nate Silver, dj patil。

可以从quandl上获取数据。

ps：关于大数据分析的资料已经整理好，可以点击下面获取：

我要 >> 大数据分析学习资料