数据科学入门指南：数据科学家能力发展路线图

数据科学虽然刚刚兴起，却发展迅速。只要有数据的地方，就需要数据科学团队来分析、挖掘数据。因而，在各个行业都需要大量的数据科学家。2015年，数据科学家的平均年薪已经达到10万美元，而且还在快速的上涨。丰厚的待遇和对人才的大量需求吸引着大批的人开始学习这一领域。

数据科学包含着诸多领域的理论和技术，其中包括应用数学、统计、机器学习、模式识别、数据可视化、数据仓库等等，其涉及到的知识范围只广，往往令很多初学者望而却步。数据科学的基础是线性代数和统计，但这并不意味着我们一开始就守着一堆讲基础理论的书籍学起。因为这会带给你很大的心理负担，而且很快你就会对它失去兴趣。所以我并不建议从最基础的数学理论开始学习数据科学。下面的这些建议会告诉你如何高效、快速的入门数据科学。

1. 时刻关注数据

数据科学是一个十分庞大和繁杂的领域，真正的掌握这门学科需要付出巨大的努力。因而，你需要想学习其他领域时一样，设定目标和动机。你需要不断的提醒、激励自己，让你在中途想要放弃的时候相信自己可以做下去。
你可以选择一个你感兴趣的领域作为切入点，比如如何预测股票市场。尽管你并不了解如何才能做到这一步，但是有了目标，你就可以开始尝试。尝试编写第一个程序，即便它一点实际的作用都没有，但是以此为基础，你会做得越来越好。

当你有了这个目标，你会时时刻刻想着如何提高程序的效果。你会时刻关注那些与股票市场有关的数据，并且思索如何利用这些数据和知识让你的程序更加出色。

当然，你可以选择你感兴趣的任何领域作为出发点，而且可以是某一领域的一小部分。比如，如果你对社交网络感兴趣，那么你就会想着如何从微博或者twitter获取有用的数据，然后从这些数据当中挖掘出你想要的东西。如果你对NBA感兴趣，那么你可以收集NBA的历史数据，预测谁是这个赛季的MVP和冠军队伍。

请记住，数据无处不在，所以从现在开始，时刻的关注数据，并且思考我可以从数据中获取哪些信息，即便目前你还没有办法去实现。

2. 边做边学

虽然学习神经网络、图像识别或者高级自然语言处理技术会很有趣，但其实，大多数的数据科学并不涉及到这些知识。所有记住以下要点尤为重要。

90%的工作将是数据的清洗
掌握甚至精通少数几种算法，要好过对所有的算法都一知半解
如果你已经很好的掌握了线性回归，K-均值聚类和逻辑回归，能够解释模型的结果，甚至独立的完成一个项目，那么你比哪些对所有算法一直半解的人更可能被录用。

大多数的情况下，当你开始学习新的算法是，记得去找哪些已经写好的库函数，这将省去你大量的时间。事实上，大多数算法我们不需要去自己实现，因为这会消耗大量的时间。这些要点的核心在于，学习数据科学最好的方式是从项目出发。当你处理某个项目时，你会直接接触到哪些实际且有用的模型和技巧。

如果你手头没有项目，那么你可以尝试找一个你喜欢的数据集，设定一个你感兴趣的问题，然后尝试解决它。以下的链接包含了很多适合入门的数据集：

另一种解决办法是，你可以根据你设定的目标领域，来寻找一些你可以解决的问题。比如，预测股票市场，那么，首先，你可以学习链接yahoo的API，然后爬去日常的交易数据。然后，你可以根据这些数据建立简单的指标，比如过去几天内的平均价格等等，然后使用这些数据预测未来。当然，这样做的预测效果是很差的，这就需要你去学习统计知识，然后应用简单的模型，比如线性回归。随着你获取的数据量的增长，你会考虑的数据存取的问题，这个时候你就需要学习数据库方面的知识了。这种边做边学的模式会带你避开那些冗杂的细节，并且在这个过程中，你会学会如何真正的做数据科学。