Рубрики
Без рубрики

Наука данных нулю до героя # Protips⚡

«Цель состоит в том, чтобы превратить данные в информацию и информацию в Insight». – Карли Фиорина … Теги от науки о данных, Python, машин обучения, начинающим.

«Цель состоит в том, чтобы превратить данные в информацию и информацию в Insight». – Карли Фиорина

Выберите свое оружие первым: Здесь я имею в виду выбрать правильный язык для изучения науки о данных, вы можете пойти с R или Python, вы также можете выбрать Java для изучения науки о данных, но я не буду рекомендовать науку научной информации с Java.

Однако самым привлекательным фактором Python является то, что он легко учиться. По сравнению с другими данными Научные языки, такие как R, Python предоставляет простой для понимания синтаксиса. Если вы решили пойти с Python, разрабатывайте хорошие практические ноутбуки Jupyter и различные библиотеки, такие как Pandas, Numpy, Meanborn, Scipy, Xgboost и многое другое.

Три основные основные темы математики

  • Исчисление
  • Линейная алгебра
  • Вероятность и статистика

Некоторые теории: –

  • Дискретная математика
  • Графическая теория
  • Теория информации

Забавный факт: – Если вы боитесь математики или не готовы посмотреть уравнение, вам не будет много веселья как ученый данных. Тем не менее, вы, если взяли математику на уровне средней школы и готовы инвестировать некоторое время, чтобы улучшить ваше знакомство с вероятностью и статистикой и изучать принципы, лежащие в основе исчисления и линейной алгебры, математика не придет в свой способ стать профессиональным ученым.

Есть несколько действительно хороших курсов, чтобы начать работу с наукой о данных, обратите внимание, что здесь делать курсы разные вещи, а игра с реальными мировыми данными – это другая вещь после вот несколько примеров качества курсов для начинающих

Сделайте несколько онлайн-курсов как:

Datacamp Курсы Kaggle Coursera

Бизнес-лидеры прошлого поколения, провидцы нынешнего, а исследовательское сообщество – ключи !!! Как я уже сказал выше, делая курсы, это другое, и играет с реальными мировыми данными – это другое, что после того, как испытывает много разных типов обучения, я обнаружил, что обучение, выполняя реальные мировые проекты, является наиболее эффективным способом быстрого изучения вещей. Делаясь курсы – это другое, и игра с реальными мировыми данными – это другое.

Вот несколько источников, где вы можете найти некоторые наборы данных с открытым исходным кодом Real-World для практики и создания проектов

uci-ml-repo

Кашельство

Google публичные наборы данных

Fivethirtyeight.

  • Python для анализа данных WES Mckinney
  • Автоматизировать скучные вещи с Python
  • Машина обучения с Python Cookbook
  • Python Cookbook
  • Руки на машине обучение с Scikit-Suart & Tensorflow

В первой части попробуйте изучить некоторые алгоритмы, задавайте вопросы своими данными, ищите несколько хороших проектов на Kaggle и Github и сделайте свой анализ того, что делают люди с их ноутбуком Jupyter.

Узнайте различные алгоритмы и понять математику за кулисами. Не волнуйтесь, математика за ними легко, не боясь, услышав их имена.

  • Линейная регрессия
  • K-средства (k-nn)
  • k-означает и больше …

После некоторой практики вы сможете решить продвинутые проблемы науки о данных. Попробуйте собирать данные, чтобы сделать ваш проект, практиковать процессы Life Life Cycle.

Надеюсь, этот блог даст вам четкий путь к тому, как навигаться в этом поле. Мне потребовалось годы, чтобы правильно понять науки и концепции жизни данных, и я все еще учусь каждый день! Большое спасибо за чтение и удачи в вашем путешествии по науке о данных !! Как всегда, я приветствую обратную связь, конструктивную критику и слушаю о ваших проектах. Я могу добраться до LinkedIn , а также на мой сайт Отказ

Оригинал: “https://dev.to/vivekcodes/data-science-zero-to-hero-protips-420”