<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??碼云GVP開源項目 12k star Uniapp+ElementUI 功能強大 支持多語言、二開方便! 廣告
                # 如何成為數據科學家 > 原文: [https://machinelearningmastery.com/become-data-scientist/](https://machinelearningmastery.com/become-data-scientist/) 你是如何成為數據科學家的? 我認為這實際上取決于你現在的位置以及你作為數據科學家真正想做的事情。 盡管如此,DataCamp [最近發布了一個信息圖](http://blog.datacamp.com/how-to-become-a-data-scientist-in-8-easy-steps-the-infographic/),描述了成為數據科學家的 8 個簡單步驟。在這篇文章中,我想強調并回顧一下 DataCamp 的信息圖。 [![How to become a data scientist](img/b8bbc67ed1519b80ec2e50ea5a14d2dc.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/11/How-to-become-a-data-scientist.png) 如何成為數據科學家 [DataCamp 博客](http://blog.datacamp.com/how-to-become-a-data-scientist-in-8-easy-steps-the-infographic/)上發布的信息圖的一部分 ## 什么是數據科學家 在定義成為數據科學家的步驟之前,圖形定義了數據科學家使用三個關鍵資源的方式: 1. Drew Conway 的[數據科學維恩圖](http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram)結合了黑客技能,數學和統計知識以及實質性專業知識。 2. 顯示關于教育水平問題的調查結果的圖表,與 O'Reilly 的[分析分析器](http://www.oreilly.com/data/free/analyzing-the-analyzers.csp)中的圖表不同。 3. Josh Wills 的[引用了什么是數據科學家](https://twitter.com/josh_wills/status/198093512149958656)。 ## 成為數據科學家 從信息圖中,成為數據科學家的 8 個步驟是: 1. 擅長統計,數學和機器學習。參加在線課程。 2. 學習編碼。計算機科學,發展和語言。 3. 理解數據庫。數據類型,技術存儲它們以及檢索數據的方法。 4. 主數據調整,可視化和報告。工具。 5. 升級大數據。更大的工具,如 hadoop,mapreduce 和 spark。 6. 獲得經驗,實踐并結識數據科學家。比賽,寵物項目和發展直覺。 7. 實習,訓練營或找工作 8. 關注并與社區互動 ## 評論 乍一看,圖形表明標準的口頭禪在成為數學和編程天才之前,甚至在查看數據或算法之前,我認為這種方法是錯誤的。 仔細研究后,圖形顯示了從步驟 1-5 開始熟悉的路徑。它建議學習課程,并掌握數據科學和數據的語言。 然后步驟 6-7 是關于實際工作問題和發展技能,然后在步驟 8 中加入和關注社區。 從這個更細微的角度來看,它是一個偉大的圖形,我喜歡它。 我會走得更遠。 我建議將步驟 1-5 進一步最小化,以便在這些領域提供術語和主題的速成課程。我建議盡快使用工具來處理數據集。在問題之后完成這個過程和工作問題將突出顯示需求并為那些可以及時學習和編織的基礎主題提供背景。 分段線性分解非常適合課程設計和信息圖表,但不適合學習和獲得結果。我認為應該整合模塊或步驟。 學習計算機科學可以使你成為一名優秀的計算機科學家(對于任何需要的人)和更圓潤的工程師,但要成為一名優秀的程序員,你需要練習編程。 我認為這同樣適用于工作數據問題。為了在端到端的工作問題上取得優異成績,您需要關注并實踐這一過程,并在此過程的背景下學習相關理論。它將像一把偉大的刀子一樣,將范圍縮小到所需要和相關的范圍,而不是課程和教科書中的所有內容。 你如何成為數據科學家,工作數據問題。很多。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看