一份超详细的数据科学路线图!

作者:魔王、陈萍
来源:机器之心
链接:https://github.com/therealsreehari/Learn-Datascience-for-Free#5_-expressions
著作权归作者所有,本文仅作学术分享,若侵权,请联系后台删文处理

!!文末附每日小知识点哦!!

从头开始学习数据科学的免费资源。
如何入门数据科学?
这个 GitHub 项目提供了一份免费学习资源,既包括超详细的学习路线图,又涵盖多个免费线上课程、大量数据科学项目和 100 多本免费机器学习书籍,项目上线数天即获得 2.4k 星。
项目地址:https://github.com/therealsreehari/Learn-Datascience-for-Free#5_-expressions
该项目收集了散布在网络上的不同资源,并按照一定的顺序进行组合,以帮助数据科学初学者解决如何搜索免费和结构化学习资源的问题。项目作者表示,该项目将基于新的免费资源持续更新。
数据科学家学习路线图
「磨刀不误砍柴工。」该项目首先详细介绍了一份数据科学路线图,罗列了数据科学学习者需要掌握的内容:
  • 基础知识(矩阵和代数基础等);
  • 统计学(概率论、贝叶斯定理等);
  • 编程;
  • 机器学习;
  • 文本挖掘 / 自然语言处理;
  • 数据可视化;
  • 大数据;
  • 数据获取;
  • 数据再加工(Data Munging);
  • 工具箱。
成为数据科学家需要掌握的基础知识
在成为数据科学家之前,你需要掌握关于矩阵的理论知识,了解其操作方式,熟悉矩阵的各种变换。项目作者还向我们介绍了多种数据结构,包括哈希函数、二叉树等。
以二叉树为例,项目作者解释了什么是二叉树:「在计算机科学中,二叉树是一种树数据结构,其中每个节点最多具有两个子节点,称为左子节点和右子节点。」
二叉树
除了矩阵知识以外,数据科学初学者还需掌握关系代数、数据库基础知识、CAP 原理、ETL 等多达十多个知识点(有些部分还在更新中)。
统计学
该项目介绍了许多关于统计学的知识,包括数据集的选择、描述性统计、探索性数据分析、直方图、概率论、贝叶斯定理等内容。
以探索性数据分析为例,项目作者从数据的可视化和分析两方面着手,向我们介绍了完成整个数据分析任务需要的开发环境、依赖库、安装方式以及分析方式。
在数据可视化方面,项目作者介绍了三个数据可视化库 Matplotlib、Pandas、Seaborn,每个库都有相应的链接,点击链接即可进入相应的网页进行查看。
点击 Seaborn 链接,可进入 Seaborn 主页,该图为链接到的主页内容。
在数据分析方面,项目作者介绍了 PCA 降维方法,帮助学习者了解什么是主成分分析,以及如何在 Python 中实现。
编程
成为数据科学家离不开编程,该项目介绍了需要掌握的编程语言 Python、R setup/R studio 等内容。以 R setup / R studio 为例,项目作者介绍了两种安装方式 Linux、Windows。但是本部分内容还有许多待补充知识。
待补充内容
机器学习
该项目还列举了掌握数据科学需要了解的机器学习知识,包括数值变量、分类变量、监督学习、无监督学习、训练集和测试集、分类器、过拟合、偏差和方差、支持向量机等 30 项内容。
以支持向量机为例,项目作者首先介绍了支持向量机的作用——可用于分类和回归任务,接着用简单明了的语言解释了支持向量机的原理。此外,项目作者还列举了关于支持向量机的其他知识,读者可通过链接自行学习。
支持向量机
除了上述介绍的内容外,项目作者还整理了文本挖掘、数据可视化等内容,此处不再赘述。
免费线上课程
该项目基于 GitHub 用户 Developer-Y 的项目整理了大量线上免费课程的资源,包括人工智能、机器学习、机器人学三个主要部分。其中机器学习部分又细分为机器学习导论、数据挖掘、数据科学、概率图模型、深度学习、强化学习、进阶版机器学习课程、基于机器学习的自然语言处理与计算机视觉、时序分析、概率与统计学、线性代数等。
该项目提供的免费线上课程列表部分截图。
从该项目列表中,我们可以看到熟悉的吴恩达机器学习课程,以及来自卡内基梅隆大学、斯坦福大学、苏黎世联邦理工学院、加州大学伯克利分校、微软等机构的丰富课程资源。
人工智能开源项目
此外,该项目还罗列了大量人工智能开源项目,涵盖机器学习、深度学习、自然语言处理、计算机视觉这些领域。
这一资源来自 AI 研究者、数据科学家 Ashish Patel 创建的 GitHub 库,目前包含 71 个条目,点开链接即可获取相应的项目和代码资源。
项目列表部分截图。
从目前的列表中,我们可以看到它包括目标检测、聊天机器人、GUI、无监督学习、回归分析、情感分析、推荐系统、数据科学、NLP、计算机视觉等细分领域的相关项目资源。盖列表将持续更新。
100+ 免费机器学习书籍
项目作者整理了一份来自 Insane 的机器学习书籍列表文章。该列表在 2021 年 1 月份刚刚更新过,包括我们熟悉的「花书」《深度学习》,以及主题为图算法、自然语言处理、数据挖掘、GAN、Python 等的书籍。
图源:https://www.theinsaneapp.com/2020/12/download-free-machine-learning-books.html
项目作者表示,希望这些免费资源能够帮助到无法支付教育费用的人们,从头开始掌握数据科学。

每天进步一丢丢 

K均值
K 均值是基于样本点间的几何距离来度量聚类的通用目的算法。由于集群围绕在聚类中心,结果会接近于球状并具有相似的大小。
优点:K均值是最为流行的聚类算法,因为它足够快速、足够简单,如果你的预处理数据和特征工程都做得十分有效,那它将具备令人惊叹的灵活性。
缺点:该算法需要指定集群的数量,而 K 值的选择通常都不是那么容易确定的。另外,如果训练数据中的真实集群并不是类球状的,那么 K 均值聚类会得出一些比较差的集群。

!重磅!【深度学习冲鸭技术交流二群】微信交流群已成立

投稿或交流学习,备注:昵称-学校(公司)-方向,申请进入深度学习冲鸭技术交流群。
方向有很多:机器学习,深度学习,python,目标检测、目标跟踪、图像分割、OCR、姿态估计、去噪、人脸检测&识别等。
记得备注呦
(0)

相关推荐