数据科学怎么学？什么是必要的技能？近日，一本数据科学领域的学习书籍在推特上走红，获得了1k+的点赞。之所以能引起大家的关注，是因为本教程将数据科学广泛而复杂的知识内容梳理成了14个方面及其各自的重点，同时解答了很多学习中的常见问题。比如“用什么语言比较好”，“用什么工具最合适”。本学习指南由数据科学学习网站创始人MattDancho撰写。那么，这篇干货到底讲的是什么呢？真的有这么神奇吗？让我们来看看。比较推荐R语言入题，先说DataScience吧。数据科学是指通过挖掘数据、处理数据、分析数据，获取有用信息，然后将这些信息应用到不同领域各个方面的技术和研究。该学科融合了应用数学、统计学、模式识别、机器学习、数据可视化、数据仓库、高性能计算等多个领域的理论与技术，知识面广。作者表示，为了掌握这些技能，每周需要学习10个小时左右。那么在真正开始学习之前，我们先来看看最关键的问题——用什么语言？这里笔者认为可以选择R语言或者Python。从实际角度出发，他会考虑以下三个因素：编程语言对数据科学的影响有多大？就业市场的需求是什么？就业市场竞争有多激烈？在第一方面，作者直接将两者进行了比较。Python非常适合机器学习和深度学习。但在市场报告方面优势不大，可用于统计经济学等重要领域的库相对较少。R语言在商业分析和数据科学方面有完善的工具支持，但在深度学习方面的应用相对薄弱。不过笔者认为，深度学习在数据科学中的应用并不多，需要深度学习或其他API时，可以将R语言与Python结合使用。从就业市场的角度来看。笔者整理了美国招聘市场的数据。结果显示，Python的招聘岗位数量是R语言的2.4倍。但是了解和掌握Python的人比掌握R语言的人多。可能高达4-32次。最后，笔者认为选择R语言优势更大。那么其他一些基本技能呢？例如，是否推荐使用Excel？笔者认为，虽然Excel被商务人士广泛使用，深受商务人士喜爱，但在处理机器学习和大数据方面并不具备优势，单元格中的函数也容易出错。因此，建议您谨慎使用Excel。在选择什么样的开发工具方面，笔者展开了一个小调查。对于喜欢使用R语言的人来说，RStudio是大家最喜欢的开发工具。在Python方面，Jupyter和VSCode更受欢迎。这里笔者没有给出明确的推荐，大家可以根据自己的喜好选择。只需4个步骤即可开始数据科学。接下来，就是正式学习的时候了。大致可以分为4个步骤：掌握基本技能、学习建模、学习时间序列分析、将模型集成到应用中。一些具体的学习技巧。首先，学习基本技能。可能很多人一上来就想把机器学习搞定，但这可能会影响学习兴趣&效率。作者用R语言进行演示，列举了一些基本技巧：导入数据：使用数据库、连接SQL、readr包、readxl包；转换数据：处理异常值、缺失数据、重塑数据、聚合、过滤等；可视化数据：静态/交互式数据可视化，ggplot2和plotly；处理文本数据、函数式编程……如果你掌握了上面的基本技能，接下来就可以学习机器学习了。说到这里，可能有人会疑惑，难道我们不应该先学数学、统计和算法吗？对此，笔者认为，如果从头开始学习如何编写算法，对数据分析可能不是一个快速入门。因此，他建议从实战中学习这些技能。简单来说，可以分为三个步骤：将机器学习应用到实际问题中；尝试使用不同的算法；比较不同的应用结果。为此需要什么工具？Tidymodels和H2O是作者推荐的两个包。此外，Recipes中还有很多预处理工具可以转换数据和创建数据特征。接下来笔者推荐大家开始学习时间序列分析。因为这个技能意味着你可以预测一些未来的数据，掌握了这个技能也会让你成为大厂手中炙手可热的人才。在这方面，您需要掌握的技能如下：时间序列分析：处理日期/日期时间数据、聚合、转换、可视化时间序列、使用timetk进行预测：ARIMA、指数平滑、Prophet、机器学习（XGBoost、随机forest、GLMnet等）、深度学习（GluonTS）、集成、调整超参数、缩放预测、模型时间包。完成此步骤后，您可以尝试创建模型并投入使用。在这里，笔者推荐一款可以将模型集成到应用中的工具——Shiny。此包可用于创建交互式Web应用程序，代码可托管在本地或服务器上。看完OneMoreThing的技能树，也有网友提出疑问：为什么没看到深度学习？作者回答说，机器学习对于商业应用会更实用。笔者说，有个小弟在微软官网选了fast-track课程后，拿到了微软机器学习工程师的offer。当然，这份完整的学习计划是可以免费使用的（见文末链接）。学习清单：https://www.business-science.io/r-cheatsheet
