zoukankan      html  css  js  c++  java
  • 一份超详细的数据科学路线图!

    https://mp.weixin.qq.com/s/T9swy3NeSs3SU4v41-UB9A

    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。

    图片


    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

    图片


    「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。」

    图片

    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。

    图片

    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。

    图片

    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。

    图片

    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。

    图片

    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。

    图片

    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。

    图片

    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。

  • 相关阅读:
    VS生成Map文件
    Google Android Studio Kotlin 开发环境配置
    byte数组存储到mysql
    C# 读取 appconfig文件配置数据库连接字符串,和配置文件
    关于byte[]与string、Image转换
    运行vs2010,Debug时发生“无法启动程序"http://localhost:xxx",系统找不到指定文件
    【转】使用Navicat for Oracle新建表空间、用户及权限赋予
    eclipse创建maven项目
    使用eclipse自动生成WSDL客户端代码
    使用Apache CXF根据wsdl文件生成代码
  • 原文地址:https://www.cnblogs.com/dhcn/p/14484844.html
Copyright © 2011-2022 走看看