用户名*
邮箱*
密码*
确认密码*
验证码* 点击图片更换验证码
找回密码
忘记密码了？输入你的注册邮箱，并点击重置，稍后，你将会收到一封密码重置邮件。
初级水平
什么是初学者？——如果解析学和数据科学对你来说是全新的领域，你也不知该行业的发展模式，而你又想在这个行业大展拳脚一番，那么初学者就是你。以下这些应该在你的计划之内。
1. R语言也好，Python语言也好，学习一门新的编程语言
我曾见到有同学同时学习R语言和Python语言，最后落得两手空空。这种做法是很致命的。你一定要沉下心来专攻一门。鉴于这两种语言都是开放源代码工具，所以在公司里都有广泛运用。Python被公认为最简单的编程语言，而R语言一直都是最受青睐的统计工具。学习哪一门的决定权在你，因为两个同等出色。
推荐课程：学习Codecademy上的Python语言课程；学习DataCamp上的R语言课程。
PS：推荐R语言和Python入门课程《Python入门：数据挖掘实战》、《R语言入门》
2. 学习统计学和数学
统计学的内容全都是关于假设和数列，然而没有统计学和数学的知识你很难深入到数据行业里，这是数据科学家的重中之重。如果你不擅长数学，那现在是时候走出困境了。面对深奥的统计、几何和概率领域知识时，一定不要惊慌。Udacity等站点上都有很多优质的统计学课程。
推荐课程：Udacity上的推论统计学和描述统计学课程
3.一次性完成一门网络开放课程（最难执行）
大规模网络开放课程可以免费获取和学习，可这对你来说也是最难实现的诺言。很多学生通常一次性注册选修很多课程，结果一门也没有圆满完成。所以，你一定要一次专注一门课，完成之后再选下一门。你也可以在Coursera，edX和 Udacit上查找任何想要的学习课程。
推荐课程：例如学习Coursera上的数据科学专业化（R语言）课程；学习Dataquest上的数据科学Python语言课程。
PS:推荐R语言和python进阶课程：《R语言实战》、《Python进阶：数据挖掘算法》
4. 了解业界动态，善于探索和发现
你要了解业内动态。我们生活在一个变化的世界，一夜之间事物就可能发生重大变化，今日和流行的技术明日就很可能面临淘汰。你一定要多与一些富有经验的专业人士、业内专家交流，预见未来的自己。所以赶快参与到讨论和聚会中来吧，关注一些微博微信，加入一些群组，多阅读一些书籍。
推荐书籍：大数据相关电子书集
中级水平
中级水平的数据科学家是什么样的？——如果你已经完成了前一阶段的内容，有过机器学习基础知识的实践经验，掌握了建立预测模型的知识，那你就达到了中级水平。完成这一阶段需要强大的决心和持久的练习。你准备好迎接这个挑战了吗？
1.理解并构建你的机器学习技能
机器学习是数据科学和技术的未来。所有的大型企业都不惜重金雇用掌握这个技能的人才。毫无疑问，近日来这项技术的需求越来越大，现在正是你充分利用这一局面的大好时机。今年，你应该努力在机器学习上精益求精，深入掌握回归、聚类和分类与回归树（CART）技能。Andrew Ng上你可以找到关于机器学习的免费资源。
推荐课程：在Andrew Ng完成机器学习课程任务。
PS：推荐课程《机器学习与R语言实践》，斯坦福大学公开课《机器学习》
2. 专注集成算法和Boosting算法
一旦你对机器学习充满自信，那就继续去学习其他模型。通过Boosting和集成算法，你的模型准确率与其他算法相比会突飞猛进。上述免费资源里也包含这一主题。不过一定要让自己做好心理准备，拿下这个主题需要超强的理解力。
推荐课程：阅读Kaggle Ensembling Guide。学习MIT LectureBoosting相关课程。推荐费博士的《Python进阶：数据挖掘算法》视频课程
3. 探索Spark、NoSQL和其他大数据工具
今年你的学习之旅始于大数据。考虑到大数据专业人员的需求激增，你一定要学习Spark，这个工具最近非常火爆。大数据的未来就在Spark，它广泛用于处理和操纵数据。除此之外，你还可以拓展到NoSQL和Hadoop领域来。
推荐课程：从Spark迈出学习第一步。推荐观看课程《大数据实战工具Spark》
4.给社区成员做分享
还有什么比分享知识更美妙呢！从今年开始，你可以把自己的知识分享给正在数据科学的路上不断探索的人们。你可以加入活跃的数据科学论坛，给他们答疑解惑，以你的灵招妙计给他们做培训。你也可以在附近的行业圈里发起聚会。
推荐任务：关注大数据公众号和论坛等等。
5.参加数据科学竞赛
是时候检验你的真才实学了。今年你一定要参加一些竞赛。这些竞赛会引导你去关注自己的弱势领域。此外，你也会因已有的学识而信心倍增。我希望你可以荣登Kaggle500强数据科学家之列。而现在，你的目标就是坚持到底。
推荐任务：加入Kaggle。加入Data Hack。DataCastle。天池大赛。
附言：有时竞赛也会有难度。你也可以通过这些实际的问题来检验你的技能和知识。这些问题不难，并且妙趣横生。
高级水平
对于进入这个阶段的人我就不需要来给出标准了，你们所了解的数据科学，很多人甚至连尝试的勇气都没有。身处这一阶段，你们的生活惬意而又自如。可有时还想去迎接挑战，以下是一些计划。
1. 建立深度学习模式
今年，你们要为有志于成为数据科学家的人们树立榜样。你要下决心在今年建立深度学习的模式。全球的人都在用这一模式进行预测，它是机器学习的高级阶段，其准确率明显高于普通的机器学习模型。
推荐课程：完成深度学习辅导课程任务。
2.回馈
我相信知识的意义不是被束之高阁，而是与人分享。分享越多，收获越大。据说，如果你了解一个新概念并解释给你的两个朋友，你对这个概念的记忆很可能会更久。所以今年，你必须制定计划，运用自己的知识和经验帮助数据分析学领域的人。这也会为更多的在这个领域的人指明方向。
推荐任务：在社区分享你的知识。
3. 探索强化学习
强化学习是机器学习中最有效而又鲜有发现的领域。今年，你可以下定决心研究下这个领域。虽然很有挑战性，但是一定值得你去尝试。无人汽车、无人侦察机就是强化学习的硕果。一旦开始学习这些，你就自然而言地进入到了人工智能领域。
昵称*
E-Mail*
回复内容*
回复 ( 1 )
初级水平
什么是初学者？——如果解析学和数据科学对你来说是全新的领域，你也不知该行业的发展模式，而你又想在这个行业大展拳脚一番，那么初学者就是你。以下这些应该在你的计划之内。
1. R语言也好，Python语言也好，学习一门新的编程语言
我曾见到有同学同时学习R语言和Python语言，最后落得两手空空。这种做法是很致命的。你一定要沉下心来专攻一门。鉴于这两种语言都是开放源代码工具，所以在公司里都有广泛运用。Python被公认为最简单的编程语言，而R语言一直都是最受青睐的统计工具。学习哪一门的决定权在你，因为两个同等出色。
推荐课程：学习Codecademy上的Python语言课程；学习DataCamp上的R语言课程。
PS：推荐R语言和Python入门课程《Python入门：数据挖掘实战》、《R语言入门》
2. 学习统计学和数学
统计学的内容全都是关于假设和数列，然而没有统计学和数学的知识你很难深入到数据行业里，这是数据科学家的重中之重。如果你不擅长数学，那现在是时候走出困境了。面对深奥的统计、几何和概率领域知识时，一定不要惊慌。Udacity等站点上都有很多优质的统计学课程。
推荐课程：Udacity上的推论统计学和描述统计学课程
3.一次性完成一门网络开放课程（最难执行）
大规模网络开放课程可以免费获取和学习，可这对你来说也是最难实现的诺言。很多学生通常一次性注册选修很多课程，结果一门也没有圆满完成。所以，你一定要一次专注一门课，完成之后再选下一门。你也可以在Coursera，edX和 Udacit上查找任何想要的学习课程。
推荐课程：例如学习Coursera上的数据科学专业化（R语言）课程；学习Dataquest上的数据科学Python语言课程。
PS:推荐R语言和python进阶课程：《R语言实战》、《Python进阶：数据挖掘算法》
4. 了解业界动态，善于探索和发现
你要了解业内动态。我们生活在一个变化的世界，一夜之间事物就可能发生重大变化，今日和流行的技术明日就很可能面临淘汰。你一定要多与一些富有经验的专业人士、业内专家交流，预见未来的自己。所以赶快参与到讨论和聚会中来吧，关注一些微博微信，加入一些群组，多阅读一些书籍。
推荐书籍：大数据相关电子书集
中级水平
中级水平的数据科学家是什么样的？——如果你已经完成了前一阶段的内容，有过机器学习基础知识的实践经验，掌握了建立预测模型的知识，那你就达到了中级水平。完成这一阶段需要强大的决心和持久的练习。你准备好迎接这个挑战了吗？
1.理解并构建你的机器学习技能
机器学习是数据科学和技术的未来。所有的大型企业都不惜重金雇用掌握这个技能的人才。毫无疑问，近日来这项技术的需求越来越大，现在正是你充分利用这一局面的大好时机。今年，你应该努力在机器学习上精益求精，深入掌握回归、聚类和分类与回归树（CART）技能。Andrew Ng上你可以找到关于机器学习的免费资源。
推荐课程：在Andrew Ng完成机器学习课程任务。
PS：推荐课程《机器学习与R语言实践》，斯坦福大学公开课《机器学习》
2. 专注集成算法和Boosting算法
一旦你对机器学习充满自信，那就继续去学习其他模型。通过Boosting和集成算法，你的模型准确率与其他算法相比会突飞猛进。上述免费资源里也包含这一主题。不过一定要让自己做好心理准备，拿下这个主题需要超强的理解力。
推荐课程：阅读Kaggle Ensembling Guide。学习MIT LectureBoosting相关课程。推荐费博士的《Python进阶：数据挖掘算法》视频课程
3. 探索Spark、NoSQL和其他大数据工具
今年你的学习之旅始于大数据。考虑到大数据专业人员的需求激增，你一定要学习Spark，这个工具最近非常火爆。大数据的未来就在Spark，它广泛用于处理和操纵数据。除此之外，你还可以拓展到NoSQL和Hadoop领域来。
推荐课程：从Spark迈出学习第一步。推荐观看课程《大数据实战工具Spark》
4.给社区成员做分享
还有什么比分享知识更美妙呢！从今年开始，你可以把自己的知识分享给正在数据科学的路上不断探索的人们。你可以加入活跃的数据科学论坛，给他们答疑解惑，以你的灵招妙计给他们做培训。你也可以在附近的行业圈里发起聚会。
推荐任务：关注大数据公众号和论坛等等。
5.参加数据科学竞赛
是时候检验你的真才实学了。今年你一定要参加一些竞赛。这些竞赛会引导你去关注自己的弱势领域。此外，你也会因已有的学识而信心倍增。我希望你可以荣登Kaggle500强数据科学家之列。而现在，你的目标就是坚持到底。
推荐任务：加入Kaggle。加入Data Hack。DataCastle。天池大赛。
附言：有时竞赛也会有难度。你也可以通过这些实际的问题来检验你的技能和知识。这些问题不难，并且妙趣横生。
高级水平
对于进入这个阶段的人我就不需要来给出标准了，你们所了解的数据科学，很多人甚至连尝试的勇气都没有。身处这一阶段，你们的生活惬意而又自如。可有时还想去迎接挑战，以下是一些计划。
1. 建立深度学习模式
今年，你们要为有志于成为数据科学家的人们树立榜样。你要下决心在今年建立深度学习的模式。全球的人都在用这一模式进行预测，它是机器学习的高级阶段，其准确率明显高于普通的机器学习模型。
推荐课程：完成深度学习辅导课程任务。
2.回馈
我相信知识的意义不是被束之高阁，而是与人分享。分享越多，收获越大。据说，如果你了解一个新概念并解释给你的两个朋友，你对这个概念的记忆很可能会更久。所以今年，你必须制定计划，运用自己的知识和经验帮助数据分析学领域的人。这也会为更多的在这个领域的人指明方向。
推荐任务：在社区分享你的知识。
3. 探索强化学习
强化学习是机器学习中最有效而又鲜有发现的领域。今年，你可以下定决心研究下这个领域。虽然很有挑战性，但是一定值得你去尝试。无人汽车、无人侦察机就是强化学习的硕果。一旦开始学习这些，你就自然而言地进入到了人工智能领域。