自學成為數據科學家的一條免費學習路徑技术頭條網

如何通過免費方式學習數據科學？數據科學家 Rebecca Vickery 從技術能力、理論和實踐經驗三個方面入手介紹了自己的經驗。

在傳統教育機構中讀碩士學位的平均成本差不多在 3 萬到 12 萬美元之間。在線數據科學學位課程也不便宜，最低成本為 9000 美元。如果你想學數據科學，但支付不起這筆費用，應該怎麼辦呢?

我在成為數據科學家之前沒有經歷過任何正式的專業教育。本文將分享我的個人課程表，無需支付數千美元也能學習數據科學。

該課程包含 3 個主要部分：技術能力、理論和實踐經驗。文中包含該學習路徑中每個元素的免費資源鏈接，以及一些「低成本」資源的鏈接。如果你想花一點錢加速學習過程，你可以把這些資源添加到課程中。本文會說明每項資源的預計成本。

技術能力

本課程的第一部分為技術能力。推薦大家先學習這部分內容，這樣你就可以採取實踐優先的學習方式，而不是以數學理論為先。目前，Python 是數據科學領域使用最廣泛的編程語言。根據 Kaggle 2018 機器學習及數據科學調查報告，83% 的受訪者在日常工作中使用 Python。因此，我推薦大家學習 Python 語言，同時也推薦大家花一點時間學習其他語言，比如 R 語言。

Python 基礎

使用 Python 執行數據科學任務之前，你需要先掌握 Python 背後的基礎知識。你需要一門 Python 入門課程。網上有很多免費教程，我最喜歡的是 Codeacademy 的教程，因為它們允許在瀏覽器內進行動手編程實踐。

我推薦大家學習這個 Python 入門課程，該課程涵蓋 Python 基礎語法、函數、控制流、循環、模塊和類。

課程地址：https://www.codecademy.com/learn/learn-python

使用 Python 做數據分析

接下來，你需要充分了解如何使用 Python 做數據分析，這方面有很多不錯的資源。

首先，我推薦大家至少學完 dataquest.io 上數據分析師學習路徑的免費部分。Dataquest 提供完整的數據分析師、數據科學家和數據工程師學習路徑。其中大量內容，尤其是數據分析師學習路徑的內容可以免費獲取。如果你資金充足，我強烈建議你付費訂閱並學習這些內容。我學了這個課程，從中瞭解到數據科學的基礎知識。數據科學家路徑課程花費了我 6 個月時間。每個月的價格從 24.5 美元到 49 美元不等，這取決於你是否購買年費會員。資金充足的話，購買年費會員更划算(https://www.dataquest.io/subscribe/)。

Dataquest 平臺(https://app.dataquest.io/dashboard)

使用 Python 做機器學習

如果你已經學完了 Dataquest 上的數據科學課程，那麼你應該對使用 Python 執行機器學習的基礎知識有了充分了解。如果還沒有，這方面也有很多免費資源。我推薦首先從 scikit-learn 開始學起，因為 scikit-learn 是目前最常用的機器學習 Python 庫。

我很幸運，在學習過程中參加了 scikit-learn 核心開發者之一 Andreas Mueller 舉辦的為期兩天的 workshop。他發佈了該課程的所有材料，包含幻燈片、課程筆記和 notebook。推薦大家先學習這份資料。

課程資料地址：https://github.com/amueller

接下來，我推薦大家學習 scikit-learn 官方文檔中的一些教程。之後，大家就可以構建一些實際機器學習應用，學習模型運行背後的理論了。

scikit-learn 文檔地址：https://scikit-learn.org/stable/tutorial/basic/tutorial.html

SQL

想成為數據科學家，SQL 是必不可少的一項技能，因為抽取數據是數據建模的基礎流程之一。這通常需要對數據庫運行 SQL query。如果你沒有學完上述 Dataquest 數據科學課程，那麼這裡有一些免費資源可供選擇。

Codeacamdemy 有一門 SQL 入門課程，這門課實踐性很強，學習過程中你可以在瀏覽器內進行編程。

課程地址：https://www.codecademy.com/learn/learn-sql

如果你還想了解基於雲的數據庫查詢，那麼 Google Cloud BigQuery 是不錯的選擇。它有免費試用方案，你可以免費嘗試 query、大量公共數據集，以及閱讀官方文檔(https://cloud.google.com/bigquery/docs/tutorials)。

Codeacademy SQL 課程

R 語言

要想成為全面的數據科學家，只學 Python 還不夠。我推薦大家學習一門 R 語言入門課程。Codeacademy 就有一門免費入門課程。

課程地址：https://www.codecademy.com/learn/learn-r。

值得注意的是，Codeacademy 的 pro 版本也提供完整的數據科學學習計劃(升級 pro 賬戶需要每月支付 31.99 到 15.99 美元不等，具體費用取決於預先支付多少個月)。我個人覺得 Dataquest 的課程更加全面，但 Codeacademy 的這門課程要便宜一些。

軟件工程

掌握軟件工程技能和最佳實踐是明智的做法，這會使代碼更具可讀性和可擴展性。此外，當你開始將模型投入生產過程時，你需要寫出高質量、測試良好的代碼，並熟練使用版本控制等工具。

這裡有兩個不錯的免費資源。「Python Like You Mean It」涵蓋 PEP8 風格指南、文檔，以及面向對象的編程。

地址：https://www.pythonlikeyoumeanit.com/intro.html(有中文版)

scikit-learn 貢獻指南旨在促進開發者對 scikit-learn 庫的貢獻，但它實際上也涉及最佳實踐。它包括 GitHub、單元測試、debug 等話題，而且其寫作背景是數據科學應用。

scikit-learn 貢獻指南地址：https://scikit-learn.org/stable/developers/contributing.html

深度學習

要想對深度學習有一個全面的瞭解，我覺得 fast.ai 是最好的選擇，它完全免費且沒有廣告。該課程包含機器學習導論、深度學習實踐、計算線性代數和自然語言處理導論(代碼優先)。所有課程都以實踐為先，強烈推薦大家學習這些課。

課程地址：https://www.fast.ai/

fast.ai 平臺

理論

你在學習技術能力部分時，一定會遇到一些代碼背後的理論知識。我推薦大家在學習實踐能力的同時學習理論知識。我自己採取的方式是：學習能夠實現某項技術的代碼(比如 KMeans)，在代碼運行後深入瞭解其概念，如慣性(inertia)。scikit-learn 文檔包含 KMeans 算法背後的所有數學概念，地址：https://scikit-learn.org/stable/modules/clustering.html#k-means。

這部分將介紹重要的基礎理論知識。

可汗學院幾乎涵蓋以下列舉的所有概念，且可免費學習。你可以在註冊可汗學院時選擇想要學習的主題，這樣就可以得到量身定做的理論學習路徑了。查看下圖中的所有複選框，提前瞭解下文將要列舉的大部分理論元素。