不交学费也能成为数据科学家，这里有一条免费学习路径

长沙7喜 2019-10-20

展开全文

作者：Rebecca Vickery

机器之心编译

参与：魔王

如何通过免费方式学习数据科学？数据科学家 Rebecca Vickery 从技术能力、理论和实践经验三个方面入手介绍了自己的经验。

在传统教育机构中读硕士学位的平均成本差不多在 3 万到 12 万美元之间。在线数据科学学位课程也不便宜，最低成本为 9000 美元。如果你想学数据科学，但支付不起这笔费用，应该怎么办呢？

我在成为数据科学家之前没有经历过任何正式的专业教育。本文将分享我的个人课程表，无需支付数千美元也能学习数据科学。

该课程包含 3 个主要部分：技术能力、理论和实践经验。文中包含该学习路径中每个元素的免费资源链接，以及一些「低成本」资源的链接。如果你想花一点钱加速学习过程，你可以把这些资源添加到课程中。本文会说明每项资源的预计成本。

技术能力

本课程的第一部分为技术能力。推荐大家先学习这部分内容，这样你就可以采取实践优先的学习方式，而不是以数学理论为先。目前，Python 是数据科学领域使用最广泛的编程语言。根据 Kaggle 2018 机器学习及数据科学调查报告，83% 的受访者在日常工作中使用 Python。因此，我推荐大家学习 Python 语言，同时也推荐大家花一点时间学习其他语言，比如 R 语言。

Python 基础

使用 Python 执行数据科学任务之前，你需要先掌握 Python 背后的基础知识。你需要一门 Python 入门课程。网上有很多免费教程，我最喜欢的是 Codeacademy 的教程，因为它们允许在浏览器内进行动手编程实践。

我推荐大家学习这个 Python 入门课程，该课程涵盖 Python 基础语法、函数、控制流、循环、模块和类。

课程地址：https://www./learn/learn-python

使用 Python 做数据分析

接下来，你需要充分了解如何使用 Python 做数据分析，这方面有很多不错的资源。

首先，我推荐大家至少学完上数据分析师学习路径的免费部分。Dataquest 提供完整的数据分析师、数据科学家和数据工程师学习路径。其中大量内容，尤其是数据分析师学习路径的内容可以免费获取。如果你资金充足，我强烈建议你付费订阅并学习这些内容。我学了这个课程，从中了解到数据科学的基础知识。数据科学家路径课程花费了我 6 个月时间。每个月的价格从 24.5 美元到 49 美元不等，这取决于你是否购买年费会员。资金充足的话，购买年费会员更划算（https://www./subscribe/）。

Dataquest 平台（https://app./dashboard）

使用 Python 做机器学习

如果你已经学完了 Dataquest 上的数据科学课程，那么你应该对使用 Python 执行机器学习的基础知识有了充分了解。如果还没有，这方面也有很多免费资源。我推荐首先从 scikit-learn 开始学起，因为 scikit-learn 是目前最常用的机器学习 Python 库。

我很幸运，在学习过程中参加了 scikit-learn 核心开发者之一 Andreas Mueller 举办的为期两天的 workshop。他发布了该课程的所有材料，包含幻灯片、课程笔记和 notebook。推荐大家先学习这份资料。

课程资料地址：https://github.com/amueller

接下来，我推荐大家学习 scikit-learn 官方文档中的一些教程。之后，大家就可以构建一些实际机器学习应用，学习模型运行背后的理论了。

scikit-learn 文档地址：https:///stable/tutorial/basic/tutorial.html

SQL

想成为数据科学家，SQL 是必不可少的一项技能，因为抽取数据是数据建模的基础流程之一。这通常需要对数据库运行 SQL query。如果你没有学完上述 Dataquest 数据科学课程，那么这里有一些免费资源可供选择。

Codeacamdemy 有一门 SQL 入门课程，这门课实践性很强，学习过程中你可以在浏览器内进行编程。

课程地址：https://www./learn/learn-sql

如果你还想了解基于云的数据库查询，那么 Google Cloud BigQuery 是不错的选择。它有免费试用方案，你可以免费尝试 query、大量公共数据集，以及阅读官方文档（https://cloud.google.com/bigquery/docs/tutorials）。

Codeacademy SQL 课程

R 语言

要想成为全面的数据科学家，只学 Python 还不够。我推荐大家学习一门 R 语言入门课程。Codeacademy 就有一门免费入门课程。

课程地址：https://www./learn/learn-r。

值得注意的是，Codeacademy 的 pro 版本也提供完整的数据科学学习计划（升级 pro 账户需要每月支付 31.99 到 15.99 美元不等，具体费用取决于预先支付多少个月）。我个人觉得 Dataquest 的课程更加全面，但 Codeacademy 的这门课程要便宜一些。

软件工程

掌握软件工程技能和最佳实践是明智的做法，这会使代码更具可读性和可扩展性。此外，当你开始将模型投入生产过程时，你需要写出高质量、测试良好的代码，并熟练使用版本控制等工具。

这里有两个不错的免费资源。「Python Like You Mean It」涵盖 PEP8 风格指南、文档，以及面向对象的编程。

地址：https://www./intro.html（有中文版）

scikit-learn 贡献指南旨在促进开发者对 scikit-learn 库的贡献，但它实际上也涉及最佳实践。它包括 GitHub、单元测试、debug 等话题，而且其写作背景是数据科学应用。

scikit-learn 贡献指南地址：https:///stable/developers/contributing.html

深度学习

要想对深度学习有一个全面的了解，我觉得是最好的选择，它完全免费且没有广告。该课程包含机器学习导论、深度学习实践、计算线性代数和自然语言处理导论（代码优先）。所有课程都以实践为先，强烈推荐大家学习这些课。

课程地址：https://www./

平台

理论

你在学习技术能力部分时，一定会遇到一些代码背后的理论知识。我推荐大家在学习实践能力的同时学习理论知识。我自己采取的方式是：学习能够实现某项技术的代码（比如 KMeans），在代码运行后深入了解其概念，如惯性（inertia）。scikit-learn 文档包含 KMeans 算法背后的所有数学概念，地址：https:///stable/modules/clustering.html#k-means。

这部分将介绍重要的基础理论知识。

可汗学院几乎涵盖以下列举的所有概念，且可免费学习。你可以在注册可汗学院时选择想要学习的主题，这样就可以得到量身定做的理论学习路径了。查看下图中的所有复选框，提前了解下文将要列举的大部分理论元素。