学习大数据的正确姿势

一、学习动机

数据科学是一个广泛而模糊的领域，这使得它很难学习。没有动力，你zui终会中途停止对自己失去信心。所以，你需要动力去激励自己，即使是在半夜公式已经开始变的模糊，你还是想探究关于神经网络的意义。你需要些动力来让你发现统计、线性代数和神经网络之间的联系，当你在困惑“下一步我该学习什么?”的时候。

我痴迷于改善程序的性能，我痴迷于股票市场，我学习去爱数据。我去学习一切能让这个项目结果更好的技能。并不是每个人都会痴迷于股市预测，但重要的是要发现你想学习的东西。

二、实践出真知

学习神经网络、图像识别和其他技术是很重要的，但大多数数据科学工作不涉及这些，而是：

1、90%的工作将是数据清理。

2、精通几个算法比知道一点许多算法要好。

3、如果你知道线性回归、k - means聚类和逻辑回归,可以解释和诠释他们的研究结果,并可以用这些完成一个项目，你将比如果你知道每一个演算法,但不使用它们更优质。

4、大多数时候,当你使用一种算法，它将是库中的一个版本(你很少会自己编码支持向量机实现——这需要太长时间)。

所有这些意味着zui好的学习方法是在项目工作中学习，通过项目，你可以获得有用的技能。一种方法是在一个项目中先找到一个你喜欢的数据集，回答一个有趣的问题。另一种方法是找到一个深层次的问题，例如预测股票市场，然后分解成小步骤。我先进次连接到雅虎财经的API,并爬下每日价格数据。然后我创建了一些指标,比如在过去的几天里的平均价格,并用它们来预测未来(这里没有真正的算法,只是技术分析)。这个效果不太好,所以我学会了一些统计知识,然后用线性回归。 然后连接到另一个API,清理每一分钟的数据,并存储在一个SQL数据库。 等等,直到算法效果很好。

这样做的好处是我在一个学习环境中学习。我不仅仅学习了SQL语法，用它来储存价格数据，还比仅仅学习语法多学习了十倍的东西。学习而不应用的知识很难被保留，当你做实际的工作的时候也不会准备好。

三、学会沟通

数据科学家需要不断展示他们的分析结果。这个过程可以区别数据科学家的水平。交流的一部分是对主题的理解和理论，另一个是理解如何组织你的结果。zui后一部分是能够清楚地解释您的分析。

我很难找到关于有效沟通的概念，但有些事情你该尝试一下：

1、开始写博客。 展示你的数据分析的结果。

2、试着教那些对数据科学技术知识并没有什么概念的人，比如你的朋友和家人这可以可以帮助您理解概念。

3、试着在聚会上演讲。

4、使用github管理你所有的分析。

5、在一些社区中活跃。

四、向同行学习

你根本想不到你会从同行身上学到多少东西，在数据工作中，团队合作非常重要。

1、在聚会中找一些同伴。

2、开源软件包。

3、给哪些写有趣的数据分析博客发消息看有没有合作的可能。

4、尝试参加Kaggle 比赛看看可不可以找到队友。

五、不断增加学习的难度

你完全熟悉这个项目的工作了? 你zui后一次使用一个新概念是在一周前? 那么是时候做些更加困难的挑战了。如果你停止攀登，那么不进则退。如果你发现自己太舒适,这里有一些建议:

1、处理更大的数据集。 学习使用spark。

2、看看你能不能让你的算法更快。

3、你将如何将算法扩展到多个处理器? 你能做到吗?

4、理解更多的理论算法并使用。这会改变你的假设吗?

5、试图教一个新手去做你现在正在做同样的事情。

以上是一个思路，告诉你在开始学习数据科学的时候到底要做什么。你完成了这些，会发现能力自然而然提升了。你可以通过书来学习，但较好的学习方式应该是实践，通过实践才能知道自己的不足之处，从而来制定学习计划。