开启左侧

如何在业余时间学习数据分析?

[复制链接]
发表于 2016-2-29 04:40 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有帐号?注册

x

我是一个web前端开发者和rails程序员,计算机专业出身,掌握Python、Ruby、C、Java编程语言,具有较为扎实的计算机理论基础。

现在工作之外的时间里想学习一下数据分析或者数据挖掘。现在大数据这个词搞得蛮火的,不少公司也有在招聘数据分析员。

抱着「技多不压身」的想法我也想稍微学习一下。说不定以后的工作也会需要。我稍微了解了一下,数据分析最基础就是用excel来工作。不过我计算机专业出身的人,还是想通过用编程语言的方法来学习。听说R语言不错,我也稍微了解了一下。

  • 不过现在要学数据分析的话,我可以从哪里着手?

  • 从哪里弄到有分析价值的数据?

  • 在开源社区有没有开源项目适合用来学习数据分析?

  • 可以自己动手做个什么项目来实践?


    5 R3 I  f  i9 |

8 S: K6 t" @5 ~5 d; b* s
事先说一句,Python Rocks, especially for Data scientist! 不是说 R 不好,我个人觉得 R 别别扭扭的,但是现在 R 很多,而且 R 作为数据分析是一门好语言。选择在个人,我只是说 Python Rocks!
9 q8 P1 ]5 _' {2 L- u2 d/ Z1 R* S; \* c/ a4 I8 e6 l5 O
回答你的问题:
; G. w% I( l8 s: O4 `: m
不过现在要学数据分析的话,我可以从哪里着手?
首先,依据你的情况,最好是有一个你熟悉背景的项目或者例子,不一定是「数据分析」项目,只要你能弄到数据,然后清楚要分析的对象和目的就好。
5 N6 Y6 y/ u" m: Z+ P/ m5 B% v% T
' t6 q7 h! p; Z; q9 i接下来说方法,现在有很多课程可以帮助你学习这些方法,具体哪个方法好,完全看你的问题是什么,根据目的选方法。具体有哪些方法,请参考下面的书单。鉴于你会 Python,推荐[url=]机器学习实战 [/url]

. u- W1 e$ P' o. B/ p5 j/ k  E
7 Q6 }. v3 |2 O5 o8 G
入门读物:, D+ x( q) T  l7 d, g! R
  • [url=]深入浅出数据分析[/url] 这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。难易程度:非常易。
  • [url=]啤酒与尿布[/url] 通过案例来说事情,而且是最经典的例子。难易程度:非常易。
  • [url=]数据之美[/url] 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。难易程度:易。
  • [url=]数学之美[/url] 这本书非常棒啦,入门读起来很不错!
    " c5 V5 a. \4 L, X! L( c- P
    6 A9 U* w/ H, r. F
数据分析:* b9 L9 Q  E6 @7 {; t
  • [url=]SciPy and NumPy[/url] 这本书可以归类为数据分析书吧,因为numpy和scipy真的是非常强大啊。
    2 T  U6 @# c0 W
  • [url=]Python for Data Analysis[/url] 作者是Pandas这个包的作者,看过他在Scipy会议上的演讲,实例非常强!
    7 I" m0 ]+ M6 ?0 `: [; X) z
  • [url=]Bad Data Handbook[/url] 很好玩的书,作者的角度很不同。
    % r" m$ X4 G' L2 x+ m
适合入门的教程:
3 y9 Y# T( z/ p
  • [url=]集体智慧编程[/url] 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法,浅显易懂,还有可执行的Python代码。难易程度:中。
  • [url=]Machine Learning in Action[/url] 用人话把复杂难懂的机器学习算法解释清楚了,其中有零星的数学公式,但是是以解释清楚为目的的。而且有Python代码,大赞!目前中科院的王斌老师(微博: 王斌_ICTIR)已经翻译这本书了 [url=]机器学习实战[/url]。这本书本身质量就很高,王老师的翻译质量也很高。难易程度:中。我带的研究生入门必看数目之一!
  • [url=]Building Machine Learning Systems with Python[/url]虽然是英文的,但是由于写得很简单,比较理解,又有 Python 代码跟着,辅助理解。
  • [url=]数据挖掘导论[/url]最近几年数据挖掘教材中比较好的一本书,被美国诸多大学的数据挖掘课作为教材,没有推荐Jiawei Han老师的那本书,因为个人觉得那本书对于初学者来说不太容易读懂。难易程度:中上。
  • [url=]Machine Learning for Hackers[/url] 也是通过实例讲解机器学习算法,用R实现的,可以一边学习机器学习一边学习R。

    & u4 C3 j3 J" z8 ]& s
稍微专业些的:/ f* e9 r+ c- M8 C- P9 @
  • [url=]Introduction to Semi-Supervised Learning[/url]半监督学习必读必看的书。
    # X8 c3 u; e, j7 z9 m7 b
  • [url=]Learning to Rank for Information Retrieval[/url] 微软亚院刘铁岩老师关于LTR的著作,啥都不说了,推荐!
    4 R3 ^) V4 P' [, G6 O
  • [url=]Learning to Rank for Information Retrieval and Natural Language Processing[/url] 李航老师关于LTR的书,也是当时他在微软亚院时候的书,可见微软亚院对LTR的研究之深,贡献之大。
  • [url=]推荐系统实践[/url] 这本书不用说了,研究推荐系统必须要读的书,而且是第一本要读的书。
  • [url=]Graphical Models, Exponential Families, and Variational Inference[/url]这个是Jordan老爷子和他的得意门徒 [url=]Martin J Wainwright[/url] 在 Foundation of Machine Learning Research上的创刊号,可以免费下载,比较难懂,但是一旦读通了,graphical model的相关内容就可以踏平了。
  • [url=]Natural Language Processing with Python[/url] NLP 经典,其实主要是讲 NLTK 这个包,但是啊,NLTK 这个包几乎涵盖了 NLP 的很多内容了啊!
    0 F/ ~) x: i4 o- z2 X0 v% Y. s
机器学习教材:
8 s2 J- w% }0 P7 N& C
  • [url=]The Elements of Statistical Learning[/url] 这本书有对应的中文版:[url=]统计学习基础[/url]。书中配有R包,非常赞!可以参照着代码学习算法。
  • [url=]统计学习方法[/url] 李航老师的扛鼎之作,强烈推荐。难易程度:难。
  • [url=]Machine Learning[/url]去年出版的新书,作者Kevin Murrphy教授是机器学习领域中年少有为的代表。这书是他的集大成之作,写完之后,就去Google了,产学研结合,没有比这个更好的了。
    , D( L" h7 h+ m- U6 `1 `
  • [url=]Machine Learning[/url] 这书和上面的书不是一本!这书叫:Machine Learning: An Algorithmic Perspective 之前做过我带的研究生教材,由于配有代码,所以理解起来比较容易。9 y- h! j9 |- ?" Y+ [
  • Pattern Recognition And Machine Learning  经典中的经典。
  • [url=]Bayesian Reasoning and Machine Learning[/url] 看名字就知道了,彻彻底底的Bayesian学派的书,里面的内容非常多,有一张图将机器学习中设计算法的关系总结了一下,很棒。
  • [url=]Probabilistic Graphical Models[/url]鸿篇巨制,这书谁要是读完了告诉我一声。
    $ {" G+ K* X  ~: V: k" r
  • [url=]Convex Optimization[/url] 凸优化中最好的教材,没有之一了。课程也非常棒,Stephen老师拿着纸一步一步推到,图一点一点画,太棒了。

    " I. r' _# c0 M" ]

# M) g' P- @/ t7 v+ |- F1 `/ l
) w7 e3 H2 l! C5 B0 O8 V
从哪里弄到有分析价值的数据?
还是上面那句话,依据问题选方法,有问题了,数据其实也不愁了。
1 _; ^1 N. J' B5 ~0 T  c

. R0 X( T) a* Y% T. C
  • UCI是最经典的,不过也比较古老
  • 数据堂最近异军突起,非常值得称赞
  • 国外还有一些网站,比如[url=]http://mlcomp.org/[/url][url=]http://mldata.org/[/url]你可以看看
  • 另外KDDCUP每年都会针对一个特定的问题进行比赛,数据集也是公开的
  • 最近几年,数据挖掘的比赛越来越多了,你可以去PASCAL上看看你感兴趣的领域,自己搜索一下
  • [url=]http://www.delicious.com/pskomoroch/dataset[/url]这个是delicious上面一个人搜集的数据集网站书签,比较杂,或许你能找到你所要的(话说delicious改版之前这个里面的内容比现在的多多了) # l7 \2 C% s4 c! e
  • 再有就是看具体的做的内容,然后看相关学者都用什么数据集,除了LDC那种变态组织,其他很多数据都可以通过track论文中的信息或者是作者主页上的信息下载到的
  • 做数据挖掘和数据分析都是针对某一个领域或者问题去做,其实也看那个领域会不会有开放的心态去公开数据,前两年在Hans Rosling老先生在TED上公开呼吁之后,很多机构,包括联合国都公开了自己的数据
    . G, Z- {1 U" i/ N7 o" O1 B1 h- B
      i9 S$ Y% s6 b; O% ^( N
补充,在quora上面看到一个问题中的答案涉及这个问题,那个更加全面[url=]http://www.quora.com/Data/Where-can-I-get-large-datasets-open-to-the-public[/url](http://www.quora.com/Where-can-I-find-large-datasets-open-to-the-public)

1 q( y0 q. K: _: F
8 [! ~5 P" J6 ~6 P" V
在开源社区有没有开源项目适合用来学习数据分析?
如果你是用python的话,那么numpy, scipy, matplotlib是基础的,然后就是大名鼎鼎的scikit.learn了。最近pandas也很火,可以提供类似R中dataframe的数据结构,pandas的作者 最近出版了一本书 Python for Data Analysis。
Python Rocks! [url=]scikit-learn: machine learning in Python[/url] scikit.learn 是非常非常棒的机器学习 package,文档详尽,更新速度快!你看例子,看源码,都能学到不少东西!另外,去 github 上搜搜吧,好多好东西!
+ ?/ o0 z, K: b& a6 x( M( _

* G! v+ k1 B% E
可以自己动手做个什么项目来实践
Kaggle [url=]Competitions[/url](https://www.kaggle.com/competitions) 从最下面的101开始,逐级往上!! L# `4 N/ L7 [" V. r- q2 O* W7 W
8 y: }1 ?7 g9 I8 Q6 b) w9 x" y
Have fun and good luck!

1 W5 @$ @0 x) ^! `% `. T8 E

转载请保留当前帖子的链接:https://www.beimeilife.com/thread-6072-1-1.html 谢谢

使用高级回帖 (可批量传图、插入视频等)快速回复

您需要登录后才可以回帖 登录 | 注册

本版积分规则   Ctrl + Enter 快速发布  

发帖时请遵守我国法律,网站会将有关你发帖内容、时间以及发帖IP地址等记录保留,只要接到合法请求,即会将信息提供给有关政府机构。
快速回复 返回顶部 返回列表