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?


    / h3 \5 r4 V# h: F/ D5 M

5 m: p# c# t* P
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!
* v' }. T8 M8 A( T% A  u/ x+ R7 t% w, E6 |, w$ n% C. w
回答你的问题:
# C; E/ I' }) i% V
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。  h9 L3 X4 o. K
& P7 R$ Z9 ?* z( ?
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]
( n* k$ y2 ^& f. o  h; ?& x- {2 r' L

" f! I. A% x/ u! Z- \( G
入门读物:$ [& z0 T1 M# j4 ]0 {# b/ ]) i
  • [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!9 A- s. S4 |% H
    1 s3 _5 Q0 i; ~
数据分析:
( C) ^0 ^% J1 n- F1 H) u
  • [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。
      D4 h. P- X' C1 Y
  • [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!6 G$ V. C9 U8 K7 z2 u+ n: V! }
  • [url=]Bad Data Handbook[/url] 很好玩的书,作者的角度很不同。
    ' g' P% \3 X0 C! y3 Q
适合入门的教程:
/ w) i) W9 q1 I5 G" I2 f! O) |
  • [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。

    7 _  \: Y* {; I7 U# t+ v% w
稍微专业些的:6 e6 E+ c8 E+ k% j9 P% T
  • [url=]Introduction to Semi-Supervised Learning[/url]半监督学习必读必看的书。" I+ s( H+ ?$ O. [/ p; U  F
  • [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!& ?( z8 }3 \5 R3 t6 N
  • [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!
    ; L. j% B: H# Q" d! E% A( d
机器学习教材:4 ]! O0 f; a% r7 _7 S; y
  • [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。! y, S/ M; s* l, w8 j) n+ w
  • [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。/ b! [$ }( ]4 I' p( [
  • 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。
    6 x$ L! M6 j) Z4 f, @) J  y
  • [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。

    % a' A0 a6 q( k$ ~* |. G

8 v, i% @- @/ b" ~' L) Z; O# s5 a$ z+ k# m$ G5 Q
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 q5 _+ f0 o/ M
1 x* ?9 q' @9 K! r6 q
  • 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) ) o" D' ?4 {$ o
  • 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 9 V: H2 j' L6 u3 S
    5 @# s! U0 E0 `7 ^( m
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)

8 D- M' @' G% d6 C  C% P9 i+ A
0 p$ {0 z+ S  r7 A
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!
2 r/ M7 c5 F0 }

! L& `$ ~% c1 z; U# l' |+ J/ C
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!2 l& C. y% F7 e9 J- W0 B( `/ E$ ^. u; \5 x
  q3 \/ A. S9 j2 W
Have fun and good luck!
' `, c4 n; Q( ~/ I


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