九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

大數(shù)據(jù)文摘翻譯作品

編譯：姚佳靈，康欣

歡迎個(gè)人轉(zhuǎn)發(fā)朋友圈；其他機(jī)構(gòu)或自媒體轉(zhuǎn)載，務(wù)必后臺(tái)留言，申請(qǐng)授權(quán)

如果你想做一個(gè)數(shù)據(jù)科學(xué)家，或者作為一個(gè)數(shù)據(jù)科學(xué)家你想擴(kuò)展自己的工具和知識(shí)庫(kù)，那么，你來(lái)對(duì)地方了。

這篇文章的目的，是給剛開始使用Python進(jìn)行數(shù)據(jù)分析的人，指明一條全面的Python學(xué)習(xí)路徑。這條路徑提供了用Python進(jìn)行數(shù)據(jù)分析的必要步驟的一個(gè)全面概述。如果你已經(jīng)有了一些基礎(chǔ)，或者不需要所有的內(nèi)容，可以隨意調(diào)整學(xué)習(xí)路徑以適合自己，并讓我們知道你是怎么改動(dòng)的。

0

熱身運(yùn)動(dòng)

在開始學(xué)習(xí)之前，第一個(gè)需要回答的問(wèn)題是

推薦這個(gè)30分鐘的錄像，它是DataRobot創(chuàng)始人Jeremy在2014年P(guān)ython社區(qū)大會(huì)（PyCon）上的講話，它能夠讓你了解Python有多有用。小編注：建議在Wi-Fi連接下觀看。

1

設(shè)置你的計(jì)算機(jī)

既然你已經(jīng)下定了決心，是時(shí)候設(shè)置你的計(jì)算機(jī)了。最簡(jiǎn)單的方法是直接從Continuum.io下載Anaconda，它含有你Python生涯中需要的絕大多數(shù)好東東 。

https://store.continuum.io/cshop/anaconda/

這樣做的主要缺點(diǎn)是，即便有一些底層包已經(jīng)有更新版本的時(shí)候，你還是需要等待Continuum更新Anaconda中的包。如果你只是剛剛開始，那這一點(diǎn)就不算是個(gè)問(wèn)題。如果在安裝時(shí)遇到任何困難，你可以在下面這個(gè)網(wǎng)站找到在不同操作系統(tǒng)下安裝的詳細(xì)指引。

http://www.datarobot.com/blog/getting-up-and-running-with-python/

2

學(xué)習(xí)基本知識(shí)

你應(yīng)該從了解Python語(yǔ)言、庫(kù)和數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)知識(shí)開始，這個(gè)來(lái)自Codecademy的教程是你開始學(xué)習(xí)的最佳選擇之一。

http://www.codecademy.com/tracks/python

在學(xué)完這個(gè)教程后，你應(yīng)該可以輕松地用Python寫些小程序，并且對(duì)類和對(duì)象的含義也有了理解。

特別學(xué)習(xí)：Lists（列表），Tuples（元組），Dictionaries（字典），列表的內(nèi)涵和字典的內(nèi)涵。

完成作業(yè)：完成在HackerRank上的教程習(xí)題。這些作業(yè)應(yīng)該能讓你的大腦因Python而“燃燒”。

備用資源：如果交互式編程學(xué)習(xí)不適合你，你也可以看看這個(gè)Google上的Python課程。這個(gè)兩天的課程，內(nèi)容覆蓋了隨后會(huì)提到的一些內(nèi)容。

https://developers.google.com/edu/python/。

3

學(xué)習(xí)正則表達(dá)式

你將會(huì)大量使用它來(lái)進(jìn)行數(shù)據(jù)清洗，特別是在處理文本數(shù)據(jù)。學(xué)習(xí)正則表達(dá)式的最好方法是完成這個(gè)課程

https://developers.google.com/edu/python/regular-expressions

并把這個(gè)“夾帶”（當(dāng)然不是考試的小抄，是速查表）放在隨手可得的地方。

小編注：請(qǐng)上網(wǎng)站查看完整內(nèi)容。

www.debuggex.com/cheatsheet/regex/python

完成“嬰兒取名”練習(xí)

https://developers.google.com/edu/python/exercises/baby-names

如果想（gou）要（dan）更多的練習(xí)，請(qǐng)學(xué)習(xí)這個(gè)文本清理的課程。該課程將會(huì)在數(shù)據(jù)清理的不同步驟給你挑戰(zhàn)。

http://www.analyticsvidhya.com/blog/2014/11/text-data-cleaning-steps-python/。

4

學(xué)習(xí)Python科學(xué)庫(kù)

有趣之事，始于此處！這里，簡(jiǎn)要介紹不同的Python科學(xué)庫(kù)——NumPy, SciPy, Matplotlib和Pandas。那么，讓我們開始練習(xí)常用操作吧！

完整地練習(xí)NumPy操作課程，特別是NumPy的數(shù)組操作。這會(huì)建立一個(gè)好的基礎(chǔ)，為將要面臨的現(xiàn)實(shí)挑戰(zhàn)做準(zhǔn)備。

http://wiki.scipy.org/Tentative_NumPy_Tutorial

接下來(lái)，看看SciPy的課程。完整學(xué)習(xí)簡(jiǎn)介和基礎(chǔ)知識(shí)部分，剩余部分可根據(jù)個(gè)人需要進(jìn)行學(xué)習(xí)。

http://docs.scipy.org/doc/scipy/reference/tutorial/

如果你猜下一個(gè)是Matplotlib教程，那就錯(cuò)了！就我們目前的情況而言，它們太過(guò)全面了。事實(shí)上，把ipython筆記看到第68行（到animations）就基本可以了。

http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb

最后，我們來(lái)看Pandas。它為Python提供了數(shù)據(jù)幀（DataFrame）的功能，類似于R語(yǔ)言。你也需要在這上面多花時(shí)間好好練習(xí)。對(duì)于所有中等規(guī)模的數(shù)據(jù)分析來(lái)說(shuō)，Panda將會(huì)成為最有效的工具。從這個(gè)短小的10分鐘入門開始，了解一下Pandas。然后，... ...

http://pandas.pydata.org/pandas-docs/stable/10min.html

然后，再看更詳細(xì)的課程

http://www.gregreda.com/2013/10/26/intro-to-pandas-data-structures/。

你還可以看看“用Pandas進(jìn)行探索性數(shù)據(jù)分析”（http://www.analyticsvidhya.com/blog/2014/09/data-munging-python-using-pandas-baby-steps-python/）以及“用Pandas進(jìn)行數(shù)據(jù)整合”（http://www.analyticsvidhya.com/blog/2014/08/baby-steps-python-performing-exploratory-analysis-python/）兩篇文章。

其它資源：

如果你需要一本有關(guān)Pandas和NumPy的教材，推薦Wes McKinney著的《Python for Data Analysis》

下面這個(gè)網(wǎng)站，還有很多的教程可作為Pandas的學(xué)習(xí)材料。

http://pandas.pydata.org/pandas-docs/stable/tutorials.html

完成來(lái)自哈佛大學(xué)CS109課程的作業(yè)。

http://nbviewer.ipython.org/github/cs109/2014/blob/master/homework/HW1.ipynb

小編注：回復(fù) 可視化 查看【數(shù)據(jù)科學(xué)之5個(gè)最佳Python庫(kù)】，了解關(guān)于這些科學(xué)庫(kù)的更多介紹和學(xué)習(xí)資源。

5

有效的數(shù)據(jù)可視化

學(xué)完這個(gè)來(lái)自CS109的課程，你可以跳過(guò)前面的兩分鐘，接來(lái)下的內(nèi)容非常精彩！

http://cm.dce.harvard.edu/2015/01/14328/L03/screen_H264LargeTalkingHead-16x9.shtml

跟著課程完成下面課程作業(yè)

http://nbviewer.ipython.org/github/cs109/2014/blob/master/homework/HW2.ipynb

6

學(xué)習(xí)Scikit-learn和機(jī)器學(xué)習(xí)

現(xiàn)在，我們來(lái)到了整個(gè)過(guò)程的實(shí)質(zhì)部分。Scikit-learn是在Python中對(duì)機(jī)器學(xué)習(xí)最有用的庫(kù)。

學(xué)完來(lái)自哈佛大學(xué)2014年的CS109課程中第10講到第18講。你會(huì)全面了解機(jī)器學(xué)習(xí)，監(jiān)督式學(xué)習(xí)算法（如回歸、決策樹、整體建模等）和非監(jiān)督式學(xué)習(xí)算法（如聚類等）。切記，跟隨每一講，完成作業(yè)。

http://cs109.github.io/2014/pages/schedule.html

其它資源：

如果有一本必讀的書，那就是《Programming Collective Intelligence》，非常經(jīng)典，仍然是關(guān)于這方面最好的書之一

另外，如果你需要技術(shù)上更清晰的解釋，可以選擇Andrew Ng（這位大牛的課，不該不知道吧？）課程 ，用Python完成其中的習(xí)題。

https://www.coursera.org/course/ml

Scikit-lean的教程（這個(gè)不能忘）

試著完成Kaggle上的這個(gè)挑戰(zhàn)

http://www.kaggle.com/c/data-science-london-scikit-learn

7

練習(xí)，練習(xí)，再練習(xí)

祝賀你，你做到了！現(xiàn)在，你已經(jīng)擁有所需要的全部技能，只差練習(xí)了。哪里會(huì)有比在Kaggle上練習(xí)更好呢？上Kaggle與跟你一樣的數(shù)據(jù)科學(xué)家一較高下。去吧，參加一個(gè)在Kaggle上正在舉辦的實(shí)時(shí)比賽吧！試試你所學(xué)到的全部知識(shí)！

http://www.kaggle.com/

8

深度學(xué)習(xí)

終于看到這個(gè)，興奮吧？！現(xiàn)在，你已經(jīng)學(xué)到了絕大多數(shù)關(guān)于機(jī)器學(xué)習(xí)的技術(shù)，是時(shí)候試試深度學(xué)習(xí)了。很有可能你已然知道什么是深度學(xué)習(xí)，萬(wàn)一仍然需要一個(gè)簡(jiǎn)要介紹，可以看看這個(gè)。

http://www.analyticsvidhya.com/blog/2014/06/deep-learning-attention/

對(duì)于深度學(xué)習(xí)，我也是個(gè)新手，就請(qǐng)把這些建議當(dāng)作參考吧。最全面的資源在deeplearning.net上，在那里，你會(huì)找到所有的東西——講座、數(shù)據(jù)集、挑戰(zhàn)和教程。

http://deeplearning.net

如果想要了解神經(jīng)網(wǎng)絡(luò)的基本知識(shí)，試著學(xué)習(xí)Geoff Hinton（這個(gè)大牛，你應(yīng)該也是知道的吧）的課程

https://www.coursera.org/course/neuralnets

篇外話：假如你需要面向大數(shù)據(jù)的Python庫(kù)，請(qǐng)?jiān)囋嘝ydoop和PyMongo。由于“大數(shù)據(jù)的學(xué)習(xí)路徑”本身就是一個(gè)完整的話題，因此，本文并未涉及。

小編注：回復(fù) 可視化 查看【天龍八步：8步讓你成為數(shù)據(jù)科學(xué)家】

來(lái)源：

1. http://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-python/

2. https://www.youtube.com/watch?v=CoxjADZHUQA

【譯者簡(jiǎn)介】

有意聯(lián)系譯者，請(qǐng)給“大數(shù)據(jù)文摘”后臺(tái)留言，附自我介紹及微信ID，謝謝！

姚佳靈：家庭主婦，對(duì)數(shù)據(jù)處理和數(shù)據(jù)分析很感興趣，正在學(xué)習(xí)Python，希望能和大家多交流。

康欣：博士，多年從事圖像及數(shù)據(jù)處理和分析、計(jì)算機(jī)視覺、模式識(shí)別、機(jī)器學(xué)習(xí)、增強(qiáng)現(xiàn)實(shí)等領(lǐng)域的技術(shù)研究和創(chuàng)新應(yīng)用，現(xiàn)為西門子中國(guó)研究院高級(jí)研究員。希望借此平臺(tái)，與大數(shù)據(jù)分析愛好者以及專家學(xué)者交流、合作。