这份宝典火了，小哥学后加薪30W＋数据科学该怎么学？必备技能

数据科学该怎么学？必备技能有哪些？
最近，一份数据科学领域的学习宝典在推特上火了，吸引点赞1k+ 。

文章图片
之所以能够引起大家的关注，是因为这份教程将数据科学广而杂的知识内容，梳理成了14个方面及各自要点，同时解答了许多学习中的常见疑问。
比如“用什么语言比较好”、“哪些工具最适合” 。
这份学习宝典的作者为MattDancho ，他是一个数据科学学习网站的创始人。
那么，具体这份干货到底讲了什么？是否真的如此神奇？
我们一起来看。
更推荐R语言
进入正题之前，我们先来浅聊一下数据科学（DataScience）。
数据科学是指通过挖掘数据、处理数据、分析数据，从而得到有用信息的技术和研究，再将这些信息应用到不同领域的各个方面。
该学科结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算等，覆盖知识面非常广。

文章图片
作者表示想要掌握这些技能，大概每周要投入10个小时来学习。
那么在开始真正学习之前，先来看一个最关键的问题——
用什么语言?

文章图片
在这里，作者认为选择R语言或者Python都可以。
如果从从业角度出发，他会考虑以下三个因素：
编程语言对数据科学的影响有多大？就业市场的需求如何？就业市场的竞争力如何？
【这份宝典火了，小哥学后加薪30W＋】第一方面，作者直接将二者进行了对比。

文章图片
Python非常适合机器学习和深度学习。但是在市场报告方面的优势不大，能用于统计经济学等重要领域的库比较少。
R语言在业务分析、数据科学方面都拥有完善的工具支持，在深度学习方面的应用比较弱。
不过作者认为，深度学习在数据科学中的应用不多，而且在需要深度学习或者其他API时， R语言可以和Python集合。
再从就业市场角度来看。
作者统计了美国招聘市场上的数据。
结果显示， Python方面在招职位的数量，是R语言的2.4倍。
但是了解、掌握Python的人，也比掌握R语言的更多。
可能达到4-32倍。
最终作者认为，选择R语言更有优势。

文章图片
那么还有一些其他基础技能呢？
比如推荐使用Excel吗？
作者认为，虽然Excel的使用人群更广、商务人士非常喜爱，但是它在处理机器学习、大数据方面都不具有优势，而且单元格中的函数也容易报错。
所以，建议大家慎重使用Excel 。
而在选用什么开发工具方面，作者展开了一项小调查。
针对喜欢使用R语言的人群， RStudio是大家最喜爱的开发工具。

文章图片
Python方面， Jupyter、VSCode更受人们欢迎。

文章图片
在这里作者没有给出明确的推荐，大家可以按照喜好选择。
只需4步，上手数据科学
接下来，就到了正式学习的环节。
大致可以分为4个步骤：
掌握基础技能学习建模学习时间序列分析将模型集成到应用程序
所需要点亮的技能树如下所示：

文章图片
看到这里，先不要头皮发麻……作者给出了一些具体的学习tips 。
第一，从基础技能学起。
可能很多人一上来就想搞定机器学习，但这可能会影响学习兴趣&效率。

文章图片
作者用R语言进行了示范，列举了一些基础技能：
导入数据：使用数据库，连接到SQL ， readr包,readxl包；转换数据：处理异常值、缺失数据、重塑数据、聚合、过滤等；可视化数据：静态/交互式数据可视化， ggplot2以及plotly；处理文本数据、函数式编程……
如果以上这些基础技能都掌握后，接下来就可以学习机器学习了。