7 kroků pro učení se těžbě a vědě o datech

Obsah

1. Výuka jazyků
2. Nástroje: Data Mining, Data Science a Visualization Software
Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
3. knihy
4. Vzdělávání: Webináře, kurzy, certifikáty a stupně
5. Data
6. Soutěže
7. Interakce: Setkání, skupiny a sociální sítě

Zdroj: Paul Fleet / Dreamstime.com

Odnést:

Věda o datech se nejlépe naučí tím, že dělá, ale dobré základy statistiky a strojového učení záleží také.

Často se mě ptám, jak se naučit získávání dat a vědu o datech. Zde je moje shrnutí.

Můžete se nejlépe naučit získávání dat a vědu o údajích tím, že začnete analyzovat data co nejdříve! Nezapomeňte se však naučit teorii, protože potřebujete dobrý statistický základ a základy strojového učení, abyste porozuměli tomu, co děláte, a našli skutečné nucené hodnoty v hluku velkých dat.

Zde je sedm kroků pro učení se získávání dat a vědě o datech. Přestože jsou očíslovány, můžete je provádět paralelně nebo v jiném pořadí.

Jazyky: Naučte se R, Python a SQL
Nástroje: Naučte se používat nástroje pro dolování a vizualizaci dat
knihy: Přečtěte si úvodní knihy, abyste porozuměli základům
Vzdělání: Sledujte webináře, účastněte se kurzů a zvažte certifikát nebo titul v oboru datových dat (Přečtěte si více v Ben Loricas Jak vychovávat vědce v oboru dat.)
Data: Zkontrolujte dostupné zdroje dat a tam něco najdete
Soutěže: Účastněte se soutěží v oblasti dolování dat
Komunikujte s dalšími vědci v oblasti dat prostřednictvím sociálních sítí, skupin a setkání

V tomto článku používám data mining a data science zaměnitelně. Podívejte se na mou prezentaci, Přehled průmyslového odvětví Analytics, kde se podívám na vývoj a popularitu různých termínů, jako jsou statistiky, získávání znalostí, dolování dat, prediktivní analýza, věda o datech a velká data.

1. Výuka jazyků

Nedávný průzkum KDnuggets zjistil, že nejoblíbenějšími jazyky pro dolování dat jsou R, Python a SQL. Pro každého existuje mnoho zdrojů, například:

Zdarma e-kniha o Data Science s R
Začínáme s programem Python For Data Science
Python pro analýzu dat: Agilní nástroje pro data reálného světa
Nepostradatelný Python: Zdroj dat pro vědu o údajích
W3 Školy učící se SQL

2. Nástroje: Data Mining, Data Science a Visualization Software

Existuje mnoho nástrojů pro dolování dat pro různé úkoly, ale je nejlepší se naučit, jak používat sadu pro dolování dat, která podporuje celý proces analýzy dat. Můžete začít s otevřenými (bezplatnými) nástroji, jako jsou KNIME, RapidMiner a Weka.

Pro mnoho analytických úloh však musíte znát SAS, což je přední komerční nástroj a je široce používán. Další populární analytický software a software pro dolování dat zahrnují MATLAB, STATSoft STATISTICA, Microsoft SQL Server, Tableau, IBM SPSS Modeler a Rattle.

Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života

Nemůžete zlepšit své programovací schopnosti, když se nikdo nestará o kvalitu softwaru.

Vizualizace je nezbytnou součástí jakékoli analýzy dat. Naučte se používat Microsoft Excel (vhodný pro mnoho jednodušších úkolů), grafiku R (zejména ggplot2) a také Tableau - vynikající balíček pro vizualizaci. Mezi další dobré nástroje vizualizace patří TIBCO Spotfire a Miner3D.

3. knihy

K dispozici je mnoho knih o těžbě a vědecké práci s údaji, ale můžete je zkontrolovat:

Těžba a analýza dat: Základní pojmy a algoritmy, bezplatné stažení PDF (pracovní verze), Mohammed Zaki a Wagner Meira Jr.
Dolování dat: Praktické nástroje a techniky strojového učení, Ian Witten, Eibe Frank a Mark Hall, od autorů společnosti Weka a rozsáhlé používání Weka v příkladech
Prvky statistického učení, dolování dat, inference a predikce, Trevor Hastie, Robert Tibshirani, Jerome Friedman. Skvělý úvod pro matematicky orientované
LIONbook: Learning and Intelligent Optimization, Roberto Battiti a Mauro Brunato, volně dostupné na webu, kapitola po kapitole
Mining of Masive Datasets Book, A. Rajaramanem, J. Ullmanem
Kniha Elektronická statistika StatSoft (zdarma) obsahuje mnoho témat těžby dat

4. Vzdělávání: Webináře, kurzy, certifikáty a stupně

Můžete začít sledováním některých z mnoha bezplatných webinářů a webcastů o nejnovějších tématech v analytice, velkých datech, těžbě dat a vědě o datech.

Existuje také mnoho online kurzů, krátkých i dlouhých, mnoho z nich zdarma. (Viz KDnuggets online vzdělávací adresář.)

Podívejte se zejména na tyto kurzy:

Machine Learning, na Coursera, učil Andrew Ng
Učíme se od Data na edX, vyučuje profesor Caltech Yaser Abu-Mostafa
Otevřete online kurz Aplikovaná data z Syracuse iSchool
Dolování dat s Wekou, online kurz zdarma
Podívejte se také na bezplatné online snímky z mého kurzu dolování dat, semestrálního úvodního kurzu dolování dat

Nakonec zvažte získání certifikátů v těžbě dat a vědě o datech nebo pokročilých hodnostech, jako je magisterský titul ve vědě o datech.

5. Data

K analýze budete potřebovat data - viz adresář KDnuggets datových sad pro dolování dat, včetně:

Vládní, federální, státní, městské, místní a veřejné datové weby a portály
Datová API, rozbočovače, tržiště, platformy, portály a vyhledávače
Zdarma veřejné datové soubory

6. Soutěže

Opět se nejlépe naučíte tím, že se účastníte soutěží Kaggle. Začněte se soutěžemi pro začátečníky, jako je předpovídání přežití Titanic pomocí strojového učení.