别想了。开始学习。小小书 XXshu

作为数据科学的时尚，有无数资源可供学习，并将您变成数据科学家。但是，有些是不现实的，即对初学者有很多期望，而有些则太简单了，无法使您适应复杂的挑战。

在这里，我为所有想要在该领域树立名声并且不仅对使用ML感兴趣而且对学习感兴趣的爱好者提供了一条学习之路。

机器学习就像十几岁的性行为。每个人都在谈论它，没有人真正地知道如何做，每个人都认为其他人正在做，所以每个人都声称自己正在做。
转移和流离失所
学习计划的策略：阅读理解
如果您今天正在教的是五年前的教,，那么这个领域要么死了，要么您已经死了！
最近的挑战性学习经历
5埃斯帕拉达竞技场

在我详细介绍这条路径之前，请先明确自己，这将需要从头到尾的工作和时间。

如果给定的两种语言都是新手，那么建议您从Python开始。如果您已经知道R，请首先在R中遵循此路径。稍后可以转换为Python。

Python ：如果您没有编程背景，请从https://learnpythonthehardway.org/开始学习。对于了解Java或C ++并想启动Python的人，请首先通过Codecademy完成本课程。接下来，您可以深入了解New Boston教程。
R：使用R启动数据科学的最佳课程之一是edX上的AnalyticsEdge。它可以帮助您学习R包以及基本算法的实现。

花5到7天的时间掌握这两个中的一个！

这是成为数据科学家时最重要和最艰难的阶段。 90％的人中途放弃。只要保持决心，如果您完成此操作，就不会阻止您！

图书

Gareth James撰写的《 统计学习入门》 ：《机器学习中的统计圣经》。强烈建议R用户认真完成本书。它将教您ML算法及其应用的深入知识。
Sebastian Raschka撰写的 Python Machine Learning ：顾名思义， Python的人们将通过此课程学习如何实际应用ML。

这些书是自给自足的，大约需要2-3个月才能完成。不要只是阅读，并排实现！

课程

哈佛大学的CS109数据科学 ：这是网上有关数据科学的最佳课程。当我这样说时请相信我，如果您完成本课程，则可以解决任何DS问题。从入门到高级，这是每个人的必备。
对于那些想更详细地讲的人，他们还可以研究Stanford的CS229 Machine Learning 。

CS109还应在2-3个月内吃饱。如果您感到烦躁，请不要介于两者之间。休息一下，然后完成它。但是一定要完成 ！

^首先选择书籍或课程。 该决定可以由您决定。

“没有远见，您就看不到，没有实用性，账单就不会得到支付。”

开始处理一些标准的Kaggle问题很重要：（按给定顺序尝试）

完成所有这些操作后，您就是数据科学家！ 😀
好的，等一下。 不要轻易被带走 。这仅仅是开始的开始。这是一个非常广阔的领域。您随时可以探索更多。

网志

专注于学习和理解概念。 总是需要很长的路！

如果您有更多链接，请不要犹豫。 🙂
并且，❤如果这是一本好书。 请享用！

别想了。 开始学习。