7 корака за учење вађења података и науке о подацима

Видео: MJC Stream: Видишь енота? А он есть! Главное об ML и компьютерном зрении

Садржај

1. Учење језика
2. Алати: Рударство података, Наука података и Софтвер за визуелизацију
Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
3. књиге
4. Образовање: Вебинари, курсеви, сертификати и дипломе
5. Подаци
6. Такмичења
7. Интеракција: Састанци, групе и друштвене мреже

Извор: Паул Флоет / Дреамстиме.цом

Одузети:

Наука података се најбоље учи радећи, али и добар темељ статистике и машинског учења је важан.

Често ме питају како научити рударство података и науку о подацима. Ево мог резимеа.

Најбоље можете научити рударјење података и науку о подацима тако да започните анализу података што пре! Међутим, не заборавите да научите теорију, јер вам треба добар статистички и машински основ за учење да бисте разумели шта радите и да у буци великих података пронађете праве вредности.

Ево седам корака за учење рударства података и науке о подацима. Иако су нумерисане, можете их радити паралелно или различитим редоследом.

Језици: Сазнајте Р, Питхон и СКЛ
Алати: Научите како користити алате за рударјење података и визуелизацију
књиге: Прочитајте уводне књиге да бисте разумели основе
Образовање: Гледајте вебинаре, похађајте курсеве и размислите о сертификату или дипломи науке о подацима (Прочитајте више у Бен Лорицас Како његовати дата Сциентист.)
Подаци: Проверите доступне ресурсе података и тамо пронађите нешто
Такмичења: Учествујте у такмичењима за рударјење података
Комуницирајте са другим научницима података, путем друштвених мрежа, група и састанака

У овом чланку користим измењивање података и науку података наизменично. Погледајте моју презентацију, Преглед индустрије аналитике, где гледам на развој и популарност различитих појмова као што су статистика, откриће знања, вађење података, предиктивна аналитика, наука о подацима и велики подаци.

1. Учење језика

Недавна анкета КДнуггетс открила је да су најпопуларнији језици за ископавање података Р, Питхон и СКЛ. На пример, постоји много ресурса за сваког од њих:

Бесплатна е-књига о науци о подацима са Р
Увод у Питхон за науку о подацима
Питхон за анализу података: Агиле Алат за податке из реалног света
Неопходни Питхон: Соурцинг оф Дата Сциенце
В3 школе за учење СКЛ

2. Алати: Рударство података, Наука података и Софтвер за визуелизацију

Постоји много алата за вађење података за различите задатке, али најбоље је научити како користити пакет за рударјење података који подржава целокупни процес анализе података. Можете почети са отвореним (бесплатним) алатима као што су КНИМЕ, РапидМинер и Века.

Међутим, за многе аналитичке послове морате знати САС, који је водећи комерцијални алат и широко коришћен. Остали популарни софтвери за анализу и вађење података укључују МАТЛАБ, СтатСофт СТАТИСТИЦА, Мицрософт СКЛ Сервер, Таблеау, ИБМ СПСС Моделер и Раттле.

Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот

Не можете побољшати своје вештине програмирања када никога није брига за квалитет софтвера.

Визуализација је суштински део сваке анализе података. Научите како да користите Мицрософт Екцел (добар за многе једноставније задатке), Р графику (нарочито ггплот2), а такође и Таблеау - одличан пакет за визуелизацију. Остали добри алати за визуелизацију укључују ТИБЦО Спотфире и Минер3Д.

3. књиге

На располагању је много података о рударству и наукама о подацима, али можете да проверите следеће:

Рударство и анализа података: Темељни појмови и алгоритми, бесплатно преузимање (нацрт) у ПДФ-у, аутора Мохаммед Заки и Вагнер Меира Јр.
Дата Мининг: Практични алати и технике машинског учења, аутора Ика Виттен-а, Еибе Франк и Марк Халл-а, од аутора Века-а и опсежно користећи Века у примерима
Елементи статистичког учења, вађења података, закључивања и предвиђања, Тревор Хастие, Роберт Тибсхирани, Јероме Фриедман. Одличан увод за математички оријентисане
ЛИОНбоок: Учење и интелигентна оптимизација, Роберто Баттити и Мауро Брунато, слободно доступни на Интернету, поглавље по поглавље
Ископавање књига масивних података, А. Рајараман, Ј. Уллман
Књига електронске статистике СтатСофт (бесплатна) укључује много тема о рударству података

4. Образовање: Вебинари, курсеви, сертификати и дипломе

Започните од гледања неких од многих бесплатних вебинара и веб емисија на најновије теме из аналитике, великих података, вађења података и науке о подацима.

Постоје и многи онлине курсеви, кратки и дуги, од којих су многи бесплатни. (Погледајте КДнуггетс мрежни директориј образовања.)

Проверите нарочито ове курсеве:

Машинско учење, на Цоурсера-у, предавао Андрев Нг
Учење из података на едКс-у, а предавао га је професор Цалтецх Иасер Абу-Мостафа
Отворите онлајн курс из примењене науке података, из Сирацусе иСцхоол
Руковање подацима уз Веку, бесплатан онлајн курс
Проверите и бесплатне онлајн слајдове из мог течаја за вађење података, семестрални уводни курс за вађење података

Коначно, размислите о добијању сертификата у области вађења података и науке о подацима или вишег степена, као што је мастер студија из науке о подацима.

5. Подаци

Требат ће вам подаци за анализу - погледајте КДнуггетс директориј скупова података за рударјење података, укључујући:

Државне, савезне, државне, градске, локалне и јавне странице података и портали
АПИ-ји података, чворишта, тржишта, платформе, портали и претраживачи
Бесплатни јавни скупови података

6. Такмичења

Опет ћете најбоље учити радећи, па учествујте у такмичењима у Кагглеу. Започните са такмичењима за почетнике, као што је предвиђање преживљавања Титаница помоћу машинског учења.