标签：机器 入门 科学家 当成 基础知识 学习 第一课 科学 数据
全文共1896字，预计学习时长5分钟
图源：unsplash
很多人在听到“数据科学”一词时，首先想到的就是“机器学习”。我也一样，在首次接触到机器学习这个听起来十分炫酷的概念时，对数据科学产生了浓厚兴趣。所以当我寻找学习数据科学的切入点时，也受其影响。
这是我犯过的最大错误，也是本文重点：如果想要成为一名数据科学家，请不要从机器学习开始。
显然，要成为一名“真正全能”的数据科学家，最终必须掌握机器学习的概念。但你会惊讶于没有它你能走多远。为什么不从机器学习开始呢？
1.机器学习仅是数据科学的一小部分。
数据科学和机器学习就像是图中所示的矩形和正方形。机器学习是数据科学的一部分，但数据科学并不一定是机器学习，就像正方形是一种矩形，但矩形不一定是正方形一样。事实上，机器学习建模仅占数据科学家工作的5-10%，其余大部分时间基本投入在其他地方。
如果一开始便投身于机器学习，你将付出大量的时间和精力，却收获甚微。
2.若想全面理解机器学习，首先需要掌握其他几门学科的基础知识。
机器学习的核心是建立在统计、数学和概率的基础上。在学习机器学习之前，必须先掌握基本理论知识，夯实理论基础。例如：
· 线性回归是大部分训练营教授的第一个“机器学习算法”，但它实际上是统计方法。
· 进行主成分分析的前提是，学习矩阵和特征向量（线性代数）理念。
· 朴素贝叶斯是完全基于贝叶斯定理（概率）的机器学习模型。
因此，将上述内容归结为两点：一是学习基础知识会使学习更高级的内容变得更加轻松容易；二是通过学习基础知识，可掌握多个机器学习概念。
3. 机器学习并不能解决一切。
许多数据科学家都纠结于此，甚至包括我自己。和我最初的想法一致，大部分数据科学家认为“数据科学”和“机器学习”相辅相成，不可分割。因此，每每遇到问题，数据科学家都首先考虑以机器学习模型作为解决方案。但并非解决所有数据科学问题都需要机器学习模型。
在某些情况下，采用Excel或Pandas进行简单的分析就足以解决当前问题。
在其他情况下，某个问题或许与机器学习完全无关。可能仅需要使用脚本清理和操纵数据、构建数据管道或创建交互式仪表板即可解决，这些问题都无需机器学习。
图源：unsplash
你应该如何做？
正如上文所述，学习基础知识会让学习更高级的内容变得更加轻松容易，并掌握多个机器学习概念。我知道，如果你正在学习统计学、数学或编程基础知识，你可能会感觉自己在成为一名“数据科学家”的道路上，并未取得进步，但学习这些基础知识定会对你未来的学习大有裨益。
若想从现在开始一些切实具体的行动，可以参考以下步骤：
· 从统计入手。在数学、统计学和编程基础这三个组成部分中，个人认为统计是最重要的一环。如果你害怕学习统计，那么数据科学可能并不适合你。推荐观看佐治亚理工学院的课程《统计方法》（Statistical Methods），或者可汗学院的视频系列（Khan Academy’s videoseries）。
· 学习Python和SQL。我个人工作中从未使用过R语言，所以对R没有太多意见。如果你是一个R型人才，推荐尝试Python和SQL。使用Python和SQL的能力越强，在数据收集、操纵和实现方面就会越容易。
除此之外，熟悉Pandas、NumPy和Scijit-learn等Python库也是一个不错的选择。而由于二叉树是许多高级机器学习算法（如XGBoost）的基础，所以也推荐大家学习。
· 学习线性代数基础。处理任何与矩阵相关的事情时，线性代数就变得极其重要。这一点在推荐系统和深度学习应用中十分常见。
· 学习数据操纵。数据操纵至少占数据科学家工作的50%。更具体地说，学习更多关于特征工程、探索性数据分析和数据准备的知识。
我的总体建议是，由于机器学习一没有充分利用时间，二无助于你成为工作中卓有成就的数据科学家，因此，以机器学习为学习重点并不可取。不过要注意的是，这是一篇个人观点十分强烈的文章，所以，取你所想，取你所益。
一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
标签：机器,入门,科学家,当成,基础知识,学习,第一课,科学,数据 来源： https://blog.csdn.net/duxinshuxiaobian/article/details/111697644
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。