圖源：unsplash
學習是最好的投資，在B站最大的作用都變成學習之后，人們在互聯(lián)網(wǎng)上學習什么都不稀奇了。沒錯，數(shù)據(jù)科學、人工智能和機器學習也是可以自學的。
時間和金錢常常是人們打算學習一門新技能時面臨的兩大障礙，而自學是一門需要自律和投入才能掌握的藝術(shù)。掌握得當，能將學習很好地融入工作生活中。然而，學習數(shù)據(jù)科學、人工智能或機器學習的起步階段是非常艱難的，自學取得良好進步的關(guān)鍵是按照自己的節(jié)奏學習。
本文中筆者將分享一條想要學習數(shù)據(jù)科學、人工智能和機器學習的人們可以遵循的、在學習新事物時能取得進步的道路。
學習數(shù)學
很多人談到數(shù)學如臨大敵，但在這個領(lǐng)域?qū)W數(shù)學是非常必要的。我相信，讀到這篇文章的人至少都有從高中學到的基礎(chǔ)到中等的數(shù)學知識。這作為開始來說足夠了，但在數(shù)據(jù)科學、人工智能和機器學習領(lǐng)域還遠遠不夠。你需要深入一點，學習一些統(tǒng)計學、代數(shù)和其他主題中的概念。
學習代碼
初學者不要直接學習為機器學習編寫代碼，先要學習編程的一般核心概念。了解什么是編程，了解現(xiàn)有的代碼類型以及如何正確地編寫代碼。
這是非常重要的，因為你會學習到許多基本概念，這些概念將伴隨你在這個領(lǐng)域的余生。慢慢來，不要急于學習高級的東西，理解這一步中的大部分內(nèi)容將決定你在這個行業(yè)的高度。
圖源：unsplash
讓自己適應(yīng)一種編程語言
現(xiàn)在數(shù)據(jù)科學家、人工智能和機器學習工程師使用多種語言來完成工作，最常用的語言是Python、R語言、Java、Julia和SQL等，也可以使用許多其他語言，筆者列出的是最常用的語言，原因有很多：
· 它們是開源的，可以免費使用。
· 它們能用更少的代碼做更多的事情。
· 如果花費足夠的時間學習并堅持，它們學起來容易，進步也很快。
· 它們有一個優(yōu)秀可靠的團體，在你遇到任何問題時提供幫助和支持。
· 它們擁有你作為一個數(shù)據(jù)科學家，人工智能或機器學習工程師將會需要的幾乎所有的庫和包。
在最開始學習編程語言時必須慢慢來，盡可能不要同時學習一種以上的語言，這會使人感到混亂，還可能在一段時間內(nèi)迷失方向。不要著急，一次學習一門語言，確保只學語言中你的工作需要的那部分。
筆者建議在學習其他語言之前先學習python，它是一種相對容易理解的語言。筆者還建議在學習用于數(shù)據(jù)科學和人工智能/機器學習的python之前先學習綜合的python。
學習如何獲取數(shù)據(jù)
通常，數(shù)據(jù)不會直接給到你，有時甚至根本就沒有數(shù)據(jù)，但無論如何，你必須找到一種方法來獲取可以使用的數(shù)據(jù)。你的公司可能有很好的數(shù)據(jù)收集系統(tǒng)，那就很方便了；如果沒有，你必須找到獲取數(shù)據(jù)的方法，不是任意的數(shù)據(jù)都行，而是可以用來實現(xiàn)目標的優(yōu)質(zhì)數(shù)據(jù)。
獲取數(shù)據(jù)并不直接意味著挖掘數(shù)據(jù)，它是數(shù)據(jù)挖掘下的一個過程?？梢栽诨ヂ?lián)網(wǎng)上的許多地方獲得免費和開源的數(shù)據(jù)，有時你需要從網(wǎng)站上抓取數(shù)據(jù)。網(wǎng)頁抓取每個人都該學習一下，它可能出現(xiàn)在數(shù)據(jù)科學家，人工智能或機器學習工程師的整個職業(yè)生涯里。
數(shù)據(jù)也可以保存在數(shù)據(jù)庫中，因此作為數(shù)據(jù)科學家、人工智能或機器學習工程師，必須了解一些數(shù)據(jù)庫管理知識，以便能夠連接到數(shù)據(jù)庫并直接從中工作。在這個階段，SQL的知識是非常重要的。
圖源：unsplash
學習如何處理數(shù)據(jù)
這通常被稱為數(shù)據(jù)整理：這個過程包括清理已有的數(shù)據(jù)，可以通過對已有的數(shù)據(jù)執(zhí)行一些探索性數(shù)據(jù)分析并刪除數(shù)據(jù)中不需要的部分來完成。這個過程還涉及到將已有的數(shù)據(jù)結(jié)構(gòu)化為可以使用的表單。
在進行數(shù)據(jù)科學、人工智能或機器學習的項目時，這是最消磨精力的部分。學習過程中使用到的大多數(shù)示例數(shù)據(jù)都經(jīng)過了預處理，但是現(xiàn)實世界中的數(shù)據(jù)可能沒有經(jīng)過任何處理階段。
如果渴望在這個領(lǐng)域做得好，你應(yīng)該找到一些真實世界的數(shù)據(jù)并以此展開工作。雖然真實世界的數(shù)據(jù)幾乎可以在任何地方找到，但是Kaggle是一個可以從全球各大公司獲得真實世界數(shù)據(jù)的神奇地方。數(shù)據(jù)處理是一項極其累人的任務(wù)，但只要持之以恒，它就會成為一件非常有趣的事情。
學習如何可視化數(shù)據(jù)
圖源：unsplash
作為一名數(shù)據(jù)科學家、人工智能或機器學習工程師，不一定你的公司里或團隊中的每個人都能夠理解你所在領(lǐng)域的技術(shù)細節(jié)，或者能夠從原始數(shù)據(jù)中做出推斷。這就是為什么我們需要學習可視化數(shù)據(jù)。
數(shù)據(jù)可視化基本上是指將數(shù)據(jù)以圖形的形式呈現(xiàn)出來的過程，以便讓所有人了解數(shù)據(jù)是關(guān)于什么的，無論他們是否了解數(shù)據(jù)科學、人工智能或機器學習。
有許多可視化數(shù)據(jù)的方法。作為程序員，編寫代碼來可視化數(shù)據(jù)是萬能方法，既快速又無需成本。編寫能夠?qū)?shù)據(jù)可視化的代碼，可以用編程語言附帶的許多免費和開源庫來完成，Matplotlib、Seaborn和Bokeh都是可以用來可視化數(shù)據(jù)的python庫。
另一種方法是使用封閉源代碼工具，比如Tableau。有許多用于數(shù)據(jù)可視化的封閉源工具，可以用來制作更簡練、更復雜的可視化，但是要收費。Tableau是最常見的一個，也是筆者經(jīng)常使用的一個工具。
人工智能和機器學習
人工智能和機器學習更像是數(shù)據(jù)科學的子集，因為它們都是由數(shù)據(jù)驅(qū)動的，指的是通過向機器或其他無生命的物體輸入處理好的數(shù)據(jù)，訓練它們，使其表現(xiàn)得像人類一樣的過程。
圖源：unsplash
通過逐步地教導和引導機器，它們可以做許多人類做的事情。你可以把機器想象成完全沒有知識的嬰兒，它逐漸學會識別物體、說話、從錯誤中學習然后變得更好。機器也可以用同樣的方式接受教導去做大部分事情。
人工智能和機器學習通過使用數(shù)學算法給機器帶來生命，其全部潛力仍然未知，這是一個不斷改進的領(lǐng)域。目前，人工智能和機器學習廣泛應(yīng)用于認知功能，如物體檢測和識別、面部識別、語音識別和自然語言處理、欺詐和垃圾郵件檢測等。
學習如何將機器學習模型應(yīng)用到互聯(lián)網(wǎng)上
使用機器學習構(gòu)建的模型可以通過部署讓網(wǎng)絡(luò)上的每個人找得到。要做到這一點，需要對網(wǎng)頁開發(fā)有良好的理解，你需要創(chuàng)建一個或一組網(wǎng)頁來容納模型。
網(wǎng)站的前端也需要與包含模型的后端通信。為此，你還需要知道如何構(gòu)建和集成APIs來處理網(wǎng)站前端和存放機器學習模型的后端之間的通信。如果你想要通過pipeline或docker容器將機器學習模型部署到云服務(wù)器上，那么你可能需要對云計算和DevOPs有很好的理解。
部署機器學習模型有很多方法，但首先，筆者建議學習使用python web框架Flask部署機器學習模型。
給自己找個導師
圖源：unsplash
自學不意味著閉門造車，沒有什么比直接向行業(yè)內(nèi)專業(yè)人士學習更好的了，這樣你才能學習到真實生活中的概念和其他只有親身經(jīng)歷才能教授的東西。
擁有一位導師有很多好處，但并不是每個導師都能對你的職業(yè)或生活產(chǎn)生有效的影響，一個好的導師很重要。NotitiaAI是一個把數(shù)據(jù)科學、人工智能和機器學習領(lǐng)域的初學者培養(yǎng)成專家的平臺，平臺會給你指派一位個人導師，親自專業(yè)地幫助你在所選領(lǐng)域成長。它是我能找到的最實惠的虛擬培訓和指導平臺。
請注意，僅僅通過學習課程和在線資源并不足以讓你成為數(shù)據(jù)科學家、人工智能或機器學習工程師。你還必須獲得這些領(lǐng)域的機構(gòu)認證，有些職位還有學歷要求。花時間學習，獲得證書或?qū)W位，你才準備好了進入這個行業(yè)。
但毫無疑問，互聯(lián)網(wǎng)讓學習變得簡單，你離數(shù)據(jù)科學前所未有的近。
如轉(zhuǎn)載，請后臺留言，遵守轉(zhuǎn)載規(guī)范
