写在新年。看了一本《数据科学家修炼之道》，想想自己还有许多不足，新的一年即将到来，为自己立下flag。全书大而杂，结合自身实际情况总结了一下。
以上这幅图我自己的学习目标，当然这只是一个大方向，在实际情况中可能会有变化。现在对这些要点详细剖析，提醒自己不要忘记为什么来到这里以及怎么来的。
一、编程语言
python我最喜欢的，爬虫利器，瑞士军刀。python的科学计算包非常丰富，用来做一些数据挖掘工作，可以爬一爬生活数据，然后做一些有意义的数据产品。python的Django和Flask框架是我的目标，用来做个人博客练练手。python的深度学习Theano，还没接触过，想打好机器学习的基础再说。
R作为统计学家的必备武器，社区非常活跃，可以和Hadoop、Spark、PowerBI、Tableau等结合使用，ggplot用来做可视化，例如微博的词云分析。R语言也有许多深度学习的包。RMarkdown用来写报告也是一种好选择。
Java学习应用十分广泛，主要还是为了Hadoop，后续学习搜索引擎时需要了解Lucene、Nutch，掌握到JavaSE即可，用来做爬虫也是十分不错的。
Go互联网时代的C语言，还没接触过。既然有谷歌爸爸在力挺，未来数据科学肯定也少不了。目前想法是通过学习其他语言深度学习的框架来摸索用Go语言也写一个深度学习框架。估计比较难，可以先从写爬虫框架开始。
二、机器学习
机器学习的算法已经有了数据挖掘和统计学算法学习的基础，接下来应该继续加强巩固，机器学习和二者紧密相连，其中一个方向也就是目前大热的统计机器学习，往深了就要接触深度学习。机器学习更偏向于学术，好好研读一下李航的《统计学习方法》和周志华的《机器学习》。当然要向谷歌和百度这些巨头看齐，还有微软中国研究院的刘铁岩老师他们的团队，清华大学、哈工大、中科院，北大等高校这方面的团队也非常赞。感觉工业界对于机器学习的学术研究和资金投入都比高校好。
机器学习工具用来将学术上的算法平台化，将来慢慢会有许多便于做机器学习工作的软件和平台，学习软件工具能将我们的算法运用于实际问题中。目前优秀的框架有微软的DMTK、谷歌的TensorFlow、开源的Theano、还有Facebook的Caffe，学习这些框架主要用来做深度学习方面的工作。
三、架构运维
Linux运维，数据科学家既然要会编程，那么就要懂得搭建开发环境，要搭建环境就要懂得运维。如今Hadoop等大数据框架都适用在Linux上，Linux相较于Windows更适合开发人员，Windows一般用来办公和娱乐。
Docker和一些虚拟化技术，可以让我们在搭建环境时更方便，特别是多台机子的分布式。由于占用资源小，可以在笔记本上搭建分布式集群了。
四、大数据平台
Hadoop和Spark，数据科学必须要了解的，是非常重要的工具，数据都要跑着这上面。Hadoop和Spark的生态圈都很庞大，一时还没接触到，是我今年重点学习的目标，估计够呛~
五、数据库/数据仓库
数据库主要分为关系型数据库和非关系型数据库。MySQL、PostgerSQL是目前互联网公司用的比较多的，用于事务型数据的存储，对数据分析方面不是很好用，不过需要懂得使用，自己做一些小项目的话也要用到。非关系型数据库如Hadoop的HBase就用来存储列式数据，MongoDB和CouchDB用来存储文档型数据，用来做爬虫的社交网络文本数据存储，用Neo4j等图数据库来分析社交网络的关系，Redis来做分布式爬虫。
数据仓库目前在研究的是SQLServer的数据仓库解决方案，大数据的数据仓库方案还没有头绪。微软的战略越来越侧重于移动BI，正大力推广PowerBI，SQLServer还是运用于大公司方面，不过个人用来做学术型研究，了解商务智能。
六、可视化
Tableau/PowerBI都是Gartner魔力象限的领导者，用来做一些本地BI和数据报告。这两种产品都是BI软件里的佼佼者，可视化的图表十分精美，值得学习。
Web可视化是基于B/S的数据展示，D3.js/Echart/Highchart这些JS包通过编程的手段给开发者带来大数据的可视化。
其他诸如R和python的一些包也可以用来做可视化。
七、CS基础
本科不是纯计算机专业，学习的是信息管理与信息系统，虽然也有学过数据结构计算机组成原理计算机网络，不过都很水，现在难得对知识这么渴望，要好好补一补这些基础课程，这三门课也是我新年第一个月要努力拿下的，至于计算机组成原理主要看一些要点，要加把劲了。
八、终极目标
这一部分，主要是回答学习以上技术要用来做什么，也是现实中具体研究要研究的领域。可能将来会有所变数，但心中有个大目标，无论做什么都坚定了。先来想想怎么用Python和Go语言来做搜索引擎吧~
总结
刚也提到了一些学习过程中要有所成果，也就是自己动手做一些项目，比如前段时间就看到有人用爬虫和高德API结合做租房的查询项目，觉得很有意思，自己心里也有许多想做的有意思的事。还有写博客是记录学习过程和分享知识的好方法，将来的博客的目录也会按以上的思维导图来分类。最后flag差不多就这样，2017我来啦！
网友评论