数据科学主要包括两个方面：用数据的方法研究科学和用科学的方法研究数据（好吧，这明显是在玩文字游戏~），前者包括生物信息学、天体信息学、数字地球等领域；后者包括统计学、机器学习、数据挖掘、数据库等领域。
所以大家形容数据科学家“比软件工程师更擅长统计学，比统计学家更擅长统计工程”。看来数学、统计学和机器学习……一样都跑不脱了。
数学的话这里推荐一下可汗学院出的讲解视频，非常经典：网易公开课
麻省理工的线性代数课也值得一看：麻省理工公开课：线性代数_全35集
关于机器学习的资源我之前已经整理过了 ，所以这里就不过多赘述了。偷懒：)
这里主要就介绍一些课程和数据库吧，大致内容是这样的：
1）学习网站
2）从入门到进阶的项目
3）获取数据集的网站
4）工具列表
5）其它
那就继续往下看吧。
一、学习网站
国内的搜了下基本都是零零散散的，专题性不是很强，所以喜欢看视频的话可以去慕课网、网易公开课找主题相关的课程（关键词：机器学习/数据挖掘/数据分析等），实验楼提供文档和在线实操，w3cschool的课也不错，阶段性也比较强。
国外对数据科学可能针对性更强一点，大家可以了解下这几个网站：
DataCamp（赞！）
二、从入门到进阶的项目
这样写会比较系统，而且都是比较经典的一些项目，大家看看都会不会。
1、初级
刚入门还是会推荐一些比较容易的数据集，而且也不需要复杂的数据科学技术，可以使用基本回归或分类算法来解决。
鸢尾花分类：根据可用属性预测花的种类
贷款预测：预测贷款是否会获得批准
Big mart销售预测：预测商店的销售情况
波士顿住房数分析：预测自住房屋的中位数值
学生在校表现评估：使用分类和聚类技术来处理数据
研究身高与体重：预测一个人的身高或体重
2、中级
中级的话会更有挑战性一点，数据集更大，需要一些良好的模式识别技能。
黑色星期五销售预测：预测购买金额
文本挖掘：根据标签对文档进行分类
人口普查分析：预测美国人口的收入水平
电影推荐：向用户推荐新电影
Twitter情感分析：确定哪些推文容易受欢迎
3、高级
下面会涉及到神经网络，深度学习，推荐系统等高级主题。
数字识别：识别图像中的数字
城市声音分类：从音频中分出声音类型
人声识别：寻找声音的主人
芝加哥犯罪分析：预测犯罪类型
上面的项目都挺有意思的，大家可以跟着动手练练。
又给大家找了几个中文文档：
三、获取数据集的网站
1、亚马逊网络服务
亚马逊在其AWS web service上提供大型数据集，比如
Google图书的n-gram列表：大量书籍的常用词汇和词汇组
Common Crawl Corpus：来自超过50亿个网页的爬行数据
Landsat图像：地球表面的中等分辨率卫星图像
2、谷歌云平台
和亚马逊一样，谷歌也有一个云托管服务。Google BigQuery公共数据集列出了网页上的所有数据集，比如
Github活动：包含280多万个公共Github存储库的所有公共活动。
历史天气：数据来自9000 NOAA气象站从1929年到2016年。
3、Kaggle
Kaggle是一个组织机器学习竞赛的数据科学社区，网站上有各种外部贡献的有趣数据集。你可以通过参加比赛从Kaggle下载数据。每个比赛都有自己的相关数据集。在新的Kaggle Data sets中也有用户提供的数据集。
4、UCI机器学习库：用户提供的有趣数据集
5、Quandl：经济和金融数据的存储库
6、Twitter：拥有强大的流媒体API
7、Quantopian：开发，测试和操作股票交易算法的网站
四、工具列表
Tableau：数据可视化分析软件，帮助快速轻松地分析数据
Bokeh：一个交互式可视化库，面向现代Web浏览器进行演示。它的目标是提供优雅、简洁的多功能图形构造
Apache Hadoop：允许使用简单的编程模型跨计算机集群分布式处理大型数据集
D3.js：用于根据数据操作文档的JavaScript库。
Jupyter：一个开源Web应用程序，允许创建和共享包含实时代码、方程式、可视化和叙述文本的文档。
OpenRefine：处理凌乱数据的强大工具
Orange：新手也能用的开源机器学习和数据可视化工具
KNIME：无缝地混合工具和数据类型
DataMelt：面向科学家、工程师和学生的免费数学软件，可用于数值计算，统计，符号计算，数据分析和数据可视化等。
RapidMiner：通过使用最新的机器学习算法和技术（如Tensorflow，Hadoop和Spark）消除了尖端数据科学的复杂性。
五、其它：
以上就是我整理的关于数据科学的一些内容，如果不全还请各位大佬多多包涵(o°ω°o)
大家可以补充，我看到也会再更新上来滴。
希望小伙伴们能多分享一点学习经验，带带二师弟~们啊~
网友评论