【推荐】数据科学学习路线图（入门级）

数据科学学习路线图（入门级）

数据科学知识分为三个部分：数学统计知识、编程知识以及机器学习知识。

1、 数学统计知识

一般大学里面理工科都会学到这两门知识。就不做特别推荐，知识推荐PPV课上面的一个《统计学基础》课程，链接为：http://www.ppvke.com/10398.html

和一本高校教材：概率论与数理统计第四版，购买链接：

http://product.dangdang.com/23760742.html

2、 编程知识入门

编程知识入门，建议学习python相关课程，推荐PPV课《python入门》课程，链接为：http://www.ppvke.com/vip?id=17

稍微进阶的一些可选秀C++等课程。

3、 机器学习知识入门

推荐入门课程 Andrew Ng的机器学习，链接为：

https://www.coursera.org/learn/machine-learning

以及PPV课的《机器学习》，链接为：http://www.ppvke.com/10400.html，都是最简单的入门课程，

之后可以学习斯坦福大学的公开课《机器学习》，这是一门从入门到进阶的课程，链接为：http://www.ppvke.com/10394.html

另外推荐学习PPV课上面的《机器学习与R语言实战》，学习利用R实现各种机器学习算法，并对模型性能进行评估。链接为：http://www.ppvke.com/vip?id=35

每个知识点吃透，每个练习都认真完成。

4、最后参加比赛

上面这些课程都可以在课余和工作之余学习掌握。同时也可以去Kaggle上面打打比赛，地址在 https://www.kaggle.com/competitions

等获得两三个前10%，就差不多算可以入门了，多数数据科学的工作就会游刃有余。

——-阅读原文，查看相应资料链接—–

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

原文始发于微信公众号（PPV课数据科学社区）：【推荐】数据科学学习路线图（入门级）