大數(shù)據(jù)時代，成為一名合格優(yōu)秀的數(shù)據(jù)分析師應(yīng)該是好多人的夢想。不過萬丈高樓平地起啊，想成為一名稱職的數(shù)據(jù)師，扎實堅硬的基礎(chǔ)是少不了的。所以學(xué)習(xí)的初步，必須不能過于心急氣躁，一定要沉得住氣，一步一個腳印，終究會達(dá)成目標(biāo)的。下面就來和大家講講怎樣進(jìn)行大數(shù)據(jù)的入門級學(xué)習(xí)，希望能給未來大數(shù)據(jù)分析師的你帶來一些幫助。
數(shù)據(jù)科學(xué)并沒有一個獨立的學(xué)科體系，統(tǒng)計學(xué)，機器學(xué)習(xí)，數(shù)據(jù)挖掘，數(shù)據(jù)庫，分布式計算，云計算，信息可視化等技術(shù)或方法來對付數(shù)據(jù)。
但從狹義上來看，我認(rèn)為數(shù)據(jù)科學(xué)就是解決三個問題：
1. data pre-processing;(數(shù)據(jù)預(yù)處理）
2. data interpretation；（數(shù)據(jù)解讀）
3.data modeling and analysis.（數(shù)據(jù)建模與分析）
這也就是我們做數(shù)據(jù)工作的三個大步驟：
1、原始數(shù)據(jù)要經(jīng)過一連串收集、提取、清洗、整理等等的預(yù)處理過程，才能形成高質(zhì)量的數(shù)據(jù)；
2、我們想看看數(shù)據(jù)“長什么樣”，有什么特點和規(guī)律；
3、按照自己的需要，比如要對數(shù)據(jù)貼標(biāo)簽分類，或者預(yù)測，或者想要從大量復(fù)雜的數(shù)據(jù)中提取有價值的且不易發(fā)現(xiàn)的信息，都要對數(shù)據(jù)建模。
這三個步驟未必嚴(yán)謹(jǐn)，每個大步驟下面可能依問題的不同也會有不同的小步驟，但按我這幾年的經(jīng)驗來看，按照這個大思路走，數(shù)據(jù)一般不會做跑偏。
這樣看來，數(shù)據(jù)科學(xué)其實就是門復(fù)合型的技術(shù)，既然是技術(shù)就從編程語言談起吧，為了簡練，只說說R和Python。但既然是薦數(shù)據(jù)科學(xué)方面的書，我這里就不提R/Python編程基礎(chǔ)之類的書了，直接上跟數(shù)據(jù)科學(xué)相關(guān)的。
R programming
如果只是想初步了解一下R語言已經(jīng)R在數(shù)據(jù)分析方面的應(yīng)用，那不妨就看看這兩本：
但如果你先用R來從事實實在在的數(shù)據(jù)工作，那么上面兩本恐怕不夠，還需要這些：
Modern applied statistics with S：這本書里統(tǒng)計學(xué)的理論就講得比較多了，好處就是你可以用一本書既復(fù)習(xí)了統(tǒng)計學(xué)，又學(xué)了R語言。
Data manipulation with R：這本書實務(wù)性很強，它教給你怎么從不同格式的原始數(shù)據(jù)文件里讀取、清洗、轉(zhuǎn)換、整合成高質(zhì)量的數(shù)據(jù)。當(dāng)然和任何一本注重實戰(zhàn)的書一樣，本書也有豐富的真實數(shù)據(jù)或模擬數(shù)據(jù)供你練習(xí)。對于真正從事數(shù)據(jù)處理工作的人來說，這本書的內(nèi)容非常重要，因為對于任何研究，一項熟練的數(shù)據(jù)預(yù)處理技能可以幫你節(jié)省大量的時間和精力。否則，你的研究總是要等待你的數(shù)據(jù)。
Python
Think Python，Think Stats，Think Bayes：這是Allen B. Downey寫的著名的Think X series三大卷。其實是三本精致的小冊子，如果想快速地掌握Python在統(tǒng)計方面的操作，好好閱讀這三本書，認(rèn)真做習(xí)題，答案鏈接在書里有。這三本書學(xué)通了，就可以上手用Python進(jìn)行基本的統(tǒng)計建模了。
