P.S.
+內容來源于：The Complete Guide to Landing a Career in Data [UDACITY]
（大數據行業(yè)終極職業(yè)指【優(yōu)達學城】 ）
+個人自我提升的預期規(guī)劃路徑，因此只摘取所需內容羽嫡，并經過篩選整理本姥。
+可以直接看最后

基本介紹

• 核心技能

  • 初級 - 數據分析師
    編程、統(tǒng)計杭棵、機器學習婚惫、數據再加工、數據可視化
  • 進階1 - 數據科學家
    Hadoop（最常用的分布式文件系統(tǒng)處理框架）魂爪，Python先舷，R
  • 進階2 - 數據工程師
    • 基于Hadoop的技術，例如MapReduce滓侍，Hive蒋川，Pig
    • 基于SQL的技術，例如PostgreSQL和MySQL
    • NoSQL技術撩笆，例如Cassandra捺球，MongDB
    • 數據倉庫解決方案

• 日常工作（簡而言之）

  • 從各種數據庫缸浦、數據格式和數據來源中整理、提取氮兵、轉換和加載數據
  • 使用探索性數據分析技巧從復雜的數據集中發(fā)現(xiàn)有意義的聯(lián)系裂逐、模式和趨勢
  • 對無標簽的數據進行分類，或利用應用統(tǒng)計學和機器學習預測未來
  • 通過有效的數據可視化圖表傳達數據分析結果泣栈。

一些訓練

• 閱讀

  • Data Science Weekly
  • Machine Learning Mastery

• 比賽（尚未確定是否需要梯子）

  • Kaggle
    Kaggle的數據經過清洗卜高，可以專注于構建模型
    Kaggle托管了大量數據集，可以在Quora話題下找到資源

  • Hacker Rank
    看著界面很干凈和好看南片，因為配色是綠色系的掺涛，嗯，就是這么不講道理铃绒。

技能分級

• 掌握編程背景知識

  • 基礎知識

    • 變量鸽照、控制流螺捐、循環(huán)颠悬、函數
    • 調試
    • 面向對象的編程：便于復用

  • 高級知識

    • 數據結構（優(yōu)化）：堆棧、隊列定血、列表赔癌、數組、哈希圖澜沟、優(yōu)先隊列灾票、try語句和圖表。（數據結構能夠影響內存使用情況和運行時效率茫虽，便于優(yōu)化程序）
    • 算法（優(yōu)化）：分而治之（D&C）算法刊苍、貪婪算法、動態(tài)規(guī)劃濒析、線性規(guī)劃和圖形算法（深度與廣度遍歷正什，最小生成樹和兩個節(jié)點之間的最短路徑）
    • 軟件設計模式（優(yōu)化）：讓代碼穩(wěn)健、可復用号杏、可測試婴氮。

• 掌握數學背景知識

  • 基礎知識

    • 統(tǒng)計學：
      對不同類型的分布運用正確的方法、技巧或統(tǒng)計學檢驗盾致，嚴格地解析主经、推導和比較不同類型的數據。

    • 概率學：
      能夠推理事件曾經或未來發(fā)生的概率庭惜。

    • 高級知識

      • 多元微積分/線性代數
        了解多元微積分和線性代數有助于構建自己的算法罩驻。

具體技能

• 編程語言：Python，R（掌握ggplot2护赊，reshape2鉴腻，numpy迷扇，pandas和scipy）

• 統(tǒng)計學：統(tǒng)計學測試，分布爽哎，最大似然估計……

  • 描述統(tǒng)計：描述樣本特性的量化方式

    • 基本值：均值蜓席、中位數、眾數课锌、標準差和方差厨内、假設檢驗；
    • 分布：正態(tài)分布渺贤、指數/泊松分布雏胃、二項式分布、卡方分布志鞍；
    • 顯著性檢驗：Z檢驗瞭亮、t檢驗、惠特尼U檢驗固棚、卡方分布统翩、方差分析

  • 推論統(tǒng)計：根據樣本預測分析

  • 統(tǒng)計學實驗設計：

    • 樣本數、樣本關系此洲、對照組+實驗組厂汗、A/B test、冪次定律呜师。
    • SMART實驗理念：Specific（明確）+ Measurable（可測量）+ Actionable（可行動）+ Realistic（現(xiàn)實）+ Timely（及時）

• 數學：多元微積分娶桦，線性代數

• 矩陣運算、點積汁汗、特征值衷畦、特征向量、多元導數

• 機器學習：

  • 監(jiān)督式學習：“有標簽”的訓練集+檢驗集知牌，讓學習者發(fā)現(xiàn)規(guī)則祈争，并幫助識別檢驗集中的元素。監(jiān)督式學習能夠讓手機識別你的聲音送爸，電子郵箱過濾垃圾郵件等铛嘱。

    • 工具：決策樹、樸素貝葉斯分類袭厂、普通最小二乘回歸墨吓、邏輯回歸、神經網絡纹磺、支持向量機及組合方法帖烘。

  • 非監(jiān)督式學習：從給定的“無標簽”數據集中發(fā)現(xiàn)隱含關系，并得出隱藏結構橄杨。非監(jiān)督式學習能夠給你推薦喜歡的電影秘症，預測你喜歡的商品照卦。

    • 工具：聚類算法、主成分分析（PCA）乡摹、奇異值分解（SVD）役耕、獨立成分分析（ICA）

  • 強化學習：適用于非上述兩種情況的情形。對每個預測性步驟或操作給出某種形式的反饋聪廉，但不提供精確的標簽或誤差測定瞬痘。如機器人下棋等。

    • 工具：Q學習板熊、TD學習框全、遺傳算法

• 數據整理（/數據挖掘）：

  • 數據庫系統(tǒng)：PostgreSQL, mySQL, Netezza, Oracle, Hadoop, Spark, MongoDB
  • 工具：正則表達式、數學變換干签、Python字符串庫津辩、解析常見文件格式（csv、xml等）容劳，通過log-10變換將非正態(tài)分布轉換為正態(tài)分布喘沿。

• 數據可視化：

  • 工具：ggplot、matplotlib鸭蛙、sea born摹恨、D3.js
  • 以及了解可視化編碼數據背后的原理筋岛，了解業(yè)務背景娶视。

• 數據直覺

相關課程

目前僅關注了UDACITY的課程，后續(xù)如果沒放棄會繼續(xù)補充睁宰。
描述統(tǒng)計學入門（中/英）
推論統(tǒng)計學入門
數據可視化與 D3.js（中/英）
機器學習入門（中/英）
[用 MongoDB 進行數據整理（中/英）)(https://cn.udacity.com/course/intro-to-machine-learning--ud120]