曉查 發自 凹非寺 量子位 編譯 | 公眾號 QbitAI
厭倦了現在的工作，想轉行做數據科學，但是卻沒有計算機專業的相關學歷，應該怎樣才能入門？
這類的教程已經有很多。最近一位22歲的數據科學家Dario，以自學經歷中用到的資源告訴你，如何從零開始學習數據科學。
所謂從零開始自學，是針對那些可以自主學習在線課程和閱讀書籍，卻沒有上班之餘接受課堂教育的人士。
在學習之前，如果你對線性代數、微積分、概率論與統計學、程序設計都不太熟悉，Dario建議先去學習一下這幾門數學課程，然後再學習Python。
在學完以上內容後可以進入下面的學習。
看書還是看視頻
如果想進入數據科學領域，每天一兩個小時的學習是必不可少的，是看書還是選擇看視頻？
很多人都不想在每天工作8小時後還看書，因此視頻教程是個不錯的選擇，而且可以在通勤路上觀看。
Dario首先推薦的是Udemy的《數據科學與機器學習Python訓練營》，這是他第一次接觸數據科學的時候學習的課程。
課程中用Pandas和Numpy進行數據分析，並用Matplotlib和Seaborn進行一些數據可視化。雖然內容不多也不深入，但已經足夠入門數據科學了。
Dario還推薦了Coursera上由吳恩達主講的《機器學習》課程，學習時長大概十多個星期。課程以英文講述，但是提供中文字幕。
這門課程的質量絕對有保障，大約12萬名用戶平均評分為4.9（滿分5），人氣也超高，共有260多萬用戶註冊。
三本優秀的入門必看書
如果你更喜歡讀書，Dario還推薦了3本入門數據科學的優秀教材。
第一本是《Python數據科學手冊》。這本書從Jupyter Notebook入手，內容涵蓋了Numpy、Pandas,、Matplotlib和Scikit-Learn等數據科學中最重要的部分。
該書的中文版去年已經出版，網上評分9.3，網友都說這是本優秀的入門級教材，非常適合非計算機專業的學生。
第二本是《統計學習導論》，它的內容會有點數學，但是也很容易閱讀。
對於機器學習這樣一個廣泛的領域，這本書能將篇幅控制在400頁左右很不容易。唯一的缺點是代碼是用 R語言而不是Python編寫的。
這本書的英文版提供免費下載（地址見文末），評分為9.5分，中文版8.3分。
第三本是《Scikit-Learn與TensorFlow機器學習實用指南》，這本書能幫助你深入了解機器學習的概念和算法。目前，該書的英文影印版和中文版都已經出版。
下一步
學完所有課程後，Dario建議初學者建立一個GitHub存檔，並尋找5個數據集來練手，在這個過程中寫出自己的結論和思考過程。
對於你未來要投遞的公司來說，讓他們看到你的工作很重要。因為你沒有相關學位，因此需要以某種方式展示自己在數據科學中的工作，而GitHub是一個不錯的選擇。
傳送門
原文連接：https://towardsdatascience.com/becoming-a-self-taught-data-scientist-5563f546bb7b
數據科學與機器學習Python訓練營：https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/
吳恩達《機器學習》課程：https://www.coursera.org/learn/machine-learning
《An Introduction to Statistical Learning》下載地址：http://faculty.marshall.usc.edu/gareth-james/ISL/