晓查 发自 凹非寺

　　量子位 编译 | 公众号 QbitAI

　　厌倦了现在的工作，想转行做数据科学，但是却没有计算机专业的相关学历，应该怎样才能入门？

　　这类的教程已经有很多。最近一位22岁的数据科学家Dario，以自学经历中用到的资源告诉你，如何从零开始学习数据科学。

　　所谓从零开始自学，是针对那些可以自主学习在线课程和阅读书籍，却没有上班之余接受课堂教育的人士。

　　在学习之前，如果你对线性代数、微积分、概率论与统计学、程序设计都不太熟悉，Dario建议先去学习一下这几门数学课程，然后再学习Python。

　　在学完以上内容后可以进入下面的学习。

　　看书还是看视频

　　如果想进入数据科学领域，每天一两个小时的学习是必不可少的，是看书还是选择看视频？

　　很多人都不想在每天工作8小时后还看书，因此视频教程是个不错的选择，而且可以在通勤路上观看。

　　Dario首先推荐的是Udemy的《数据科学与机器学习Python训练营》，这是他第一次接触数据科学的时候学习的课程。

　　课程中用Pandas和Numpy进行数据分析，并用Matplotlib和Seaborn进行一些数据可视化。虽然内容不多也不深入，但已经足够入门数据科学了。

　　Dario还推荐了Coursera上由吴恩达主讲的《机器学习》课程，学习时长大概十多个星期。课程以英文讲述，但是提供中文字幕。

　　这门课程的质量绝对有保障，大约12万名用户平均评分为4.9（满分5），人气也超高，共有260多万用户注册。

　　三本优秀的入门必看书

　　如果你更喜欢读书，Dario还推荐了3本入门数据科学的优秀教材。

　　第一本是《Python数据科学手册》。这本书从Jupyter Notebook入手，内容涵盖了Numpy、Pandas,、Matplotlib和Scikit-Learn等数据科学中最重要的部分。

　　该书的中文版去年已经出版，网上评分9.3，网友都说这是本优秀的入门级教材，非常适合非计算机专业的学生。

　　第二本是《统计学习导论》，它的内容会有点数学，但是也很容易阅读。

　　对于机器学习这样一个广泛的领域，这本书能将篇幅控制在400页左右很不容易。唯一的缺点是代码是用 R语言而不是Python编写的。

　　这本书的英文版提供免费下载（地址见文末），评分为9.5分，中文版8.3分。

　　第三本是《Scikit-Learn与TensorFlow机器学习实用指南》，这本书能帮助你深入了解机器学习的概念和算法。目前，该书的英文影印版和中文版都已经出版。

　　下一步

　　学完所有课程后，Dario建议初学者建立一个GitHub存档，并寻找5个数据集来练手，在这个过程中写出自己的结论和思考过程。

　　对于你未来要投递的公司来说，让他们看到你的工作很重要。因为你没有相关学位，因此需要以某种方式展示自己在数据科学中的工作，而GitHub是一个不错的选择。

　　传送门

　　原文连接：https://towardsdatascience.com/becoming-a-self-taught-data-scientist-5563f546bb7b

　　数据科学与机器学习Python训练营：https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/

　　吴恩达《机器学习》课程：https://www.coursera.org/learn/machine-learning

　　《An Introduction to Statistical Learning》下载地址：http://faculty.marshall.usc.edu/gareth-james/ISL/