本文由36大数据（dashuju36）独家翻译，译者潇潇。未经许可，禁止转载。
如果你对精彩的数据科学世界感兴趣，但不知道如何开始，那就让数据学校来帮助你吧。如果你对精彩的数据科学世界感兴趣，但不知道如何开始，那就从这篇文章开始吧。
步骤0：找出你需要学习的内容；
步骤1：熟悉python；
步骤2：学习用pandas库进行数据分析、数据处理和可视化；
步骤3：用scikit-learn进行机器学习；
步骤4：深度理解机器学习；
步骤5：保持学习和练习；
福利：免费加入数据学校
步骤0：找出你需要学习的内容
数据科学是一个势不可挡的领域。很多人会告诉你，你要掌握以下内容才能成为一名数据科学家：统计、线性代数、微积分、编程、数据库、分布式计算、机器学习、可视化、实验设计、聚类、深度学习、自然语言处理等等。这根本不是事实。
那么，究竟什么是数据科学呢？它是一个先提出有趣问题，然后用数据回答这些问题的过程。一般来说，数据科学工作流程如下所示：
提出一个问题
收集有助于解决这个问题的数据
清理数据
探索、分析，并可视化数据
构建机器学习模型，并评价该模型
说明结果
这个流程不一定需要高级数学、精通深度学习，或上面列出的许多其他技能。但它确实要求编程语言知识和运用编程语言处理数据的能力。此外，虽然真正擅长数据科学需要精通数学，但你只需对数学有基本了解就可以开始了。
诚然，上面列出的其他专业技能可能在某一天帮你解决数据科学问题，然而，你不需要掌握所有这些技能才开始你的数据科学生涯。你今天就可以开始了，有我在这里帮你！
步骤1：熟悉python
对数据科学，python和r都是不错的编程语言选择。r在学术界往往更受欢迎，而python更受行业欢迎，两种语言都有丰富的包支持数据科学工作流。我用两种语言教过数据科学，通常更喜欢python。
作为初学者，你不需要同时学习python和r。相反，你应该集中精力学习一种语言及其用于数据科学的包体系。如果你选择了python（个人建议python），建议安装anaconda，它简化了windows、osx和linux上各种包的安装和管理。
你也不需要在成为一个python专家后才开始步骤2。你该重点掌握以下内容：类型、数据结构、导入、函数、条件语句、比较、循环和推导式。至于其他的一切内容可以等到以后再说！
如果你不确定你是否已经“足够”了解python，可以浏览我的python速查手册。如果你对大部分内容都已经熟悉，那么你可以开始步骤2了！
如果你希望能有帮助你学习python的课程，下面是我推荐的一些内容：
通过10个应用快速开始python是由michael kennedy（“与我聊python”的播客主持人）讲授的一个很好的视频课程。
datacamp和dataquest都提供简短的python入门互动课程。
python入门是一门更充实的入门课程，它像一个交互式的教科书。
谷歌的python课堂是对有编程经验的人最好教程，包括讲座视频和可下载的练习。
步骤2：学习用pandas库进行数据分析、数据处理和可视化
如果你要用python处理数据，你应该学习如何使用pandas库。
pandas提供了一个高性能的数据结构（叫做 “dataframe”），适用于有不同类型列的表格数据，类似于excel表格或sql表。它包含读写数据、处理缺失数据、过滤数据、清理混乱数据、合并数据集、可视化数据等工具。简而言之，学习pandas将大大提高你处理数据的工作效率。
然而，pandas包含了大量的函数，（可以说）提供了太多的方式来完成相同的任务。这使得学习pandas、寻找pandas的最佳实践具有挑战性。
这就是为什么我创建了一个pandas系列视频（30个视频，6小时）从头讲解pandas库。每个视频通过一个真实的发布在网上的数据集回答一个问题，这样你就可以在家跟着学。（同时我也创建了包含所有视频代码的jupyter notebook。）
如果你更喜欢学习pandas的非视频类资源，这里是我推荐的内容。
步骤3：用scikit-learn进行机器学习
如果你希望用python进行机器学习，应该学习使用scikit-learn库。
构建“机器学习模型”来预测未来或者自动从数据中提取信息，是数据科学最性感的部分。scikit-learn是python中最受欢迎的机器学习库，有以下优点：
它对大量不同模型提供了一个干净且一致的接口。
它为每一个模式提供了许多调节参数，但同时设置了合理的默认值。
它的文档超出寻常的好，它不仅帮助你理解模型，还提供正确的使用方法。
然而，机器学习仍然是一个高度复杂且快速发展的领域，scikit-learn库的学习曲线非常陡峭。这就是为什么我创建了一个scikit-learn系列视频 （9个视频，4小时），帮助你彻底掌握机器学习原理和scikit-learn工作流。这个系列没有假定你熟悉机器学习或高等数学。(你可以在github上找到所有的代码)。
如果你更想要scikit-learn的非视频类资源，我推荐用python机器学习（amazon/github）或者用python机器学习导论（amazon/github）。
步骤4：深度理解机器学习
机器学习是一个很复杂的领域。虽然scikit-learn提供了机器学习的有效工具，但它无法直接回答许多重要问题:
怎么知道哪个机器学习模型最适合我的数据集？
如何解释模型的结果？
如何评价我的模型对未来数据的概括？
如何给模型选择特征？
等等。
如果你想熟练掌握机器学习，你需要能够回答这些要求经验和进一步研究的问题。这里有一些资源可以帮助你在这条路上走下去：
我最重要的建议是阅读an introduction to statistical learning（pdf /亚马逊)。它将帮助你同时从理论和实践上理解回归和分类的许多重要方法，并且不需要高等数学基础。作者还制作了15个小时的高质量视频来作为这本书的补充。
如果你需要复习概率论和数理统计，我建议阅读openintro statistics(pdf /亚马逊)。
我制作了一些课程帮助你学习线性回归和逻辑回归——两个最受欢迎的机器学习模型。
虽然深入理解各种模型是不可取代的，我制作了一个监督学习模型的对比图，可以作为一个有用的参考指南。
我制作了几个指南，帮助你评估模型的质量：混淆矩阵术语的简单指南、理解roc曲线和auc、评估步骤和标准的对比。
步骤5：保持学习和练习
我对提高数据科学技能的最好建议是：找到可以激励你实践已经学到的东西、学习更多、然后实践的事情。可以是个人数据科学项目、kaggle竞赛、在线课程、阅读书籍、阅读博客、参加聚会或会议，或者其他任何事情！
kaggle竞赛是一个很好实践数据科学的方式，不需要提出自己的问题。不要担心你的名次，只需关注在每一个竞赛中学习新东西。（记住，这个过程中你不会练习数据科学工作流中一些重要部分：提出问题、收集数据和说明结果。）
如果是创建自己的数据科学项目，你应该在github或博客上分享。这将有助于告诉其他人，你知道怎么做可重复性数据科学。（如果你不知道如何使用git和github，我有一个短视频系列，可以帮助你掌握基本方法)。
虽然有大量的数据科学博客，但datatau可帮助你找到最新和最好的内容。建议关注36大数据python专区，查看更多教程。
如果你喜欢电子邮件，我最喜欢的是data elixir、data science weekly和 python weekly。
如果你想体验真正的python社区，我强烈推荐参加pycon us。（也会在各地举办小型的pycon会议。）作为一个数据科学家，你还应该考虑参加scipy 和最近的pydata 会议。
你的数据科学旅程才刚刚开始！数据科学领域有如此多东西需要学习，需要花费一生的时间来精通。记住：你不需要掌握所有的知识才开始你的数据科学职业生涯，你只需要现在就开始！
原文地址：how to launch your data science career (with python)
end.