学会数据科学要多久？这张能力晋级表给你结构

数据科学的三个层次

在讨论数据科学能力进程表之前，首先介绍数据科学的三个层次。本节将讨论笔者认为的数据科学能力的三个层次：1级(基础)、2级(中级)和3级(高级)。能力从1级增加到3级。这里将使用Python作为默认语言，即使其他编程语言(例如R，SAS和MATLAB)也可用于数据科学。

基础水平

在第一级，你应该学会使用通常以逗号分隔符(CSV)文件格式表示的数据集，应该具备掌握数据基础知识的能力，如数据可视化和线性回归。

1. 数据基础知识

能够操作、清理、结构化、缩放和设计数据。熟练使用pandas和NumPy库，具备以下能力：

• 知道如何导入和导出以CSV文件格式存储的数据
• 能够清理、整理和组织数据以进行进一步分析或建模
• 能够处理数据集中的缺失值
• 了解并能够应用数据插值技术，例如均值或中位数插值
• 能够处理类别数据
• 知道如何将数据集划分为训练和测试集
• 能够使用诸如归一化和标准化之类的缩放技术来缩放数据
• 能够通过降维技术(例如主成分分析(PC))来压缩数据

2. 数据可视化

能够理解好的数据可视化的基本组成部分。能够使用数据可视化工具，包括Python的matplotlib和seaborn包和R的ggplot2包。应该了解好的数据可视化的基本组成部分：

• 数据组件：决定如何可视化数据的重要的第一步是了解数据的类型，例如分类数据、离散数据、连续数据、时间序列数据等。
• 几何组件：决定哪种可视化适合你的数据，例如散点图、线图、条形图、直方图、Q-Q图、平滑密度图、箱形图、多变量图以及热图等。
• 映射组件：需要确定将什么变量用作x变量，将什么变量用作y变量。这一点很重要，尤其是当数据集是具有多个特征的多维数据集时。
• 比例组件：决定使用哪种比例，例如线性比例、对数比例等。
• 标签组件：包括轴标签、标题、图例、要使用的字体大小等内容。
• 道德构成要素：确保可视化过程是真实的。在清理、汇总、操作和生成数据可视化效果时注意操作，并确保不会使用可视化效果误导或操纵受众。

3. 监督学习(预测连续目标变量)

熟悉线性回归和其他高级回归方法。能够使用scikit-learn和caret等数据包进行线性回归模型构建。具有以下能力：

• 能够使用NumPy或Pylab执行简单的回归分析
• 能够使用scikit-learn执行多元回归分析
• 了解正则化的回归方法，例如Lasso回归、岭回归和弹性网络
• 了解其他非参数回归方法，例如K近邻回归(KNR)和支持向量回归(SVR)
• 了解评估回归模型的各种指标，例如MSE(均方误差)、MAE(平均绝对误差)和R2分数
• 能够比较不同的回归模型
• 

（编辑：甘孜站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!