<button id="2ddn7"><acronym id="2ddn7"></acronym></button>

<button id="2ddn7"><acronym id="2ddn7"></acronym></button>

  • <button id="2ddn7"><object id="2ddn7"></object></button>
      1. <s id="2ddn7"></s>
        更多課程 選擇中心


        Python培訓

        400-111-8989

        Python學習指南:入門數據科學的完整路徑

        • 發布:Allen
        • 來源:數盟
        • 時間:2017-11-28 15:32

        本文是對學習Python的一系列指導,從初學者進階,當然這需要花費些時間和精力,希望對學習數據分析的同學有用。

        來源:數盟

        譯者:Allen

        原標題:Comprehensive learning path——Data Science in Python

        原文中有許多鏈接,可點擊文末“閱讀原文”查看英文原文

        假如你想成為一個數據科學家,或者已經是數據科學家的你想擴展你的技能,那么你已經來對地方了。本文的目的就是給數據分析方面的Python新手提供一個完整的學習路徑。該路徑提供了你需要學習的利用Python進行數據分析的所有步驟的完整概述。如果你已經有一些相關的背景知識,或者你不需要路徑中的所有內容,你可以隨意調整你自己的學習路徑,并且讓大家知道你是如何調整的。

        步驟0熱身 開始學習旅程之前,先回答第一個問題:為什么使用Python?或者,Python如何發揮作用? 可以觀看DataRobot創始人Jeremy在PyCon Ukraine 2014上的30分鐘演講,來了解Python是多么的有用。

        步驟1設置你的機器環境 現在你已經決心要好好學習了,也是時候設置你的機器環境了。最簡單的方法就是從Continuum.io上下載分發包Anaconda。Anaconda將你以后可能會用到的大部分的東西進行了打包。采用這個方法的主要缺點是,即使可能已經有了可用的底層庫的更新,你仍然需要等待Continuum去更新Anaconda包。當然如果你是一個初學者,這應該沒什么問題。 步驟2學習Python語言的基礎知識 你應該先去了解Python語言的基礎知識、庫和數據結構。Codecademy上的Python課程是你最好的選擇之一。完成這個課程后,你就能輕松的利用Python寫一些小腳本,同時也能理解Python中的類和對象。 具體學習內容:列表Lists,元組Tuples,字典Dictionaries,列表推導式,字典推導式。 任務:解決HackerRank上的一些Python教程題,這些題能讓你更好的用Python腳本的方式去思考問題。 替代資源:如果你不喜歡交互編碼這種學習方式,你也可以學習谷歌的Python課程。這個2天的課程系列不但包含前邊提到的Python知識,還包含了一些后邊將要討論的東西。

        步驟3學習Python語言中的正則表達式 你會經常用到正則表達式來進行數據清理,尤其是當你處理文本數據的時候。學習正則表達式的最好方法是參加谷歌的Python課程,它會讓你能更容易的使用正則表達式。 任務:做關于小孩名字的正則表達式練習。 如果你還需要更多的練習,你可以參與這個文本清理的教程。數據預處理中涉及到的各個處理步驟對你來說都會是不小的挑戰。

        步驟4

        學習Python中的科學庫

        —NumPy, SciPy, Matplotlib以及Pandas

        從這步開始,學習旅程將要變得有趣了。下邊是對各個庫的簡介,你可以進行一些常用的操作:

        根據NumPy教程進行完整的練習,特別要練習數組arrays。這將會為下邊的學習旅程打好基礎。

        接下來學習Scipy教程。看完Scipy介紹和基礎知識后,你可以根據自己的需要學習剩余的內容。

        這里并不需要學習Matplotlib教程。對于我們這里的需求來說,Matplotlib的內容過于廣泛。取而代之的是你可以學習這個筆記中前68行的內容。

        最后學習Pandas。Pandas為Python提供DataFrame功能(類似于R)。這也是你應該花更多的時間練習的地方。Pandas會成為所有中等規模數據分析的最有效的工具。作為開始,你可以先看一個關于Pandas的10分鐘簡短介紹,然后學習一個更詳細的Pandas教程。

        您還可以學習兩篇博客Exploratory Data Analysis with Pandas和Data munging with Pandas中的內容。 額外資源:

        如果你需要一本關于Pandas和Numpy的書,建議Wes McKinney寫的“Python for Data Analysis”。

        在Pandas的文檔中,也有很多Pandas教程,你可以在這里查看。

        任務:嘗試解決哈佛CS109課程的這個任務。 步驟5有用的數據可視化 參加CS109的這個課程。你可以跳過前邊的2分鐘,但之后的內容都是干貨。你可以根據這個任務來完成課程的學習。 步驟6學習Scikit-learn庫和機器學習的內容 現在,我們要開始學習整個過程的實質部分了。Scikit-learn是機器學習領域最有用的Python庫。這里是該庫的簡要概述。完成哈佛CS109課程的課程10到課程18,這些課程包含了機器學習的概述,同時介紹了像回歸、決策樹、整體模型等監督算法以及聚類等非監督算法。你可以根據各個課程的任務來完成相應的課程。 額外資源:

        如果說有那么一本書是你必讀的,推薦Programming Collective Intelligence。這本書雖然有點老,但依然是該領域最好的書之一。

        此外,你還可以參加來自Yaser Abu-Mostafa的機器學習課程,這是最好的機器學習課程之一。如果你需要更易懂的機器學習技術的解釋,你可以選擇來自Andrew Ng的機器學習課程,并且利用Python做相關的課程練習。

        Scikit-learn的教程

        任務:嘗試Kaggle上的這個挑戰 步驟7練習,練習,再練習 恭喜你,你已經完成了整個學習旅程。 你現在已經學會了你需要的所有技能。現在就是如何練習的問題了,還有比通過在Kaggle上和數據科學家們進行競賽來練習更好的方式嗎?深入一個當前Kaggle上正在進行的比賽,嘗試使用你已經學過的所有知識來完成這個比賽。 步驟8深度學習 現在你已經學習了大部分的機器學習技術,是時候關注一下深度學習了。很可能你已經知道什么是深度學習,但是如果你仍然需要一個簡短的介紹,可以看這里。 我自己也是深度學習的新手,所以請有選擇性的采納下邊的一些建議。deeplearning.net上有深度學習方面最全面的資源,在這里你會發現所有你想要的東西—講座、數據集、挑戰、教程等。你也可以嘗試參加Geoff Hinton的課程,來了解神經網絡的基本知識。 附言:如果你需要大數據方面的庫,可以試試Pydoop和PyMongo。大數據學習路線不是本文的范疇,是因為它自身就是一個完整的主題。

        本文內容轉載自網絡,本著分享與傳播的原則,版權歸原作者所有,如有侵權請聯系我們進行刪除!

        預約申請免費試聽課

        填寫下面表單即可預約申請免費試聽!怕錢不夠?可就業掙錢后再付學費! 怕學不會?助教全程陪讀,隨時解惑!擔心就業?一地學習,可全國推薦就業!

        上一篇:Python數據分析入門指南
        下一篇:用Python處理ZIP壓縮包教程

        2021年Python面試題及答案匯總詳解

        python數據分析,你需要這些工具

        Python培訓講解二叉樹的三種深度

        Python培訓:如何實現窮舉搜索?

        • 掃碼領取資料

          回復關鍵字:視頻資料

          免費領取 達內課程視頻學習資料

        • 視頻學習QQ群

          添加QQ群:1143617948

          免費領取達內課程視頻學習資料

        Copyright ? 2021 Tedu.cn All Rights Reserved 京ICP備08000853號-56 京公網安備 11010802029508號 達內時代科技集團有限公司 版權所有

        選擇城市和中心
        黑龍江省

        吉林省

        河北省

        湖南省

        貴州省

        云南省

        廣西省

        海南省

        青青青草网站免费观看|青青青视频在线观看 超真实强奷视频在线看 百度 好搜 搜狗
        <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>