Skip to content

Latest commit

 

History

History
145 lines (94 loc) · 7.76 KB

timeline-for-data-science-competence-1b724e7977e0.md

File metadata and controls

145 lines (94 loc) · 7.76 KB
Raw

数据科学能力时间表

原文：https://pub.towardsai.net/timeline-for-data-science-competence-1b724e7977e0?source=collection_archive---------0-----------------------

Benjamin O. Tayo 的图片

数据科学

数据科学能力的时间表取决于级别:基础、中级和高级

一.导言

对于任何有兴趣进入数据科学领域的人来说，要问的一个最重要的问题是: 获得数据科学能力需要多长时间？

本文将讨论数据科学能力的典型时间表。获得数据科学能力所需的时间取决于能力水平。在第二节中，我们将讨论数据科学的三个层次。在第三节中，我们将根据兴趣水平讨论获得数据科学能力所需的时间。一个简短的总结完成了这篇文章。

这里提供的观点是我的观点，基于我自己的数据科学之旅。

二。数据科学的三个层次

在讨论数据科学能力的时间表之前，让我们首先考虑数据科学的三个层次。本节将讨论我认为的数据科学能力的三个级别，即:级别 1 (基础级别)；二级(中级)；以及 llevel 3(高级水平)。能力从 1 级提高到 3 级。我们将使用 Python 作为默认语言，尽管其他平台如 R、SAS 和 MATLAB 也可以用作数据科学的编程语言。

1.基础水平

在第一级，数据科学的追求者应该能够处理通常以逗号分隔值(CSV)文件格式呈现的数据集。他们应该掌握数据基础知识；数据可视化；和线性回归。

1.1 数据基础

能够操作、清理、构建、缩放和设计数据。他们应该熟练使用熊猫和 NumPy 库。应具备以下能力:

  • 知道如何导入和导出以 CSV 文件格式存储的数据
  • 能够清理、辩论和组织数据，以便进一步分析或建模
  • 能够处理数据集中缺失的值
  • 理解并能够应用数据插补技术，如均值或中位数插补
  • 能够处理分类数据
  • 知道如何将数据集划分为训练集和测试集
  • 能够使用标准化和规范化等缩放技术缩放数据
  • 能够通过主成分分析(PC)等降维技术压缩数据

1.2.数据可视化

能够理解良好的数据可视化的基本组成部分。能够使用包括 Python 的 matplotlib 和 seaborn 包在内的数据可视化工具；以及 R 的 ggplot2 包。应该了解良好的数据可视化的基本组件:

  • 数据成分:决定如何可视化数据的第一个重要步骤是了解数据的类型，如分类数据、离散数据、连续数据、时间序列数据等。
  • **几何组件:**您可以在这里决定哪种可视化适合您的数据，例如散点图、线形图、条形图、直方图、Q-Q 图、平滑密度、箱线图、配对图、热图等。
  • **映射组件:**在这里，你需要决定用什么变量作为你的 x 变量，用什么作为你的 y 变量。这一点非常重要，尤其是当数据集是包含多个要素的多维数据集时。
  • **秤组件:**在这里，您可以决定使用哪种秤，例如线性秤、对数秤等。
  • **标签组件:**包括轴标签、标题、图例、使用的字体大小等。
  • 道德成分:在这里，你要确保你的可视化讲述真实的故事。在清理、汇总、操作和生成数据可视化时，您需要意识到您的行为，并确保您没有使用您的可视化来误导或操纵您的受众。

1.3 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。能够熟练使用 scikit-learn 和 caret 等软件包进行线性回归建模。具备以下能力:

  • 能够使用 NumPy 或 Pylab 进行简单的回归分析
  • 能够使用 scikit-learn 进行多元回归分析
  • 了解正则化回归方法，如套索法、岭法和弹性网法
  • 了解其他非参数回归方法，如 KNeighbors 回归(KNR)和支持向量回归(SVR)
  • 了解评估回归模型的各种度量，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

2.中间能级

除了 I 级技能和能力外，还应具备以下能力:

2.1 监督学习(预测离散目标变量)

熟悉二进制分类算法，例如:

  • 感知器分类器
  • 逻辑回归分类器
  • 支持向量机(SVM)
  • 能够使用核 SVM 解决非线性分类问题
  • 决策树分类器
  • k-最近分类器
  • 朴素贝叶斯分类器
  • 了解评估分类算法质量的几个指标，如准确度、精密度、灵敏度、特异性、召回率、f-l 分数、混淆矩阵、ROC 曲线。
  • 能够使用 scikit-learn 建立模型

2.2 模型评估和超参数调整

  • 能够在一个管道中结合变压器和估值器
  • 能够使用 k-fold 交叉验证来评估模型性能
  • 知道如何用学习和验证曲线调试分类算法
  • 能够通过学习曲线诊断偏差和方差问题
  • 能够解决验证曲线的过度拟合和欠拟合问题
  • 知道如何通过网格搜索微调机器学习模型
  • 了解如何通过网格搜索调整超参数
  • 能够阅读和解释混淆矩阵
  • 能够绘制和解释受试者工作特性(ROC)曲线

2.3 结合不同模型进行集成学习

  • 能够使用不同分类器的集成方法
  • 能够结合不同的算法进行分类
  • 知道如何评估和调整集成分类器

3.优等

能够处理高级数据集，如文本、图像、语音和视频。除基本技能和中级技能外，还应具备以下能力:

  • 聚类算法(无监督学习)
  • k 均值
  • 深度学习
  • 神经网络
  • 克拉斯
  • 张量流
  • Theano
  • 云系统(AWS、Azure)

三。数据科学能力时间表

1 级能力可以在 6 到 12 个月内达到。2 级能力可以在 7 到 18 个月内达到。第 3 级能力可以在 18 到 48 个月内达到。

数据科学能力的大致时间表。本杰明·欧·塔约的图片

我们在这里注意到这些只是近似值。获得一定水平的能力所需的时间取决于你的背景以及你愿意在数据科学研究上投入多少时间。通常，具有分析学科(如物理、数学、科学、工程、会计或计算机科学)背景的个人需要的时间比没有数据科学背景的个人少。

四。摘要

总之，我们已经讨论了数据科学的 3 个层次。1 级能力可以在 6 到 12 个月内达到。2 级能力可在 7 至 18 个月内达到。第 3 级能力可以在 18 到 48 个月内达到。这完全取决于投入的精力和每个人的背景。

其他数据科学/机器学习资源

数据科学需要多少数学？

数据科学课程

进入数据科学的 5 个最佳学位

数据科学的理论基础——我应该关心还是仅仅关注实践技能？

机器学习项目规划

如何组织你的数据科学项目

大型数据科学项目的生产力工具

数据科学作品集比简历更有价值

如有疑问，请发邮件给我:benjaminobi@gmail.com