数据科学资源整理

阅读 479
收藏 30
2018-08-22
原文链接:zhuanlan.zhihu.com

数据科学主要包括两个方面:用数据的方法研究科学和用科学的方法研究数据(好吧,这明显是在玩文字游戏~),前者包括生物信息学、天体信息学、数字地球等领域;后者包括统计学、机器学习、数据挖掘、数据库等领域。

所以大家形容数据科学家“比软件工程师更擅长统计学,比统计学家更擅长统计工程”。看来数学、统计学和机器学习……一样都跑不脱了。

数学的话这里推荐一下可汗学院出的讲解视频,非常经典:网易公开课

麻省理工的线性代数课也值得一看:麻省理工公开课:线性代数_全35集

关于机器学习的资源我之前已经整理过了 ,所以这里就不过多赘述了。偷懒:)

这里主要就介绍一些课程和数据库吧,大致内容是这样的:

1)学习网站

2)从入门到进阶的项目

3)获取数据集的网站

4)工具列表

5)其它

那就继续往下看吧。

一、学习网站

国内的搜了下基本都是零零散散的,专题性不是很强,所以喜欢看视频的话可以去慕课网网易公开课找主题相关的课程(关键词:机器学习/数据挖掘/数据分析等),实验楼提供文档和在线实操,w3cschool的课也不错,阶段性也比较强。

国外对数据科学可能针对性更强一点,大家可以了解下这几个网站:

二、从入门到进阶的项目

这样写会比较系统,而且都是比较经典的一些项目,大家看看都会不会。

1、初级

刚入门还是会推荐一些比较容易的数据集,而且也不需要复杂的数据科学技术,可以使用基本回归或分类算法来解决。

2、中级

中级的话会更有挑战性一点,数据集更大,需要一些良好的模式识别技能。

3、高级

下面会涉及到神经网络,深度学习,推荐系统等高级主题。

上面的项目都挺有意思的,大家可以跟着动手练练。

又给大家找了几个中文文档:

三、获取数据集的网站

1、亚马逊网络服务

亚马逊在其AWS web service上提供大型数据集,比如

2、谷歌云平台

和亚马逊一样,谷歌也有一个云托管服务。Google BigQuery公共数据集列出了网页上的所有数据集,比如

  • Github活动:包含280多万个公共Github存储库的所有公共活动。
  • 历史天气:数据来自9000 NOAA气象站从1929年到2016年。

3、Kaggle

Kaggle是一个组织机器学习竞赛的数据科学社区,网站上有各种外部贡献的有趣数据集。你可以通过参加比赛从Kaggle下载数据。每个比赛都有自己的相关数据集。在新的 Kaggle Data sets中也有用户提供的数据集。

4、UCI机器学习库 :用户提供的有趣数据集

5、Quandl:经济和金融数据的存储库

6、Twitter :拥有强大的流媒体API

7、Quantopian:开发,测试和操作股票交易算法的网站

四、工具列表

  • Tableau :数据可视化分析软件,帮助快速轻松地分析数据
  • Bokeh :一个交互式可视化库,面向现代Web浏览器进行演示。它的目标是提供优雅、简洁的多功能图形构造
  • Apache Hadoop :允许使用简单的编程模型跨计算机集群分布式处理大型数据集
  • D3.js:用于根据数据操作文档的JavaScript库。
  • Jupyter :一个开源Web应用程序,允许创建和共享包含实时代码、方程式、可视化和叙述文本的文档。
  • OpenRefine:处理凌乱数据的强大工具
  • Orange :新手也能用的开源机器学习和数据可视化工具
  • KNIME:无缝地混合工具和数据类型
  • DataMelt:面向科学家、工程师和学生的免费数学软件,可用于数值计算,统计,符号计算,数据分析和数据可视化等。
  • RapidMiner:通过使用最新的机器学习算法和技术(如Tensorflow,Hadoop和Spark)消除了尖端数据科学的复杂性。

五、其它:

以上就是我整理的关于数据科学的一些内容,如果不全还请各位大佬多多包涵(o°ω°o)

大家可以补充,我看到也会再更新上来滴。

希望小伙伴们能多分享一点学习经验,带带二师弟~们啊~

评论