大数据分析学习策略

　　大数据分析家的需求量很大。截至2020年，美国的大数据分析家的平均年收入超过113,000美元，旧金山的大数据分析家的年收入超过14万美元。学习大数据分析，您将发现自己在这个有前途且得到了充分补偿的领域中工作。

　　但是，即使您对成为大数据分析家不感兴趣，学习数据技能和提高数据素养也会在您当前的职业中带来巨大的收益。几乎任何行业都需要具备数据技能并可以帮助其公司成为更多数据驱动型员工。
 

　　如何学习大数据分析
 

　　那么，您如何开始学习大数据分析呢?从线性代数或统计学开始，对该问题的回答往往是一门很长的课程和一本必读的书。几年前，当我学习时，我自己经历了这一过程。我没有编程背景，但是知道我想使用数据。
 

　　我无法完全解释在没有任何上下文的情况下获得大量资源会多么令人沮丧。这类似于老师递给您一堆教科书并说“阅读所有这些内容”。在学校的时候，我为这种方法而苦苦挣扎。如果我已经开始以这种方式学习大数据分析，我将永远不会继续前进。
 

　　有些人通过阅读一本书会学到最好的东西，但是我通过构建和尝试东西可以学到最好的东西。当我有动力时，我就会学习，当我知道为什么要学习一些东西时，我就会学习。通过多年来与新学习者的交谈，我知道许多其他学习者也有同样的感觉。这背后也有一些科学。研究表明，大多数人通过做事学到最好的东西。
 

　　另外，这种方法还有另一个很大的优势。当您以这种方式学习时，您会立即获得有用的技能。
 

　　这就是为什么我认为您的首要目标不应是学习线性代数或统计学。如果您想学习大数据分析或只是学习一些大数据分析技能，那么您的首要目标应该是学习热爱数据。有兴趣了解如何?继续阅读以了解如何实际学习大数据分析。
 

一、学会爱数据
 

　　没有人谈论学习动机。大数据分析是一个广阔而模糊的领域，这使得它很难学习。真的很难。没有动力，您最终会中途停下来，并认为自己做不到。发生这种情况时，问题不在于您，而在于教学。
 

　　即使在午夜时分，公式开始变得模糊，您仍需要能够激发您继续学习的东西，并且您想知道神经网络是否会有意义。
 

　　您需要一些可以帮助您找到统计量，线性代数和神经网络之间联系的东西。某些事情将使您无法应对“接下来我要学什么?” 题。你需要动力。不是以鼓舞人心的报价形式，而是以激情项目的形式，您可以用来推动学习。
 

　　我进入大数据分析的切入点是预测股市，尽管当时我还不知道。我编写的用来预测股市的第一个程序几乎没有统计数据。但是我知道他们的表现不佳，所以我日以继夜地努力使他们变得更好。
 

　　我痴迷于提高程序的性能。我沉迷于股市。那是我的动力。
 

　　当我工作时，我正在学习热爱数据。因为我正在学习热爱数据，所以我有动力学习任何我需要的东西，以使我的程序变得更好。
 

　　我知道，并不是每个人都着迷于预测股市。但重要的是要找到能让您学习的东西。
 

　　它可以找出有关您的城市的新奇有趣的事物，映射互联网上的所有设备，查找NBA球员所扮演的真实位置，按年份映射难民等。有关大数据分析的伟大的事情是，有真正无限的有趣的事情去努力。这完全是提出问题并找到获得答案的方法，您可以提出任何想要的问题。
 

　　通过根据您的需求量身定制学习来控制您的学习，而不是相反。

 

二、通过学习来学习大数据分析
 

　　了解机器学习，神经网络，图像识别和其他前沿技术非常重要。但是大多数大数据分析都不涉及其中任何一个。作为工作大数据分析家：
 

　　a.您90%的工作将用于数据清理。

　　b.真正了解一些算法比了解一些算法要好。如果您很好地了解线性回归，k均值聚类和逻辑回归，可以解释和解释它们的结果，并且实际上可以从头到尾完成一个项目，那么与您知道每种算法相比，您的就业能力将大大提高。，但不能使用它们。

　　c.大多数时候，当您使用算法时，它将是库中的一个版本。您很少会编写自己的SVM实现代码-花费的时间太长。
 

　　所有这些意味着，最好的学习方法是从事项目。通过从事项目工作，您将获得立即可用和有用的技能，因为现实世界中的大数据分析家必须从头到尾地查看大数据分析项目，并且大多数工作都在清理和管理数据等基础知识上。
 

　　那么如何找到一个好的项目呢?启动项目的一种技术是找到所需的数据集。尝试回答一个有趣的问题。冲洗并重复。
 

　　这里是一些寻找免费数据集的好地方，可以帮助您入门：
 

　　a.19个查找免费数据集的地方

　　b.数据集subreddit

　　c.UCI机器学习存储库
 

　　另一种技术(这是我的技术)是发现一个深层次的问题，预测股市，可以分解为小步骤。我首先连接到Yahoo Finance API，然后提取了每日价格数据。然后，我创建了一些指标，例如过去几天的平均价格，并用它们来预测未来(此处没有真正的算法，仅是技术分析)。效果不是很好，所以我学习了一些统计数据，然后使用了线性回归。然后，我连接到另一个API，逐分钟收集数据，并将其存储在SQL数据库中。依此类推，直到算法运行良好。
 

　　很棒的是我有学习的背景。我不仅学习了抽象的SQL语法。我用它来存储价格数据，因此仅学习语法就可以学习到10倍的数据。没有应用的学习很容易忘记。更重要的是，如果您没有积极地运用所学知识，那么您的学习将无法使您做好实际的大数据分析工作的准备。

三、学习交流见解
 

　　大数据分析家经常需要向其他人展示他们的分析结果。做得好，这可能是一名优秀的大数据分析家与一名出色的大数据分析家之间的区别。如果您可以说服公司中的其他人对发现的内容采取行动，那么数据分析通常仅在业务环境中有价值，这意味着学习通信数据。
 

　　交流见解的一部分是理解主题和理论-您将永远无法向他人解释您不了解自己的东西。另一部分是了解如何清楚地组织结果。最后一步是能够清楚地解释您的分析。
 

　　很难有效地交流复杂的概念，但是您应该尝试以下一些操作：
 

　　a.创建一个博客。发布数据分析的结果。或提出建议并为Dataquest的博客撰写文章!

　　b.尝试向不那么精通技术的朋友和家人传授有关大数据分析概念的知识。令人惊讶的是，有多少教学可以帮助您理解概念。

　　c.尝试在聚会上讲话。

　　d.使用GitHub托管和共享您的所有分析。

　　e.积极参与Quora，Dataquest学习社区和机器学习subreddit等社区。

　　4.向同龄人学习
 

　　与他人合作可以学到多少，真是太神奇了。在大数据分析中，团队合作在工作环境中也非常重要。大数据分析家通常是团队的一部分，而规模较小的公司中的孤独大数据分析家通常会与公司中的其他团队一起解决特定的问题。大数据分析家在为公司不同部门回答数据问题时会在团队之间移动是不寻常的，因此对于大数据分析家而言，能够进行协作可能比几乎任何其他人都更为重要!
 

　　这里的一些想法：
 

　　a.在聚会上找人一起工作。

　　b.贡献开源软件包。

　　c.向写有趣的数据分析博客的人发送消息，以查看您是否可以协作。

　　d.试用机器学习竞赛网站Kaggle，看看是否可以找到队友。

　　5.不断提高难度
 

　　您对正在进行的项目完全满意吗?您是一周前最后一次使用新概念吗?现在是时候去做更困难的事情了。大数据分析是要爬的陡峭山峰，而且很容易停止攀爬。但是，当然，如果您停止攀爬，就永远无法登顶!
 

　　如果您觉得自己不太习惯，这里有一些想法可能会增加几乎所有大数据分析项目的复杂性和挑战性。尝试将其中一项或多项添加到您的计划中，以使自己脱离舒适区：
 

　　a.处理更大的数据集。学习使用火花。

　　b.看看是否可以使算法更快。

　　c.您如何将算法扩展到多个处理器?你可以做到吗?

　　d.了解您正在使用的算法的理论。这会改变您的假设吗?

　　e.尝试教一个新手去做与现在相同的事情。
 

　　最后一个挑战确实是一个被低估的挑战，如果您尝试一下，您将很快看到对于试图学习的人来说，有价值的教学是多么有价值。与以往相比，您可能会从体验中获得对主题的更深刻的理解，并且您还将提高沟通和解释能力。
 

　　您需要大数据分析证书吗?
 

　　在履历表上取得认证不会帮助您找到工作。对雇主来说重要的是您拥有的技能。证书本身不会告诉雇主有关您的技能的任何信息。它只是告诉他们您学习了一个主题。
 

　　但是，如果证书计划可以有效地教您所需的技能，它们仍然会具有不可思议的价值。
 

　　提供认证的程序和平台仍然可以是一笔巨大的投资，但是请务必记住，它们的价值在于可以教给您的技能。
 

　　当雇主查看您的简历时，他们将查看您的技能，项目组合以及相关经验。证书不太可能影响他们的决定，因此请专注于获得合适的技能并建立出色的项目。
 

　　这是有关大数据分析证书以及是否需要证书的更多信息。
 

　　您需要大数据分析学位吗?
 

　　在简历上拥有大数据分析学位可能会帮助您找到工作。然而，得到一个通常要花费数年，并且花费数万美元甚至数十万美元。
 

　　大学也可能会受制于机构的惯性和适应的缓慢，因此您可能会浪费时间去研究在当前商业环境中不相关的旧技术。
 

　　值得庆幸的是，有很多例子，他们都是靠自己成功地学习了大数据分析，并且在不需要专门学位的情况下就达到了行业的高水平。
 

　　例如，在启动Dataquest之前，我本人曾在EdX担任机器学习工程师。但是我没有大数据分析或机器学习的学位。我自学了那些技能。
 

　　我们的Dataquest学习者故事还包含学习者的示例，这些学习者在编程领域零背景且没有大数据分析学位的情况下获得了行业工作。我们的2020年调查涵盖了数百名无需获得学位即可达到其大数据分析学习目标的受访者。
 

　　如果您有足够的时间和金钱来获得大数据分析的大学学位，那么将其添加到简历中绝对可以为您提供帮助。但它很可能学习所有的必要的技能，更快，很多更经济。只要您具备相关技能，就没有大数据分析学位也不会伤害您的就业市场。
 

　　大数据分析家需要什么技能才能成功?
 

　　属于“大数据分析”的技能列表非常多!您可能已经在网络上的某处看到了这个令人生畏的图像：
 

　　但是不用担心，您不需要学习所有这些知识!
 

　　根据职位发布和大数据分析家报告的工作成果，最基本的大数据分析技能是：
 

　　a.使用Python或R编程(都可以)
 

　　b.流利的流行软件包和工作流以您选择的语言进行大数据分析任务。例如，如果您选择Python，则应该熟悉pandas，NumPy，matplotlib或Plotly之类的库以及scikit-learn，并且应该熟悉使用它们进行数据的清理，分析和可视化的工作。

　　c.编写SQL查询

　　d.统计知识与方法

　　e.基本的机器学习和建模技能

　　f.工作流程和协作技能(Git，命令行/ bash等)
 

　　如果您可以将这些基础知识添加到您的技能组合中，那么您将很容易获得第一份大数据分析工作。有关这些的更多信息，您可以查看我们的大数据分析家学习路径，该路径旨在为Python学习者教授所有重要的大数据分析技能。
 

　　在这里，您可以根据自己的兴趣更深入地研究自然语言处理，图像分类，深度学习等专业，以及各种其他选项。
 

　　底线
 

　　本文并不是要确切说明要做什么。而是将其视为在您自己的道路上学习大数据分析时要遵循的粗略准则。如果您将所有这些事情都做好，就会发现您自然在发展大数据分析专业知识。但是不要被他们束缚!如果您找到了一种可以保持动力和学习的不同方法，请毫不犹豫地将其纳入您的长期计划中。
 

　　我通常不喜欢“这里有很多东西”的方法，因为这种方法很难弄清楚下一步该怎么做。我已经看到很多人在面对大量教科书和MOOC时放弃学习。
 

　　我个人认为，任何人只要以正确的心态来处理大数据分析，就可以学习大数据分析。
 

　　我还是Dataquest的创始人，该网站可帮助您在浏览器中学习大数据分析。它封装了本文中讨论的许多思想，以创造更好的学习体验。您可以通过分析有趣的数据集(例如CIA文件和NBA球员数据)来学习。在完成我们的课程时，您还将完成项目并建立项目组合。
 

　　如果您不知道如何编码，请不要担心 -我们从头开始教Python和R，不需要任何经验!我们教Python和R是因为它们是适合初学者的语言，并且它们是现实世界大数据分析中使用最广泛的语言。