转行数据分析的一份学习清单

首先说爬虫。其实说实话，对于数据分析而言，爬虫真不是必须的，因为一般的大公司都有专门的爬虫团队。数据分析只是将数据从数据库取出然后做数据处理和分析。不过，爬虫作为一项技能是可以在一定程度上加分的，起码在博主的面试经历中是这样的。博主之前分享过一系列爬虫技术的文章，感兴趣的朋友也可以在后台学习资源中找到，这里不赘述了。

其次是机器学习。对于机器学习，博主想说这部分还是有必要了解一下的(不是必须)，因为一是可以给自己加分，另外也可以让自己清楚未来的职业方向。数据分析的发展方向一般有BI商业方向，行业分析业务方向，和机器学习数据挖掘方向。了解常用的监督和非监督模型，如朴素贝叶斯，决策树，聚类等可以让自己更加深刻得理解数据分析。

机器学习的书籍推荐：《统计学习方法》，《机器学习》，《机器学习实战》三本书。

李航的统计学方法和周志华的机器学习(西瓜书)是大家最为熟知，最经典的书籍资源，两本书主要介绍机器学习的统计理论知识和公式推导，比较难啃，对于初学者其实并不建议花费大量时间深究。因为机器学习涉及的东西很多很杂，对于数学要有很强的功底，所以并不是短时间内可以全部掌握的。对于转行人员来说，时间是很宝贵的，因此博主建议这两本书可以作为参考，但不必盲目深入研究。而对于已经从事本行业的人员，这两本书无疑是最绝佳的参考资料，可以反复阅读。

机器学习实战这本书从实际应用的角度出发，更多的介绍了机器学习编程方面的使用，并附有大量源码分析，是非常具有特色的一本参考书籍，比较适合初始学习机器学习的人员。当然还有很多其它的参考资料，比如台大林轩田，Andrew Ng机器学习视频也是非常好的教学资源。

博主的建议是：先从宏观上了解各个模型的特征，优缺点及主要的应用，然后再慢慢由浅入深的学习各个模型算法的缘由和推导，因为这样不但会逐渐建立信心，也会对模型算法有更深刻的理解。总的来说，几本书各有特色，相辅相成，建议结合几本书一起学习效果最佳。当然，关于机器学习这部分，博主后面也会陆续给大家介绍。

【编辑推荐】

1. 自从Python数据可视化出了这个模块后，数据可视化就再简单不过了
2. 数据科学领域，你该选 Python 还是 R ？
3. 用Python做数据科学时容易忘记的八个要点！
4. TOP 3大开源Python数据分析工具！
5. Python 爬取了马蜂窝的出行数据，告诉你这个夏天哪里最值得去！

（编辑：核心网）

【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!