这份宝典火了，小哥学后加薪30W＋( 二 ) 数据科学该怎么学？必备技能

所需要点亮的技能树如下所示：

文章图片
【这份宝典火了，小哥学后加薪30W＋】看到这里，先不要头皮发麻……作者给出了一些具体的学习tips 。
第一，从基础技能学起。
可能很多人一上来就想搞定机器学习，但这可能会影响学习兴趣&效率。

文章图片
作者用R语言进行了示范，列举了一些基础技能：
导入数据：使用数据库，连接到SQL ， readr包,readxl包；转换数据：处理异常值、缺失数据、重塑数据、聚合、过滤等；可视化数据：静态/交互式数据可视化， ggplot2以及plotly；处理文本数据、函数式编程……
如果以上这些基础技能都掌握后，接下来就可以学习机器学习了。
在这里，可能有人会疑惑，不应该先学习数学、统计和算法吗？
对此作者认为，如果从头开始学习如何编写算法，可能并不是快速上手数据分析。
所以，他更推荐从实战中学习这些技能。
简单来看可以分为三步：
把机器学习应用在实际问题上；尝试使用不同的算法；对比不同的应用结果。
在这方面需要用到哪些工具呢？
Tidymodels和H2O是作者推荐的两个软件包。
另外， Recipes中具有很多预处理工具，可以转换数据、创建数据特征。
接下来，作者推荐你开始学习时间序列分析。
因为这个技能意味着你可以对未来的一些数据进行预测，掌握这项技能也会使你成为大厂手中炙手可热的人才。
在这方面，你需要掌握的技能如下：
时间序列分析：处理日期/日期时间数据、聚合、转换、可视化时间序列、使用timetk预测：ARIMA、指数平滑、Prophet、机器学习（XGBoost、随机森林、GLMnet等）、深度学习（GluonTS）、集成、调整超参数、扩展预测、modeltime包。
进行到这一步后，你就可以尝试去创建一个模型并投入使用了。
在这里，作者推荐了一个能够将模型集成到应用程序中的工具——Shiny 。
这个程序包可以用来创建交互式Web应用程序，代码可以在本地或服务器上托管。
OneMoreThing
看完这份技能树后，也有网友提出了疑问：
为什么没有看到深度学习？
作者回复表示：针对商业应用，机器学习会更实用。
作者表示，有位小哥在他们网站选择了快速进修的课程后，得到了微软机器学习工程师的offer 。
当然，这份完整的学习计划是可以白嫖的（链接请见文末）。
对于这篇分享，你怎么看？
欢迎留言讨论~
学习清单：https://www.business-science.io/r-cheatsheet
参考链接：[1]https://www.business-science.io/careers/2022/03/11/which-data-science-skills-are-important.html[2]https://twitter.com/mdancho84/status/1507698140853555204