数据科学

偏工程类的岗位，首先需要熟练使用 SQL 和 Python。在此基础上学习下面几个部分：

第一部分：数据科学入门熟悉数据科学问题解决流程，包括探索性数据分析、异常值的处理，如何与不同的利益相关方有效沟通。

第二部分：深度学习神经网络是深度学习的基石。在这部分课程中，你将学习神经网络的基本原理，并在实战项目中用 Python 和 Numpy 从头开始构建一个神经网络。你还将简要了解 TensorFlow，以及如何用它来搭建深度神经网络。在此节中，你还会拓展学习社交媒体的情绪分析方法。

第三部分：软件工程发展数据科学家核心的软件工程技能。你将学习到如何书写整洁和模块化的代码，如何对代码进行测试与审查，并学习面向对象编程。你还会开发与部署自己的数据应用。

第四部分：数据工程学习处理完整的数据科学工作流中的所有数据，包括运行数据管道、转化数据、构建模型、将解决方案部署到云端。你还会学到 NLP 数据管道与机器学习管道的原理与应用。

第五部分：试验设计与推荐系统学习使用科学的试验方法来审查数据结果，并开展和分析 A/B 测试。学习基于知识和内容的推荐系统机制，并采用矩阵分解来验证与优化推荐系统效果。

第六部分：如何使用 Spark 来处理大数据，并规模化构建机器学习模型，包括如何使用 PySpark 来清洗大数据集及建模。PySpark 是 Spark 为 Python 开发者提供的 API。本课程介绍了大数据及 Spark 在大数据生态系统的角色，并通过互动式练习，处理和清洗数据集，从而熟悉 SparkSQL 和 dataframe APIs，并使用 Spark 机器学习库来训练机器学习模型。

以上六部分的学习大纲来自某外国学习网站，近期我也打算学习深造一下，数据科学家应该是每个做数据开发向往的顶部了吧，加油吧少年！

持续更新中...