发帖
雷达卡
自学数据分析以什么顺序学习？
1.编程
作为数据分析师，具有编程能力很重要。曾经很多次你使用过非编程工具，如Excel，但是最好和最常用的一些工具，如Pandas、Numpy，以及其他一些库，都是基于编程的。使用这些基于编程的工具，你能够做更深入、更高效的分析。由于流行度高，Python和R都是很好的入门编程语言。
2.统计学
最低要求，你应该能理解基本的统计描述和统计推断。你应该理解分布的不同类型，哪种统计检验适用于哪种文本，还要能够在面试中解释线性回归的基础知识。
3.机器学习
如果你有大量数据，机器学习中的技术是难以置信的强大。你需要用这些数据去预测未来，或者给出合适的建议。你应该懂得一些最常用的监督学习和非监督学习的算法（他们是两种不同类别的机器学习算法），比如k最近邻算法、支持向量机和k均值聚类。你可能不必懂得这些算法背后的理论和实现细节，但知道什么时候使用这些算法很重要。
4.数据清理
在理想的世界里，你面对的数据集是干净的、准备好进行分析的。然而，现实世界中，绝少是这样的。你的数据集很可能缺失数值、格式错误、或者输入错误。例如，让我们讨论一些日期，一些系统表示2014年9月1日为9.1.2014，其他一些系统会表示为09/01/2014。像这样的情况，你的数据清理技能会派上用场。
5.沟通和数据可视化
作为数据分析师，你的工作不仅要解释数据，还要同其他利益相关者高效交流你的发现，这样你就能帮他们做出数据提供的决策。许多利益相关者不会对你的分析背后的技术细节感兴趣，这就是为什么你能通过易于理解的途径交流和展示你的发现很重要。
京公网安备 11010802022788号
