这份详细到月的学习计划，助你2019年迈入数据科学领域

具有实操性的学习路径之所以备受欢迎，是有充分理由的。当你开始进入数据科学领域时，资源的数量可能会非常庞大。因此本文为你推荐一些具有参考价值的学习路径。

从广义上讲，成为数据科学家的学习路径可分为以下几个步骤：

1.入门：这是其中最重要的一步——开始你的数据科学之旅。这个阶段就是要了解数据科学是什么，以及数据科学家这个角色需要具备哪些要素。此外，应该学习自己所选择的编程语言和工具（比如Python）。这将使你能够对在未来几个月内所学东西进行编码。

2.学习基础数学和统计学：数据科学家必须完全熟知哪些核心概念？比如统计学和数学。学习工具可以帮助你快速计算并生成结果，在掌握统计方法（概率，描述性和推理性统计数据）和数学领域知识（严密的线性代数）之前，你无法成为真正的数据科学家。这就是为什么我们在今年的学习路径中强调这两个领域。

3.学习机器学习的概念并应用它们：这是一切正式开始的地方。如果你完成了以上几点（如果按照学习路径，从三月开始），你将开始学习机器学习的基础知识。但这不仅限于理论概念的学习，更要通过实践来学习。

4.机器学习的更多应用：如果你很好地掌握了这些基本技术，可以在4月份展开更高级的主题，如集成学习，随机森林，提升算法和时间序列方法。但机器学习并不仅限于算法，你还需要知道改进模型的实用技巧。这就是验证策略和特征工程将发挥作用的地方。

5.深度学习简述：现在你了解这些机器学习概念，那么接下来呢？当然是深度学习！如今，它已成为一些数据科学家简历的重要组成部分。7月份时，你在数据科学的学习中应该更倾向于理解神经网络和掌握Keras。

6.各种深度学习架构，如RNN，CNN：随后深入研究先进的神经网络框架，即递归神经网络和卷积神经网络。这些是相当复杂的概念，因此建议你花几周时间从零开始学习它们。

7.计算机视觉应用：计算机视觉是目前最热门的领域之一，每个数据科学家的简历上都必须有这一项，因为这个领域未来会提供很多工作机会。一些非常棒的项目可以帮助您从实践中理解计算机视觉模型的工作原理。

8.自然语言处理（NLP）：如果没有通过NLP，数据科学家的学习路径就不算是完整的。你至少要重点学习基础知识，包括文本预处理和文本分类。如果你喜欢冒险，你可以探索NLP的深度学习，但这不是强制要求。

我们已经按月份解了所有步骤，因此，如果你开始遵循学习路径，你就会清楚地知道需要遵循哪些步骤以及从今天开始每个月需要学习的内容。

这张图片列出了每个月你应该做些什么，从而在2019年底之前成为一名数据科学家。如果你像学习路径中所提到的那样，投入所有的努力，你在年底之前一定能够成为一名数据科学家！