a*****s
发帖数: 838 | 1 大家好！我以前是生物背景，过去一年来陆陆续续自学过python, 一点点R和Ruby on
rails。现在还算是初学者programming水平吧。有在翻看kaggle上的project来学习其
他人怎么做project。自己弄过一个非常简单的小项目，就是在网上找数据，把几万行
的gps coordinates从表格里提取出来做了个heatmap。超简单，不过也在这个过程中熟
悉了一些pandas和numpy的操作。
现在我想更加系统的提高一下，并且加强一下背景，好将来能申请Insight。目前是仍
然自学，正在看斯坦福的两个教授写的统计书（An Introduction to Statistical
Learning 是面向有科研背景但是没有数统背景知识的人);python的话前两天在这个版
面有些推荐，准备照着一本书提高（algorithms in python）。其他的我有每天学习C
半个到一个小时，用来提高自己的编程理解能力的。
我想问问这里大家有没有在线上过data science的program，有没有好的推荐： 1,能学
到扎实的知识的;2, 能列在简历上对将来拿到面试有帮助的。
谢谢！ | f*****n
发帖数: 499 | 2 我也是生物背景，算水货生物信息吧
我自己属于做project不少，讨厌上课的那种
做project当然很重要，直接kaggle做一下就知道data science的套路了
但我发现，对于非cs出身，基础的扎实学习还是很重要的
coursera上最popular的DS course
https://www.coursera.org/specializations/jhu-data-science
很多人说好，很多人说不好，我没上过；
不过，我还是奉劝一句：
谨记DS其实也算CS/SDE一种，所以真正需要做的事情（包括我自己在内），不是ML/
stat，而是
data structure和leetcode
SDE机会多很多，成了SDE也可以做DS，真正的通吃计算机和数学的DS
对于生物转行的，coding基础太重要
所以不一定盯着data sci（phd出身的都觉得DS听起来高大上），要两手准备，coding
是基础
C
【在 a*****s 的大作中提到】
: 大家好！我以前是生物背景，过去一年来陆陆续续自学过python, 一点点R和Ruby on
: rails。现在还算是初学者programming水平吧。有在翻看kaggle上的project来学习其
: 他人怎么做project。自己弄过一个非常简单的小项目，就是在网上找数据，把几万行
: 的gps coordinates从表格里提取出来做了个heatmap。超简单，不过也在这个过程中熟
: 悉了一些pandas和numpy的操作。
: 现在我想更加系统的提高一下，并且加强一下背景，好将来能申请Insight。目前是仍
: 然自学，正在看斯坦福的两个教授写的统计书（An Introduction to Statistical
: Learning 是面向有科研背景但是没有数统背景知识的人);python的话前两天在这个版
: 面有些推荐，准备照着一本书提高（algorithms in python）。其他的我有每天学习C
: 半个到一个小时，用来提高自己的编程理解能力的。
| a*****s
发帖数: 838 | 3 谢谢你的经验推荐啊，flareon！
能不能介绍一下：
1, machine learning和数统知识你是不是已经有了很强的背景了？
2, data structure你是通过上什么课，或者做什么project来提高的？
3, 在kaggle上有什么project推荐一下多看看？
还有，我来这里才知道SDE，但是不知道具体是什么意思呢。。。觉得太无知了。。。
（现在仍然不知道，搜了一下没搜出来，也许等等看看有没有人可以解释一下吧）
【在 f*****n 的大作中提到】
: 我也是生物背景，算水货生物信息吧
: 我自己属于做project不少，讨厌上课的那种
: 做project当然很重要，直接kaggle做一下就知道data science的套路了
: 但我发现，对于非cs出身，基础的扎实学习还是很重要的
: coursera上最popular的DS course
: https://www.coursera.org/specializations/jhu-data-science
: 很多人说好，很多人说不好，我没上过；
: 不过，我还是奉劝一句：
: 谨记DS其实也算CS/SDE一种，所以真正需要做的事情（包括我自己在内），不是ML/
: stat，而是
| f*****n
发帖数: 499 | 4 1. 我不强，但我智商够用也在努力。把你用在生物的1/10的精力放在cs上效果就很不同
我就只是自学了bishop的PRML，强迫自己学习抽象的数学；
你说的statistical learning更好，更亲民，PRML有时候就像在装B，不过实在高端
我觉得数学和CS不同在于CS skill某些可以短期获得，但数学统计需要长期理解，我因
为过去搞过生物信息，所以
对于很多ML的东西我能从生物角度具体化帮助我理解，比如bayesian，EM，比如：
http://www.nature.com/nbt/journal/v26/n8/full/nbt1406.html
这些东西放在code里都是现成的package，两行代码，顶多调参。但你要成为优秀DS，
或者励志吃这一碗饭，就必须学好。
ML过程中你会被迫补上multivariat calculus和linear algebra
数学，是一种素质
2. Data structure，推荐一个不错的python interactive：
http://interactivepython.org/runestone/static/pythonds/Introduction/GettingStartedwithData.html
你多做点project，就会遇到pandas,numpy,自然要和string, list, dictionary,
tuple, df, series, stack, queue 这些打交道；自然就会了。
当然我现在从找工作的角度看，去coursera混点certificate放到简历上有必要，如果
你没有cs degree
同时，course可以全面学习概念常识
最好的是Princeton algorithm但那个不给certificate，还是用java
3. kaggle最入门的就是titanic
推荐一个我喜欢的：
https://www.kaggle.com/sinakhorami/titanic/titanic-best-working-classifier
干净简洁
主流用python，作图用R；python作图我不敢恭维
SDE就是马工，码农，写代码
data scientist/DS，是SDE的一种
【在 a*****s 的大作中提到】
: 谢谢你的经验推荐啊，flareon！
: 能不能介绍一下：
: 1, machine learning和数统知识你是不是已经有了很强的背景了？
: 2, data structure你是通过上什么课，或者做什么project来提高的？
: 3, 在kaggle上有什么project推荐一下多看看？
: 还有，我来这里才知道SDE，但是不知道具体是什么意思呢。。。觉得太无知了。。。
: （现在仍然不知道，搜了一下没搜出来，也许等等看看有没有人可以解释一下吧）
| f*****n
发帖数: 499 | 5 我是菜鸟
这里很多大牛，他们可以出来说说经验
【在 a*****s 的大作中提到】
: 谢谢你的经验推荐啊，flareon！
: 能不能介绍一下：
: 1, machine learning和数统知识你是不是已经有了很强的背景了？
: 2, data structure你是通过上什么课，或者做什么project来提高的？
: 3, 在kaggle上有什么project推荐一下多看看？
: 还有，我来这里才知道SDE，但是不知道具体是什么意思呢。。。觉得太无知了。。。
: （现在仍然不知道，搜了一下没搜出来，也许等等看看有没有人可以解释一下吧）
| a*****s
发帖数: 838 | 6 数学我大学里就没怎么学过，学些基础的数统还是有必要的。我看的那本ISLR只是针对
具有科研背景的人普及一下统计理论及其在R里的操作，但实际上不怎么涉及数统计算
细节。如果有好的数统课程或者教材，推荐一个，我也自学一下。我不能算是一个聪明
人，但是我有个好老师，我也喜欢学习新知识。并且我对编程的热情要比做实验高。
虽然自学可以成才，也需要考虑到能放到简历上的东西。很难跟别人讲你怎么自学的。
我觉得大约就是下面的方式：
1, 上一个口碑不错的在线DS program，学些实在的东西。
2, 如果1 不能实现，就在edX或者codecademy或者coursera上一些相关的课程，列到简
历上。
3, 加上在kaggle等类似的网站上做一两个projects
flareon你已经有了相当的生物信息背景了，在我看来，是很强啦 :) 一起加油！
不同
【在 f*****n 的大作中提到】
: 1. 我不强，但我智商够用也在努力。把你用在生物的1/10的精力放在cs上效果就很不同
: 我就只是自学了bishop的PRML，强迫自己学习抽象的数学；
: 你说的statistical learning更好，更亲民，PRML有时候就像在装B，不过实在高端
: 我觉得数学和CS不同在于CS skill某些可以短期获得，但数学统计需要长期理解，我因
: 为过去搞过生物信息，所以
: 对于很多ML的东西我能从生物角度具体化帮助我理解，比如bayesian，EM，比如：
: http://www.nature.com/nbt/journal/v26/n8/full/nbt1406.html
: 这些东西放在code里都是现成的package，两行代码，顶多调参。但你要成为优秀DS，
: 或者励志吃这一碗饭，就必须学好。
: ML过程中你会被迫补上multivariat calculus和linear algebra
|
|
