上线数天获2400星，这个GitHub项目帮你从头开始学习数据科学

机器之心报道

作者：魔王、陈萍

如何入门数据科学？

这个 GitHub 项目提供了一份免费学习资源，既包括超详细的学习路线图，又涵盖多个免费线上课程、大量数据科学项目和 100 多本免费机器学习书籍，项目上线数天即获得 2.4k 星。

项目地址：https://github.com/therealsreehari/Learn-Datascience-for-Free#5_-expressions

该项目收集了散布在网络上的不同资源，并按照一定的顺序进行组合，以帮助数据科学初学者解决如何搜索免费和结构化学习资源的问题。项目作者表示，该项目将基于新的免费资源持续更新。

数据科学家学习路线图

「磨刀不误砍柴工。」该项目首先详细介绍了一份数据科学路线图，罗列了数据科学学习者需要掌握的内容：

基础知识（矩阵和代数基础等）；
统计学（概率论、贝叶斯定理等）；
编程；
机器学习；
文本挖掘 / 自然语言处理；
数据可视化；
大数据；
数据获取；
数据再加工（Data Munging）；
工具箱。

成为数据科学家需要掌握的基础知识

在成为数据科学家之前，你需要掌握关于矩阵的理论知识，了解其操作方式，熟悉矩阵的各种变换。项目作者还向我们介绍了多种数据结构，包括哈希函数、二叉树等。

以二叉树为例，项目作者解释了什么是二叉树：「在计算机科学中，二叉树是一种树数据结构，其中每个节点最多具有两个子节点，称为左子节点和右子节点。」

二叉树

除了矩阵知识以外，数据科学初学者还需掌握关系代数、数据库基础知识、CAP 原理、ETL 等多达十多个知识点（有些部分还在更新中）。

统计学

该项目介绍了许多关于统计学的知识，包括数据集的选择、描述性统计、探索性数据分析、直方图、概率论、贝叶斯定理等内容。

以探索性数据分析为例，项目作者从数据的可视化和分析两方面着手，向我们介绍了完成整个数据分析任务需要的开发环境、依赖库、安装方式以及分析方式。

在数据可视化方面，项目作者介绍了三个数据可视化库 Matplotlib、Pandas、Seaborn，每个库都有相应的链接，点击链接即可进入相应的网页进行查看。

点击 Seaborn 链接，可进入 Seaborn 主页，该图为链接到的主页内容。

在数据分析方面，项目作者介绍了 PCA 降维方法，帮助学习者了解什么是主成分分析，以及如何在 Python 中实现。

编程

成为数据科学家离不开编程，该项目介绍了需要掌握的编程语言 Python、R setup/R studio 等内容。以 R setup / R studio 为例，项目作者介绍了两种安装方式 Linux、Windows。但是本部分内容还有许多待补充知识。

待补充内容

机器学习

该项目还列举了掌握数据科学需要了解的机器学习知识，包括数值变量、分类变量、监督学习、无监督学习、训练集和测试集、分类器、过拟合、偏差和方差、支持向量机等 30 项内容。

以支持向量机为例，项目作者首先介绍了支持向量机的作用——可用于分类和回归任务，接着用简单明了的语言解释了支持向量机的原理。此外，项目作者还列举了关于支持向量机的其他知识，读者可通过链接自行学习。

支持向量机

除了上述介绍的内容外，项目作者还整理了文本挖掘、数据可视化等内容，此处不再赘述。

免费线上课程

该项目基于 GitHub 用户 Developer-Y 的项目整理了大量线上免费课程的资源，包括人工智能、机器学习、机器人学三个主要部分。其中机器学习部分又细分为机器学习导论、数据挖掘、数据科学、概率图模型、深度学习、强化学习、进阶版机器学习课程、基于机器学习的自然语言处理与计算机视觉、时序分析、概率与统计学、线性代数等。