文科生如何高效学数据科学？

看似一望无际、高深难懂而又时刻更新的数据科学知识，该怎样学才更高效呢？但愿读过本文后，你能得到一些帮助。

疑惑

周五下午，我给本身的研究生开组会。主题是工做坊教学，尝试搭建本身的第一个深度神经网络。

参考资料是个人文章《如何用Python和深度神经网络发现即将流失的客户？》。我带着学生们从下载最新版Anaconda安装包开始，直到完成第一个神经网络分类器。

过程涉及编程虚拟环境问题，他们参考了《如何在Jupyter Notebook中使用Python虚拟环境？》一文，比较顺利地掌握了如何在虚拟环境里安装软件包和执行命令。

我要求他们，一旦遇到问题就当即提出。我帮助解决的时候，全部人围过来一块儿看解决方案，以提高效率。

我给学生们介绍了神经网络的层次结构，而且用Tensorboard可视化展现。他们对神经网络和传统的机器学习算法（师兄师姐答辩的时候，他们听过，有印象）的区别不是很了解，我就带着他们一块儿玩儿了一把深度学习实验场。

看着本来傻乎乎的直线绕成了曲线，而后从开放到闭合，把平面上的点根据内外区分，他们都很兴奋。还录了视频发到了微信朋友圈。

欣喜之余，一个学生不无担心地问我：

老师，我如今可以把样例跑出来了，可是里面有不少内容如今还不懂。这么多东西该怎么学呢？

我以为这是个很是好的问题。

对于非IT类本科毕业生，尤为是“文科生”（定义见这里），读研阶段若要用到数据科学方法，确实有不少知识和技能须要补充。他们中很多人所以很焦虑。

可是焦虑是没有用的，不会给你一丝一毫完善和进步。学会拆解和处理问题，才是你不断进步的保证。

这篇文章，我来跟你谈一谈，看似一望无际、高深难懂而又时刻更新的数据科学知识，该怎样学才更高效。

许多读者曾经给我留言，询问过相似的问题。所以我把给本身学生的一些建议分享给你，但愿对你也有一些帮助。

目标

你以为本身在数据科学的知识海洋里面迷失，是由于套用的学习模式不对。

从上小学开始，你就习惯了把要学习的内容当成学科知识树，而后系统地一步步学完。前面若是学很差，必然会影响后面内容的理解消化。

知识树的学习，也必须全覆盖。不然考试的时候，一旦考察你没有掌握的内容，就会扣分。

学习的进程，有教学大纲、教材和老师来负责一步步喂给你，而且督促你不断预习、学习和复习。

如今，你忽然独自面对一个新的学科领域。没了教学大纲和老师的方向与进度指引，教材又如此繁多，根本不知道该看哪一本，茫然无措。

其实若是数据科学的知识是个凝固的、静态的集合，你又有无限长的学习时间，用原先的方法来学习，也挺好。

可现实是，你的时间是有限的，数据科学的知识倒是突飞猛进。今年的热点，兴许到了明年就会退潮。深度学习专家Andrej Karpathy评论不一样的机器学习框架时说：

Matlab is so 2012. Caffe is so 2013. Theano is so 2014. Torch is so 2015. TensorFlow is so 2016. :D

怎么办呢？

你须要以目标导向来学习。

例如说，你手头要写的论文里，须要作数据分类。那你就研究分类模型。

分类模型属于监督学习。传统机器学习里，KNN, 逻辑回归，决策树等都是经典的分类模型；若是你的数据量很大，但愿用更为复杂而精准的模型，那么能够尝试深度神经网络。

若是你要须要对图片进行识别处理，便须要认真学习卷积神经网络（Convolutional Neural Network），以便高效处理二维图形数据。

若是你要作的研究，是给时间序列数据（例如金融资产价格变更）找到合适的模型。那么你就得认真了解递归神经网络（recurrent neural network），尤为是长短时间记忆(Long short-term memory, LSTM)模型。这样用人工智能玩儿股市水晶球才能游刃有余。

但若是你目前尚未明确的研究题目，怎么办？

没关系。能够在学习中，以案例为单位，不断积累能力。

实践领域需求旺盛，数据科学的内容又过于庞杂，近年来MOOC上数据科学类课程的发展，愈来愈有案例化趋势。

一贯以技术培训类见长的平台，如Udacity, Udemy等自没必要说。就连从高校生长出来的Coursera，也大量在习题中加入实际案例场景。Andrew Ng最新的Deep Neural Network课程就是很好的例证。

我以前推荐过的华盛顿大学机器学习课程，更是很是激进地在第一门课中，经过案例完整展现后面若干门课的主要内容。

注意，学第一门课时，学员们对于相关的技术（甚至是术语）还一无所知呢！

然而你把代码跑完，出现告终果的时候，真的会由于不了解和掌握细节就一无所得吗？

固然不是。

退一万步说，至少你见识了能够用这样的方法成功解决该场景的问题。这就叫认知。

告诉你一个小窍门：在生活、工做和学习中，你跟别人比拼的，基本上都是认知。

你得到了认知后，能够快速了解整个领域的概况。知道哪些知识对本身目前的需求更加剧要，学习的优先级更高。

比案例学习更高效的“找目标”方式，是参加项目，动手实践。

动手实践，不断迭代的原理，在《如何高效学Python？》和《创新怎么教？》文中我都有详细分析，欢迎查阅。

这里我给你讲一个真实的例子。

个人一个三年级研究生，本科学的是工商管理。刚入学的时候按照个人要求，学习了密歇根大学的Python课程，而且拿到了系列证书。可是很长的一段时间里，他根本就不知道该怎么实际应用这些知识，论文天然也写不出来。

一个偶然的机会，我带着他参加了另外一个老师的研究项目，负责技术环节，作文本挖掘。由于有了实际的应用背景和严格的时间限定，他学得很用心，干得很是起劲儿。以前学习的技能在此时真正被激活了。

等到项目圆满结束，他主动跑来找我，跟我探讨可否把这些技术方法应用于本学科的研究，写篇小论文出来。

因而我俩一块儿肯定了题目，设计了实验。而后我把数据采集和分析环节交给了他，他也很完满地作出告终果。

有了这些经验，他意识到了本身毕业论文数据分析环节的缺失，因而又顺手改进了毕业论文的分析深度。

刚好是周五工做坊当天，咱们收到了期刊的正式录用通知。

看得出来，他很激动，也很开心。

深度

肯定目标后，你就明白了该学什么，不应学什么。

可是下一个问题就来了，该学的内容，要学到多深、多细呢？

在《贷仍是不贷：如何用Python和机器学习帮你决策？》一文里，咱们尝试了决策树模型。

所谓应用决策树模型，实际上就是调用了一个包。

from sklearn import tree
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train_trans, y_train)
复制代码

只用了三行语句，咱们就完成了决策树的训练功能。

这里咱们用的是默认参数。若是你须要了解能够进行哪些参数调整设置，在函数的括号里使用shift+tab按键组合，就能看到详细的参数列表，而且知道了默认的参数取值是多少。

若是你须要更详细的说明，能够直接查文档。在搜索引擎里搜索sklearn tree DecisionTreeClassifier这几个关键词，你会看到如下的结果。

点击其中的第一项，就能够看到最新版本scikit-learn相关功能的官方文档。

当你明白了每一个函数工做的方法、参数能够调整的类型和取值范围时，你是否能够宣称本身了解这个功能了？

你好像不太有信心。

由于你以为这只是“知其然”，而没有作到“知其因此然”。

可是，你真的须要进一步了解这个函数/功能是如何实现的吗？

注意图中函数定义部分，有一个指向source的连接。

点开它，你就会导航到这个函数的源代码，托管在github上。

若是你是个专业人士，但愿研究、评估或者修改该函数，认真阅读源代码就不只必要，并且必须。

可是做为文科生的你，若是仅是为了应用，那彻底能够没必要深刻到这样的细节。将别人写好的，广受好评的软件包当成黑箱，正确地使用就行了。

这就如同你不须要了解电路原理，就能够看电视；不须要了解川菜的技艺和传承，就能够吃麻婆豆腐。只要你会用遥控器，会使筷子，就能享受这些好处。

愈来愈多的优秀软件包被创造出来，数据科学的门槛也所以变得愈来愈低。甚至低到被声讨的地步。例如这篇帖子，就大声疾呼“进入门槛过低正在毁掉深度学习的名声！”

可是，不要高兴得太早。以为本身终于遇到一门能够投机取巧的学问了。

你的基础必须打牢。

数据科学应用的基础，主要是编程、数学和英语。

数学（包括基础的微积分和线性代数）和英语许多本科专业都会开设。文科生主要须要补充的，是编程知识。

只有明白基础的语法，你才能和计算机之间无障碍交流。

一门简单到使人发指的编程语言，能够节省你大量的学习时间，直接上手作应用。

程序员圈子里，流行一句话，叫作：

人生苦短，我用Python。

Python有多简单？个人课上，一个会计学本科生，为了拿下证书去学Python基础语法，一门课在24小时内，便搞定了。这还包括作习题、项目和系统判分时间。

怎么高效入门和掌握Python呢？欢迎读读《如何高效学Python？》，但愿对你快速上手能有帮助。

协做

了解了该学什么，学多深刻以后，咱们来说讲提高学习效率的终极秘密武器。

这个武器，就是协做的力量。

协做的好处，彷佛原本就是人人都知道的。

可是，在实践中，太多的人根本就没有这样作。

由于，咱们都过于长期地被训练“独立”完成问题了。

例如考试的时候跟别人交流，那叫做弊。

可是，你即使再习惯一我的完成某些“创举”，也不得不逐渐面对一个真实而残酷的世界——一我的的单打独斗很难带来大成就，你必须学会协做。

这就像《权力的游戏》里史塔克家族的名言：

When the cold winds blow the lone wolf dies and the pack survives. （凛冬将至，独狼死，群狼活。）

文科生面对屏幕编程，总会有一种孤独无助的感受，彷佛本身被这个世界抛弃了。

这种错误的心态会让你变得焦虑、恐慌，并且很容易放弃。

正确的概念却可以拯救你——你正在协做。并且你须要主动地、更好地协做。

你面前这台电脑或者移动终端，就是无数人的协做成果。

你用的操做系统，也是无数人的协做成果。

你用的编程语言，仍是无数人的协做成果。

你调用的每个软件包，依然是无数人的协做成果。

并不是只有你所在的小团队沟通和共事，才叫作协做。协做其实早已发生在地球级别的尺度上。

当你从Github上下载使用了某个开源软件包的时候，你就与软件包的做者创建了协做关系。想一想看，这些人可能受雇于大型IT企业，月薪6位数（美圆），能跟他们协做不是很可贵的机会吗？

当你在论坛上抛出技术问题、而且得到解答的时候，你就与其余的使用者创建了协做关系。这些人有多是资深的IT技术专家，作咨询的收费是按照秒来算的。

这个社会，就是由于分工协做，才变得更加高效的。

数据科学也是同样。Google, 微软等巨头为何开源本身的深度学习框架，给全世界无偿使用？正是由于他们明白协做的终极含义，知道这种看似吃亏的傻事儿，带来的回报没法估量。

这种全世界范围内的协做，使得知识产生的速度加快，用户的需求被刻画得更清晰透彻，也使得技术应用的范围和深度空前提升。

若是你在这个协做系统里，就会跟系统一块儿突飞猛进地发展。若是你不幸自外于这个系统，就只能落寞地看着别人一飞冲天了。

这样的时代，你该怎么更好地跟别人协做呢？

首先，你要学会寻找协做的伙伴。这就须要你掌握搜索引擎、问答平台和社交媒体。不断更新本身的认知，找到更适合解决问题的工具，向更可能回答你问题的人来提问。常常到Github和Stackoverflow上逛一逛，收获可能大到令你吃惊。

其次，你要掌握清晰的逻辑和表达方式。无论是搜寻答案，仍是提出问题，逻辑能力能够帮助你少走弯路，表达水平决定了你跟他人协做的有效性和深度。具体的阐释，请参考《Python编程遇问题，文科生怎么办？》。

第三，不要只作个接受帮助者。要尝试主动帮助别人解决问题，把本身的代码开源在Github上，写文章分享本身的知识和看法。这不只能够帮你在社交资本帐户中储蓄（当你须要帮助的时候，至关于在提现），也能够经过反馈增加本身的认知。群体的力量能够经过“赞同”、评论等方式矫正你的错误概念，推进你不断进步。

能够带来协做的连接，就在那里。

你不知道它们的存在，它们对你来讲就是虚幻。

你了解它们、掌握它们、使用它们，它们给你带来的巨大益处，就是实打实的。

小结

咱们谈了目标，能够帮助你分清楚哪些须要学，哪些不须要学。你如今知道了找到目标的有效方法——项目实践或者案例学习。

咱们聊了深度，你了解到大部分的功能实现只须要了解黑箱接口就能够，不须要深刻到内部的细节。然而对于基础知识和技能，务必夯实，才能走得更远。

咱们强调了协做。充分使用别人优质的工做成果，主动分享本身的认知，跟更多优秀的人创建连接。摆脱单兵做战的窘境，把本身变成优质协做系统中的关键节点。

愿你在学习数据科学过程当中，得到认知的增加，享受知识和技能更新带来的愉悦。放下焦虑感，体验心流的美好感觉。

讨论

到今天为止，你掌握了哪些数据科学知识和技能？你为此花了多少时间？这个过程痛苦吗？有没有什么经验教训能够供你们借鉴？欢迎留言，把你的感悟分享给你们，咱们一块儿交流讨论。

喜欢请点赞。还能够微信关注和置顶个人公众号“玉树芝兰”(nkwangshuyi)。

若是你对数据科学感兴趣，不妨阅读个人系列教程索引贴《如何高效入门数据科学？》，里面还有更多的有趣问题及解法。