Veri Madenciliği ve Veri Bilimini Öğrenmek İçin 7 Adım

İçerik

1. Öğrenme Dilleri
2. Araçlar: Veri Madenciliği, Veri Bilimi ve Görselleştirme Yazılımı
Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz
3. kitap
4. Eğitim: Web Seminerleri, Kurslar, Sertifikalar ve Dereceler
5. Veri
6. Yarışmalar
7. Etkileşim: Toplantılar, Gruplar ve Sosyal Ağlar

Kaynak: Paul Filosu / Dreamstime.com

Paket servisi:

Veri bilimi en iyi şekilde öğrenilerek öğrenilir, ancak iyi bir istatistik temeli ve makine öğrenmesi de önemlidir.

Sık sık veri madenciliği ve veri biliminin nasıl öğrenileceği soruluyor. İşte benim özetim.

Veri madenciliği ve veri bilimini yaparak en iyi şekilde öğrenebilirsiniz, bu yüzden en kısa sürede verileri analiz etmeye başlayın! Bununla birlikte, teoriyi öğrenmeyi unutmayın, çünkü ne yaptığınızı anlamak ve büyük verilerin gürültüsünde gerçek değer külçeleri bulmak için iyi bir istatistik ve makine öğrenmesi temeline ihtiyacınız vardır.

İşte veri madenciliği ve veri bilimini öğrenmek için yedi adım. Numaralandırılmış olmalarına rağmen, bunları paralel veya farklı bir sırayla yapabilirsiniz.

Diller: R, Python ve SQL'i öğrenin
Araçlar: Veri madenciliği ve görselleştirme araçlarını nasıl kullanacağınızı öğrenin
kitaplar: Temelleri anlamak için tanıtım kitaplarını okuyun
Eğitim: Web seminerlerini izleyin, kurslara katılın ve veri biliminde bir sertifika veya derece düşünün (Daha fazla bilgi için Ben Loricas Veri Bilimci Nasıl Beslenir?).
Veri: Kullanılabilir veri kaynaklarını kontrol edin ve orada bir şey bulun
Yarışmalar: Veri madenciliği yarışmalarına katılın
Sosyal ağlar, gruplar ve toplantılar aracılığıyla diğer veri bilimcileri ile etkileşime geçin

Bu makalede, veri madenciliği ve veri bilimini birbirlerinin yerine kullanıyorum. Sunumumda, İstatistikler, bilgi keşfi, veri madenciliği, tahmine dayalı analitik, veri bilimi ve büyük veriler gibi farklı terimlerin evrimi ve popülerliğine baktığım Analytics Endüstri Genel Bakış bölümüne bakın.

1. Öğrenme Dilleri

Yeni bir KDnuggets Anketi, veri madenciliği için en popüler dillerin R, Python ve SQL olduğunu buldu. Örneğin, her biri için birçok kaynak var:

R ile Veri Bilimi hakkında ücretsiz e-kitap
Veri Bilimi İçin Python ile Başlarken
Veri Analizi için Python: Gerçek Dünya Verileri için Çevik Araçlar
Vazgeçilmez Bir Python: Veri Bilimine Veri Kaynağı
W3 Okulları SQL Öğreniyor

2. Araçlar: Veri Madenciliği, Veri Bilimi ve Görselleştirme Yazılımı

Farklı görevler için birçok veri madenciliği aracı bulunmaktadır, ancak tüm veri analizi sürecini destekleyen bir veri madenciliği paketinin nasıl kullanılacağını öğrenmek en iyisidir. KNIME, RapidMiner ve Weka gibi açık kaynaklı (ücretsiz) araçlar ile başlayabilirsiniz.

Ancak, birçok analitik işi için önde gelen ticari araç olan ve yaygın olarak kullanılan SAS'ı bilmeniz gerekir. Diğer popüler analitik ve veri madenciliği yazılımları arasında MATLAB, StatSoft STATISTICA, Microsoft SQL Server, Tablo, IBM SPSS Modeler ve Rattle bulunur.

Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz

Hiç kimse yazılım kalitesiyle ilgilenmediğinde programlama becerilerinizi geliştiremezsiniz.

Görselleştirme, herhangi bir veri analizinin önemli bir parçasıdır. Microsoft Excel'i (daha basit görevler için iyi), R grafikleri, (özellikle ggplot2) ve ayrıca Tableau - görselleştirme için mükemmel bir paket kullanmayı öğrenin. Diğer iyi görselleştirme araçları arasında TIBCO Spotfire ve Miner3D var.

3. kitap

Çok sayıda veri madenciliği ve veri bilimi kitabı mevcut ancak bunları kontrol edebilirsiniz:

Veri Madenciliği ve Analizi: Temel Kavramlar ve Algoritmalar, ücretsiz PDF indirme (taslak), Mohammed Zaki ve Wagner Meira Jr.
Veri Madenciliği: Weka yazarlarından Ian Witten, Eibe Frank ve Mark Hall'dan Weka'nın yazarlarından Pratik Makine Öğrenme Araçları ve Teknikleri
İstatistiksel Öğrenme Elemanları, Veri Madenciliği, Çıkarım ve Tahmin, Trevor Hastie, Robert Tibshirani, Jerome Friedman. Matematiksel odaklılık için harika bir giriş
LIONbook: Web'de serbestçe bulunabilen Roberto Battiti ve Mauro Brunato tarafından Öğrenme ve Akıllı Optimizasyon, bölüm bölüm
Büyük Veri Kümelerinin Kitabı Madenciliği, A. Rajaraman, J. Ullman
StatSoft Elektronik İstatistikler kitabı (ücretsiz), birçok veri madenciliği konusu içeriyor

4. Eğitim: Web Seminerleri, Kurslar, Sertifikalar ve Dereceler

Analitik, büyük veri, veri madenciliği ve veri bilimi konularındaki en yeni konular hakkında birçok ücretsiz web semineri ve web yayınını izleyerek başlayabilirsiniz.

Ayrıca birçoğu ücretsiz, kısa ve uzun bir çok çevrimiçi kurs vardır. (Bkz. KDnuggets çevrimiçi eğitim rehberi.)

Özellikle şu kursları kontrol et:

Coursera'da Makine Öğrenimi Andrew Ng tarafından öğretildi
CalX'ten Profesör Yaser Abu-Mostafa tarafından verilen edX'ten Veri Öğrenme
Syracuse iSchool'dan Uygulamalı Veri Biliminde Çevrimiçi Kursu Açın
Weka ile Veri Madenciliği, ücretsiz çevrimiçi kurs
Veri madenciliğinde bir sömestr süren giriş kursu olan Veri Madenciliği Kursumdan ücretsiz çevrimiçi slaytları da kontrol edin.

Son olarak, veri madenciliği ve veri bilimlerinde veya veri bilimlerinde yüksek lisans gibi ileri derecelerde sertifika almayı düşünün.

5. Veri

Analiz etmek için veriye ihtiyacınız olacak - aşağıdakileri içeren Veri Madenciliği Veri Kümeleri KDnuggets dizinine bakınız:

Hükümet, federal, eyalet, şehir, yerel ve halka açık veri siteleri ve portallar
Veri API'leri, hub'lar, pazarlar, platformlar, portallar ve arama motorları
Ücretsiz genel veri setleri

6. Yarışmalar

Yine, yaparak en iyisini öğreneceksiniz, bu yüzden Kaggle yarışmalarına katılın. Makine Öğrenimini Kullanarak Titanik Hayatta Kalma Tahmin Etme gibi acemi yarışmalarla başlayın.