文科生如何高效學數據科學？

看似一望無際、高深難懂而又時刻更新的數據科學知識，該怎樣學才更高效呢？但願讀過本文後，你能得到一些幫助。

疑惑

週五下午，我給本身的研究生開組會。主題是工做坊教學，嘗試搭建本身的第一個深度神經網絡。

參考資料是個人文章《如何用Python和深度神經網絡發現即將流失的客戶？》。我帶着學生們從下載最新版Anaconda安裝包開始，直到完成第一個神經網絡分類器。

過程涉及編程虛擬環境問題，他們參考了《如何在Jupyter Notebook中使用Python虛擬環境？》一文，比較順利地掌握瞭如何在虛擬環境裏安裝軟件包和執行命令。

我要求他們，一旦遇到問題就當即提出。我幫助解決的時候，全部人圍過來一塊兒看解決方案，以提高效率。

我給學生們介紹了神經網絡的層次結構，而且用Tensorboard可視化展現。他們對神經網絡和傳統的機器學習算法（師兄師姐答辯的時候，他們聽過，有印象）的區別不是很瞭解，我就帶着他們一塊兒玩兒了一把深度學習實驗場。

看着本來傻乎乎的直線繞成了曲線，而後從開放到閉合，把平面上的點根據內外區分，他們都很興奮。還錄了視頻發到了微信朋友圈。

欣喜之餘，一個學生不無擔心地問我：

老師，我如今可以把樣例跑出來了，可是裏面有不少內容如今還不懂。這麼多東西該怎麼學呢？

我以爲這是個很是好的問題。

對於非IT類本科畢業生，尤爲是「文科生」（定義見這裏），讀研階段若要用到數據科學方法，確實有不少知識和技能須要補充。他們中很多人所以很焦慮。

可是焦慮是沒有用的，不會給你一絲一毫完善和進步。學會拆解和處理問題，纔是你不斷進步的保證。

這篇文章，我來跟你談一談，看似一望無際、高深難懂而又時刻更新的數據科學知識，該怎樣學才更高效。

許多讀者曾經給我留言，詢問過相似的問題。所以我把給本身學生的一些建議分享給你，但願對你也有一些幫助。

目標

你以爲本身在數據科學的知識海洋裏面迷失，是由於套用的學習模式不對。

從上小學開始，你就習慣了把要學習的內容當成學科知識樹，而後系統地一步步學完。前面若是學很差，必然會影響後面內容的理解消化。

知識樹的學習，也必須全覆蓋。不然考試的時候，一旦考察你沒有掌握的內容，就會扣分。

學習的進程，有教學大綱、教材和老師來負責一步步餵給你，而且督促你不斷預習、學習和複習。

如今，你忽然獨自面對一個新的學科領域。沒了教學大綱和老師的方向與進度指引，教材又如此繁多，根本不知道該看哪一本，茫然無措。

其實若是數據科學的知識是個凝固的、靜態的集合，你又有無限長的學習時間，用原先的方法來學習，也挺好。

可現實是，你的時間是有限的，數據科學的知識倒是突飛猛進。今年的熱點，興許到了明年就會退潮。深度學習專家Andrej Karpathy評論不一樣的機器學習框架時說：

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

怎麼辦呢？

你須要以目標導向來學習。

例如說，你手頭要寫的論文裏，須要作數據分類。那你就研究分類模型。

分類模型屬於監督學習。傳統機器學習裏，KNN, 邏輯迴歸，決策樹等都是經典的分類模型；若是你的數據量很大，但願用更爲複雜而精準的模型，那麼能夠嘗試深度神經網絡。

若是你要須要對圖片進行識別處理，便須要認真學習卷積神經網絡（Convolutional Neural Network），以便高效處理二維圖形數據。

若是你要作的研究，是給時間序列數據（例如金融資產價格變更）找到合適的模型。那麼你就得認真瞭解遞歸神經網絡（recurrent neural network），尤爲是長短時間記憶(Long short-term memory, LSTM)模型。這樣用人工智能玩兒股市水晶球才能遊刃有餘。

但若是你目前尚未明確的研究題目，怎麼辦？

沒關係。能夠在學習中，以案例爲單位，不斷積累能力。

實踐領域需求旺盛，數據科學的內容又過於龐雜，近年來MOOC上數據科學類課程的發展，愈來愈有案例化趨勢。

一貫以技術培訓類見長的平臺，如Udacity, Udemy等自沒必要說。就連從高校生長出來的Coursera，也大量在習題中加入實際案例場景。Andrew Ng最新的Deep Neural Network課程就是很好的例證。

我以前推薦過的華盛頓大學機器學習課程，更是很是激進地在第一門課中，經過案例完整展現後面若干門課的主要內容。

注意，學第一門課時，學員們對於相關的技術（甚至是術語）還一無所知呢！

然而你把代碼跑完，出現告終果的時候，真的會由於不瞭解和掌握細節就一無所得嗎？

固然不是。

退一萬步說，至少你見識了能夠用這樣的方法成功解決該場景的問題。這就叫認知。

告訴你一個小竅門：在生活、工做和學習中，你跟別人比拼的，基本上都是認知。

你得到了認知後，能夠快速瞭解整個領域的概況。知道哪些知識對本身目前的需求更加劇要，學習的優先級更高。

比案例學習更高效的「找目標」方式，是參加項目，動手實踐。

動手實踐，不斷迭代的原理，在《如何高效學Python？》和《創新怎麼教？》文中我都有詳細分析，歡迎查閱。

這裏我給你講一個真實的例子。

個人一個三年級研究生，本科學的是工商管理。剛入學的時候按照個人要求，學習了密歇根大學的Python課程，而且拿到了系列證書。可是很長的一段時間裏，他根本就不知道該怎麼實際應用這些知識，論文天然也寫不出來。

一個偶然的機會，我帶着他參加了另外一個老師的研究項目，負責技術環節，作文本挖掘。由於有了實際的應用背景和嚴格的時間限定，他學得很用心，乾得很是起勁兒。以前學習的技能在此時真正被激活了。

等到項目圓滿結束，他主動跑來找我，跟我探討可否把這些技術方法應用於本學科的研究，寫篇小論文出來。

因而我倆一塊兒肯定了題目，設計了實驗。而後我把數據採集和分析環節交給了他，他也很完滿地作出告終果。

有了這些經驗，他意識到了本身畢業論文數據分析環節的缺失，因而又順手改進了畢業論文的分析深度。

剛好是週五工做坊當天，咱們收到了期刊的正式錄用通知。

看得出來，他很激動，也很開心。

深度

肯定目標後，你就明白了該學什麼，不應學什麼。

可是下一個問題就來了，該學的內容，要學到多深、多細呢？

在《貸仍是不貸：如何用Python和機器學習幫你決策？》一文裏，咱們嘗試了決策樹模型。

所謂應用決策樹模型，實際上就是調用了一個包。

from sklearn import tree
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train_trans, y_train)
複製代碼

只用了三行語句，咱們就完成了決策樹的訓練功能。

這裏咱們用的是默認參數。若是你須要瞭解能夠進行哪些參數調整設置，在函數的括號裏使用shift+tab按鍵組合，就能看到詳細的參數列表，而且知道了默認的參數取值是多少。

若是你須要更詳細的說明，能夠直接查文檔。在搜索引擎裏搜索sklearn tree DecisionTreeClassifier這幾個關鍵詞，你會看到如下的結果。

點擊其中的第一項，就能夠看到最新版本scikit-learn相關功能的官方文檔。

當你明白了每一個函數工做的方法、參數能夠調整的類型和取值範圍時，你是否能夠宣稱本身瞭解這個功能了？

你好像不太有信心。

由於你以爲這只是「知其然」，而沒有作到「知其因此然」。

可是，你真的須要進一步瞭解這個函數/功能是如何實現的嗎？

注意圖中函數定義部分，有一個指向source的連接。

點開它，你就會導航到這個函數的源代碼，託管在github上。

若是你是個專業人士，但願研究、評估或者修改該函數，認真閱讀源代碼就不只必要，並且必須。

可是做爲文科生的你，若是僅是爲了應用，那徹底能夠沒必要深刻到這樣的細節。將別人寫好的，廣受好評的軟件包當成黑箱，正確地使用就行了。

這就如同你不須要了解電路原理，就能夠看電視；不須要了解川菜的技藝和傳承，就能夠吃麻婆豆腐。只要你會用遙控器，會使筷子，就能享受這些好處。

愈來愈多的優秀軟件包被創造出來，數據科學的門檻也所以變得愈來愈低。甚至低到被聲討的地步。例如這篇帖子，就大聲疾呼「進入門檻過低正在毀掉深度學習的名聲！」

可是，不要高興得太早。以爲本身終於遇到一門能夠投機取巧的學問了。

你的基礎必須打牢。

數據科學應用的基礎，主要是編程、數學和英語。

數學（包括基礎的微積分和線性代數）和英語許多本科專業都會開設。文科生主要須要補充的，是編程知識。

只有明白基礎的語法，你才能和計算機之間無障礙交流。

一門簡單到使人髮指的編程語言，能夠節省你大量的學習時間，直接上手作應用。

程序員圈子裏，流行一句話，叫作：

人生苦短，我用Python。

Python有多簡單？個人課上，一個會計學本科生，爲了拿下證書去學Python基礎語法，一門課在24小時內，便搞定了。這還包括作習題、項目和系統判分時間。

怎麼高效入門和掌握Python呢？歡迎讀讀《如何高效學Python？》，但願對你快速上手能有幫助。

協做

瞭解了該學什麼，學多深刻以後，咱們來說講提高學習效率的終極祕密武器。

這個武器，就是協做的力量。

協做的好處，彷佛原本就是人人都知道的。

可是，在實踐中，太多的人根本就沒有這樣作。

由於，咱們都過於長期地被訓練「獨立」完成問題了。

例如考試的時候跟別人交流，那叫做弊。

可是，你即使再習慣一我的完成某些「創舉」，也不得不逐漸面對一個真實而殘酷的世界——一我的的單打獨鬥很難帶來大成就，你必須學會協做。

這就像《權力的遊戲》裏史塔克家族的名言：

When the cold winds blow the lone wolf dies and the pack survives. （凜冬將至，獨狼死，羣狼活。）

文科生面對屏幕編程，總會有一種孤獨無助的感受，彷佛本身被這個世界拋棄了。

這種錯誤的心態會讓你變得焦慮、恐慌，並且很容易放棄。

正確的概念卻可以拯救你——你正在協做。並且你須要主動地、更好地協做。

你面前這臺電腦或者移動終端，就是無數人的協做成果。

你用的操做系統，也是無數人的協做成果。

你用的編程語言，仍是無數人的協做成果。

你調用的每個軟件包，依然是無數人的協做成果。

並不是只有你所在的小團隊溝通和共事，才叫作協做。協做其實早已發生在地球級別的尺度上。

當你從Github上下載使用了某個開源軟件包的時候，你就與軟件包的做者創建了協做關係。想一想看，這些人可能受僱於大型IT企業，月薪6位數（美圓），能跟他們協做不是很可貴的機會嗎？

當你在論壇上拋出技術問題、而且得到解答的時候，你就與其餘的使用者創建了協做關係。這些人有多是資深的IT技術專家，作諮詢的收費是按照秒來算的。

這個社會，就是由於分工協做，才變得更加高效的。

數據科學也是同樣。Google, 微軟等巨頭爲何開源本身的深度學習框架，給全世界無償使用？正是由於他們明白協做的終極含義，知道這種看似吃虧的傻事兒，帶來的回報沒法估量。

這種全世界範圍內的協做，使得知識產生的速度加快，用戶的需求被刻畫得更清晰透徹，也使得技術應用的範圍和深度空前提升。

若是你在這個協做系統裏，就會跟系統一塊兒突飛猛進地發展。若是你不幸自外於這個系統，就只能落寞地看着別人一飛沖天了。

這樣的時代，你該怎麼更好地跟別人協做呢？

首先，你要學會尋找協做的夥伴。這就須要你掌握搜索引擎、問答平臺和社交媒體。不斷更新本身的認知，找到更適合解決問題的工具，向更可能回答你問題的人來提問。常常到Github和Stackoverflow上逛一逛，收穫可能大到令你吃驚。

其次，你要掌握清晰的邏輯和表達方式。無論是搜尋答案，仍是提出問題，邏輯能力能夠幫助你少走彎路，表達水平決定了你跟他人協做的有效性和深度。具體的闡釋，請參考《Python編程遇問題，文科生怎麼辦？》。

第三，不要只作個接受幫助者。要嘗試主動幫助別人解決問題，把本身的代碼開源在Github上，寫文章分享本身的知識和看法。這不只能夠幫你在社交資本帳戶中儲蓄（當你須要幫助的時候，至關於在提現），也能夠經過反饋增加本身的認知。羣體的力量能夠經過「贊同」、評論等方式矯正你的錯誤概念，推進你不斷進步。

能夠帶來協做的連接，就在那裏。

你不知道它們的存在，它們對你來講就是虛幻。

你瞭解它們、掌握它們、使用它們，它們給你帶來的巨大益處，就是實打實的。

小結

咱們談了目標，能夠幫助你分清楚哪些須要學，哪些不須要學。你如今知道了找到目標的有效方法——項目實踐或者案例學習。

咱們聊了深度，你瞭解到大部分的功能實現只須要了解黑箱接口就能夠，不須要深刻到內部的細節。然而對於基礎知識和技能，務必夯實，才能走得更遠。

咱們強調了協做。充分使用別人優質的工做成果，主動分享本身的認知，跟更多優秀的人創建連接。擺脫單兵做戰的窘境，把本身變成優質協做系統中的關鍵節點。

願你在學習數據科學過程當中，得到認知的增加，享受知識和技能更新帶來的愉悅。放下焦慮感，體驗心流的美好感覺。

討論

到今天爲止，你掌握了哪些數據科學知識和技能？你爲此花了多少時間？這個過程痛苦嗎？有沒有什麼經驗教訓能夠供你們借鑑？歡迎留言，把你的感悟分享給你們，咱們一塊兒交流討論。

喜歡請點贊。還能夠微信關注和置頂個人公衆號「玉樹芝蘭」(nkwangshuyi)。

若是你對數據科學感興趣，不妨閱讀個人系列教程索引貼《如何高效入門數據科學？》，裏面還有更多的有趣問題及解法。