Paso 1: Aprender los conceptos básicos para python: Python es un lenguaje fácil de comenzar, pero dominar las expresiones idiomáticas lleva tiempo como cualquier otro idioma. Entonces, como principiante, primero debe comprender todos los conceptos básicos del idioma y un buen comienzo sería seguir estos tutoriales: Tutorial Points y Google Python Class Learn Python the Hardway (libro)
Paso 2: Estadística básica y matemática: recomendaría aprender estadísticas con un fuerte enfoque en codificar ejemplos, preferiblemente en Python o R.
Paso 3: Python para el análisis de datos: una vez que haya terminado con el Paso 1 y el Paso 2, entonces es hora de ensuciarse las manos con algunas cosas reales, aprenda a instalar Anaconda, el cuaderno Jupyter, paquetes de Python como Numpy, Pandas, Matplotlib, Seaborn, etc. .
- ¿Qué es un científico de datos?
- Como estudiante de maestría en ciencias de la computación, ¿es mejor ir a la carrera de desarrollo web o ciencia de datos?
- ¿Cómo será el mercado laboral de la ciencia de datos en un futuro previsible?
- ¿Qué habilidades necesita aprender un científico de datos para poner en producción modelos de aprendizaje automático?
- ¿Qué hace un científico de datos como su rol funcional?
Paso 4: Aprendizaje automático : se clasifica en las siguientes dos categorías:
(i) Aprendizaje supervisado (algoritmos paramétricos / no paramétricos, máquinas de vectores de soporte, núcleos, redes neuronales).
(ii) Aprendizaje no supervisado (agrupación, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo), instalar la biblioteca Python Scikit Learn para practicar el aprendizaje automático en Jupyter Notebook
Paso 5: Practique : realice tantas competencias de Kaggle como pueda, inicie su blog y ponga sus proyectos en github o bitbucket. Esto es solo un camino difícil: puede cambiar la secuencia según sus necesidades.
Espero eso ayude.
Saludos,