阿里天池
阿里天池https://tianchi.aliyun.com/ 是國內資料科學競賽平臺，有獎金可觀的實戰競賽，也有供學員備戰的學習賽。對剛入門資料分析的同學來說，學習賽是不錯的選擇。在提高技能的同時，還能對標其他同學，確定自己的競爭力。
下面是幾個較容易上手的學習賽專案：
1. Airbnb短租資料集分析賽：
https://tianchi.aliyun.com/competition/entrance/231715/introduction
這是一個較為開放式的問題，側重分析的思路，是練習資料分析的最佳專案選擇。
2. 零基礎入門資料探勘 - 二手車交易價格預測
https://tianchi.aliyun.com/competition/entrance/231784/introduction
這是一個典型的迴歸問題，也是機器學習最容易上手的專案。
3. 零基礎入門NLP - 新聞文字分類
https://tianchi.aliyun.com/competition/entrance/531810/introduction
這是文字處理、NLP的入門專案。
除了學習賽，阿里天池還有競爭程度激烈的競賽：如演算法大賽、程式設計大賽、視覺化大賽、諸神之戰等，同學們可以根據自己感興趣的發展方向選擇比賽專案。
Kaggle（https://www.kaggle.com/）成立於2010年，是一個進行資料探勘和預測的線上競賽平臺。Kaggle上的競賽有多種，如獎金高且競爭激烈的 Featured專案，相對入門級別的Research專案。
Kaggle專案雖然不限制程式語言，但絕大多數隊伍會選用Python和R，所以你需要至少熟悉其中一種。
下面是三個入門級的經典專案：
1.Titanic: Machine Learning from Disaster（泰坦尼克：從災難中學習）：
https://www.kaggle.com/c/titanic
2.House Prices: Advanced Regression Techniques（房價預測：高階迴歸技巧）
https://www.kaggle.com/c/house-prices-advanced-regression-techniques
3.Digital Recognition（數字識別）
https://www.kaggle.com/c/tmlc/notebooks
英文好的同學可以選擇Kaggle的專案來練習，這是一個受國際認可的資料科學競賽平臺，在這個平臺上成績靠前的同學，是不愁找工作的，都是別人來找自己。
當然，除了上面的專案，平時工作中多數也會用到資料分析，你可以從之前工作中總結資料分析的思路。
雖然資料不是你處理的，但是分析的思路是通用的。
資料分析是為解決問題而生的，過去積累的透過資料發現問題進而給出解決方案的經驗，是資料分析的精華所在。不要忽視哦！
阿里天池
阿里天池https://tianchi.aliyun.com/ 是國內資料科學競賽平臺，有獎金可觀的實戰競賽，也有供學員備戰的學習賽。對剛入門資料分析的同學來說，學習賽是不錯的選擇。在提高技能的同時，還能對標其他同學，確定自己的競爭力。
下面是幾個較容易上手的學習賽專案：
1. Airbnb短租資料集分析賽：
https://tianchi.aliyun.com/competition/entrance/231715/introduction
這是一個較為開放式的問題，側重分析的思路，是練習資料分析的最佳專案選擇。
2. 零基礎入門資料探勘 - 二手車交易價格預測
https://tianchi.aliyun.com/competition/entrance/231784/introduction
這是一個典型的迴歸問題，也是機器學習最容易上手的專案。
3. 零基礎入門NLP - 新聞文字分類
https://tianchi.aliyun.com/competition/entrance/531810/introduction
這是文字處理、NLP的入門專案。
除了學習賽，阿里天池還有競爭程度激烈的競賽：如演算法大賽、程式設計大賽、視覺化大賽、諸神之戰等，同學們可以根據自己感興趣的發展方向選擇比賽專案。
KaggleKaggle（https://www.kaggle.com/）成立於2010年，是一個進行資料探勘和預測的線上競賽平臺。Kaggle上的競賽有多種，如獎金高且競爭激烈的 Featured專案，相對入門級別的Research專案。
Kaggle專案雖然不限制程式語言，但絕大多數隊伍會選用Python和R，所以你需要至少熟悉其中一種。
下面是三個入門級的經典專案：
1.Titanic: Machine Learning from Disaster（泰坦尼克：從災難中學習）：
https://www.kaggle.com/c/titanic
2.House Prices: Advanced Regression Techniques（房價預測：高階迴歸技巧）
https://www.kaggle.com/c/house-prices-advanced-regression-techniques
3.Digital Recognition（數字識別）
https://www.kaggle.com/c/tmlc/notebooks
英文好的同學可以選擇Kaggle的專案來練習，這是一個受國際認可的資料科學競賽平臺，在這個平臺上成績靠前的同學，是不愁找工作的，都是別人來找自己。
過往經驗當然，除了上面的專案，平時工作中多數也會用到資料分析，你可以從之前工作中總結資料分析的思路。
雖然資料不是你處理的，但是分析的思路是通用的。
資料分析是為解決問題而生的，過去積累的透過資料發現問題進而給出解決方案的經驗，是資料分析的精華所在。不要忽視哦！