全文共1896字，預計學習時長5分鐘

很多人在聽到“資料科學”一詞時，首先想到的就是“機器學習”。我也一樣，在首次接觸到機器學習這個聽起來十分炫酷的概念時，對資料科學產生了濃厚興趣。所以當我尋找學習資料科學的切入點時，也受其影響。

這是我犯過的最大錯誤，也是本文重點：如果想要成為一名資料科學家，請不要從機器學習開始。

顯然，要成為一名“真正全能”的資料科學家，最終必須掌握機器學習的概念。但你會驚訝於沒有它你能走多遠。為什麼不從機器學習開始呢？

1.機器學習僅是資料科學的一小部分。

資料科學和機器學習就像是圖中所示的矩形和正方形。機器學習是資料科學的一部分，但資料科學並不一定是機器學習，就像正方形是一種矩形，但矩形不一定是正方形一樣。事實上，機器學習建模僅佔資料科學家工作的5-10%，其餘大部分時間基本投入在其他地方。

如果一開始便投身於機器學習，你將付出大量的時間和精力，卻收穫甚微。

2.若想全面理解機器學習，首先需要掌握其他幾門學科的基礎知識。

機器學習的核心是建立在統計、數學和機率的基礎上。在學習機器學習之前，必須先掌握基本理論知識，夯實理論基礎。例如：

· 線性迴歸是大部分訓練營教授的第一個“機器學習演算法”，但它實際上是統計方法。

· 進行主成分分析的前提是，學習矩陣和特徵向量（線性代數）理念。

· 樸素貝葉斯是完全基於貝葉斯定理（機率）的機器學習模型。

因此，將上述內容歸結為兩點：一是學習基礎知識會使學習更高階的內容變得更加輕鬆容易；二是透過學習基礎知識，可掌握多個機器學習概念。

3. 機器學習並不能解決一切。

許多資料科學家都糾結於此，甚至包括我自己。和我最初的想法一致，大部分資料科學家認為“資料科學”和“機器學習”相輔相成，不可分割。因此，每每遇到問題，資料科學家都首先考慮以機器學習模型作為解決方案。但並非解決所有資料科學問題都需要機器學習模型。

在某些情況下，採用Excel或Pandas進行簡單的分析就足以解決當前問題。

在其他情況下，某個問題或許與機器學習完全無關。可能僅需要使用指令碼清理和操縱資料、構建資料管道或建立互動式儀表板即可解決，這些問題都無需機器學習。

你應該如何做？

正如上文所述，學習基礎知識會讓學習更高階的內容變得更加輕鬆容易，並掌握多個機器學習概念。我知道，如果你正在學習統計學、數學或程式設計基礎知識，你可能會感覺自己在成為一名“資料科學家”的道路上，並未取得進步，但學習這些基礎知識定會對你未來的學習大有裨益。

若想從現在開始一些切實具體的行動，可以參考以下步驟：

· 從統計入手。在數學、統計學和程式設計基礎這三個組成部分中，個人認為統計是最重要的一環。如果你害怕學習統計，那麼資料科學可能並不適合你。推薦觀看佐治亞理工學院的課程《統計方法》（Statistical Methods），或者可汗學院的影片系列（Khan Academy’s videoseries）。

· 學習Python和SQL。我個人工作中從未使用過R語言，所以對R沒有太多意見。如果你是一個R型人才，推薦嘗試Python和SQL。使用Python和SQL的能力越強，在資料收集、操縱和實現方面就會越容易。

除此之外，熟悉Pandas、NumPy和Scijit-learn等Python庫也是一個不錯的選擇。而由於二叉樹是許多高階機器學習演算法（如XGBoost）的基礎，所以也推薦大家學習。

· 學習線性代數基礎。處理任何與矩陣相關的事情時，線性代數就變得極其重要。這一點在推薦系統和深度學習應用中十分常見。

· 學習資料操縱。資料操縱至少佔資料科學家工作的50%。更具體地說，學習更多關於特徵工程、探索性資料分析和資料準備的知識。

我的總體建議是，由於機器學習一沒有充分利用時間，二無助於你成為工作中卓有成就的資料科學家，因此，以機器學習為學習重點並不可取。不過要注意的是，這是一篇個人觀點十分強烈的文章，所以，取你所想，取你所益。

我們一起分享AI學習與發展的乾貨