data-science-practice icon indicating copy to clipboard operation
data-science-practice copied to clipboard

verified publisher icon oldratlee
→

Metadata

数据科学实践 | data science practice

数据科学实践

数据科学 是指

  1. 数学/统计学
  2. 计算机技术（编程）
  3. 业务领域

三者的交叉应用学科。数据科学这个词近些年火起来，典型事件是2015年2月美国白宫宣布任命曾在多家硅谷科技公司任职的帕蒂尔（DJ Patil）为白宫首位首席数据科学家。

数据科学3者下的两两交叉应用，其实已经广为大家所知：

  1. 数学/统计学 + 计算机技术（编程）
    => 机器学习（Bang!）
  2. 计算机技术（编程） + 业务领域
    => 业务软件开发（平时说的软件工程师）
  3. 数学/统计学 + 业务领域
    => 传统研究

在数据科学火起来之前，大家用的多是『数据分析』这个词。所以2个主题的书一起看，早些年典型的『数据分析』主题的书实际讲的是数据科学的内容。

❤️❤️ 欢迎进入数据科学的世界！ ❤️❤️

  • 0. 学习资料/书单
  • 1. 实践/开发环境搭建
    • 1.1 Python运行环境搭建
      • 1.1.1 安装Anaconda的Python发行版
      • 1.1.2 配置镜像源
      • 1.1.3 Anaconda的使用
    • 1.2 代码编写的环境
      • 1.2.1 Jupyter Notebook
      • 1.2.2 PyCharm
      • 1.2.3 VS Code
  • 2. 自己的数据科学学习/实践

0. 学习资料/书单

可以看看了解

1. 实践/开发环境搭建

Python已经成为数据科学/机器学习的首选实践/开发环境。
# 当然也可以使用R 或是 Excel，使用不同工具环境都可以实践数据科学。
# Excel，是的，没听错；Excel应该是使用人数最多的数据分析工具。

  • Python繁荣与活跃生态 对 数据科学/机器学习 已经有了成熟的支持。
  • Python作为通用编程语言，相对R、Excel而言，灵活性不可比拟。

1.1 Python运行环境搭建

Anaconda！

  • 使用Anaconda的Python发行版已经成为数据科学/机器学习Python运行环境搭建的最佳实践！
  • Anaconda快速提供了
    • 一个包含各种数据分析、机器学习的库的Python运行环境
    • 不同的Python版本/不同库的隔离环境
  • 而无需在琐碎但没有价值的事情上浪费时间：
    • 各种库的安装过程
    • 不同库不同版本的兼容性问题

下面给下快速搭建数据科学/机器学习的Python运行环境的说明。

1.1.1 安装Anaconda的Python发行版

下载地址：

  • https://www.anaconda.com/distribution/
  • 照着网页上的说明，完成安装。

安装好Anaconda之后，执行命令

  • jupyter notebook： 运行基于Web浏览器里的一体化交互式环境
  • ipython：运行加强的python解释器

，运行看看～ 🎉

安装过程，如有问题，更多说明参见

  • 2019年最新最全的 Anaconda 安装指南 - 简书
    https://www.jianshu.com/p/e23e70fe8788
  • 或是搜索一下 :")

1.1.2 配置镜像源

在国内没有镜像可不行，包安装下载要等死。

  • 配置Anaconda的镜像源

    • 使用清华的镜像。

    • 直接修改配置文件~/.condarc：

      channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

    • 或是通过命令行设置（安装好Anaconda之后，包含了conda）：

      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --set show_channel_urls yes

  • 配置pip的镜像源

    • 修改~/.pip/pip.conf：

      [global]
trusted-host = pypi.douban.com
index-url = http://pypi.douban.com/simple

如有问题，更多说明参见

  • Anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站
    https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
  • Anaconda修改国内镜像源 - 简书
    https://www.jianshu.com/p/042fd657e2d4
  • 或是 搜索一下 :")

1.1.3 Anaconda的使用

下载安装后Anaconda的使用：

  • 常见的Anaconda使用
  • Python环境维护

👉 参见独立的文档：Anaconda的使用。

1.2 代码编写的环境

Jupyter Notebook | PyCharm | VS Code。

1.2.1 Jupyter Notebook

Jupyter Notebook已经在Anaconda的发行版本中有了。

提供基于Web浏览器里的一体化交互式环境，非常流行。试试用用，你会喜欢的。

1.2.2 PyCharm

IDE王者JetBrains提供Python开发的专业IDE。

  • 强劲的代码编写提示支持
  • 内置集成支持
    • 流行Jupyter Notebook的编写
    • Anaconda

如果你是JetBrains/IntelliJ的粉丝更会喜欢。

1.2.3 VS Code

无需多解释。

2. 自己的数据科学学习/实践

← Metadata

27
Stars
1
Forks
Watchers

Owner

verified publisher icon oldratlee

Metadata

数据科学实践 | data science practice

Back