小哥用亲身经历告诉你如何少走弯路

应该清楚的是，这5个微课程不是线性过程，你可能必须在它们之间反反复复才可以记住这些概念。当你在Pandas上工作时，你可能必须回到Python课程以记住你学到的一些知识，或者转到pandas文档以了解在“机器学习入门”课程中看到的新功能。所有这一切都很好，真正的学习就是这样发生的。

现在，如果你意识到前5门课程将为你提供进行探索性数据分析(exploratory data analysis，EDA)和创建基础模型(以后你将可以对其进行改进)的必要技能，因此，现在是开始简单的Kaggle竞赛并将你学到的知识付诸实践的最佳时机。

二、Kaggle竞赛

1. 泰坦尼克号


在这里，你将把在入门课程中学到的知识付诸实践。刚开始时可能有点吓人，不要关心是否在排行榜中排名第一，而是学习。在本竞赛中，你将学习有关这类问题的分类和相关指标，例如精度(precision)，召回率(recall)和准确性(accuracy)。

 

至此，你已经具有丰富的实践经验，并且会觉得自己可以解决很多问题，但很有可能是你不完全了解所使用的每种分类和回归算法背后的情况。因此，这是我们必须学习所学知识的基础的原因。

三、可以参考的书籍和课程

许多课程都是从这里开始的，但是至少我以前做过一些实践性的工作后，我才能更好地吸收这些信息。

1. 《数据科学从零开始(Data Science from Scratch)》

此时，我们将暂时将自己与pandas，scikit-learn和其他Python库分开，以务实的方式了解这些算法“背后”的知识。

（编辑：吉安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!