很多文科生想轉行/對資料行業感興趣的都會困擾的一個問題，到底要怎麼學大資料處理？我想了想，結合自己的學習體會，做個簡單的分享。不一定适合每個人，但是，可能對于很大一部分文科生來說，有參考價值。
01
使用基礎程式設計
不以任務為導向，全面的學習一個程式設計語言的基礎知識。
怎麼叫全面呢？拿python舉例。
從“hello world”、變量類型等入手，一直學到面向對象的程式設計。關于面向對象的程式設計（OOP），争議比較大，我多說兩句。跟國内文科類院系講程式設計的老師聊過，基本上沒人講OOP。不是因為老師們都不會，而是講起來比較費勁，學生了解起來要花較多時間，而真正到課堂的最終目标——資料可視化、簡單的資料統計分析等任務來說，又很少會用到OOP。加之文科生本來對程式設計就有畏難情緒，是以，老師們盡量把課堂知識簡化到調用包、搭配使用不同軟體/工具來讓“程式設計”學習看起來比較有趣。
但是，一旦進入機器學習和深度學習，OOP的相關應用就俯拾皆是。比如每次的執行個體化，都是調用一個對象。另外，在機器學習的很多手把手的教程裡，都會出現自制的Object（通常用來畫圖，或者把整個流程管道化）。有些教程的文字講解部分，也會涉及OOP中類的繼承等功能性問題，是以，沒有紮實的OOP常識，會很快就遇到瓶頸。當然，OOP隻是舉個例子，目的是說明：學好程式設計基本功的重要性。
注意，這裡的程式設計基本功并不包括各種擴充包，是以學起來還是很快的。以python為例，學習基礎程式設計，并不需要學習numpy, pandas，scipy, matplotlib和 seaborn。
理由如下：
- numpy的學習最好結合線性代數一起學，這個後面會說到
- pandas是建立在numpy之上的，是以也不着急學
- scipy 最好結合統計一起學
- matplotlib 和 seaborn，在機器學習中會大量用到，邊用邊學，現學現用，用啥學啥，比較高效
02
上手幾個機器學習的項目
github或者各種有代碼示例的機器學習教程上的項目，找幾個來做做。
重在了解機器學習的流程，掌握幾種最基本的算法（如：linear/logistic regrassion, random forest, SGD等）、可用的評價名額（各種loss function, utility function, recall, precision, f1 score, sensitivity等） 和模型選擇、模型調試（GridSearch, RandomSearch)等基礎知識。同時，熟悉你所用的架構及其代碼規範（如：fit, predict, transform等函數的基本用法），并掌握過拟合/欠拟合時的模型調試方向。
在上手機器學習項目的同時，你會有很多機會用到各種包。比如numpy, matplotlib等。雖然沒學過，但是可以通過修改代碼參數，快速掌握項目中用到的相關包的基本功能，特别是畫圖的代碼操作。除非你以後的方向是資料可視化，否則，可能很少有人會系統學習畫圖的相關代碼知識。如果不是特别追求完美、漂亮，那麼，畫圖方面，我的建議是：夠用就行。基本上跑過幾個項目後，常用的畫圖代碼你已經耳熟手熟了。
03
學線性代數
這一步是繞不過去的。但是，為什麼放在這個地方呢？原因有二。
1. 放在一開始的話，文科生可能根本意識不到線性代數知識有什麼用？是以，沒有學習的動力。
2. 放在更後面的話，沒有辦法深入了解各種算法的内在差異，所謂的“學會機器學習/深度學習”其實隻是能胡亂套用集中模型，做不到 “根據具體的應用場景選用合适的算法”。本質上依舊是亂打亂撞。
線性代數怎麼學呢？
視訊的，書籍的，網上的資源一大把，可汗學院啊，3b1b啊，太多了，就不羅嗦了。這裡想說的是，結合線性代數，可以開始學numpy了。numpy的很多屬性和功能都與線性代數知識密不可分。
比如np.eye(3)就是傳回一個3*3的機關矩陣。之前一直不了解eye是什麼梗，後來知道機關矩陣在數學裡簡寫為 大寫的I，諧音是eye，so 。。。至于列向量、行向量等概念，也與A_1darray[np.newaxis, ;], A_1darray[:, np.newaxis]等代碼遙相呼應。
微積分其實也就是導數和偏導數這部分要學，就不單獨列出了。
04
回到項目，精研算法
拿之前做過的機器學習項目，或者再找幾個進階的項目，從算法的角度重新考慮模型選擇和模型調試問題，結合之前學過的線性代數和微積分知識，打開算法的黑盒子，真正掌握機器學習。
其實，一旦你敲過幾套項目的代碼，學了基本的線性代數和微積分知識，後面的路就寬了。