理工酷

如果你是一个彻底的初学者，你可以按照下面的顺序进行：

•学习SQL和Python。
•然后从几门基础课程中学习机器学习。
•学习概率论和一些计算数学。
•统计的世界是广阔的，但非常有趣。
•看看论坛网站上的其他人在做什么。
•花时间在Scikit学习网站上。
•自己练习，一点一点地成长。

我个人经历的总结如下：
1.从Coursera学习所有的基础知识，但是从Coursera中学到的东西与浩瀚的数据科学宇宙相比较的话是完全不够的，你还需要继续深入学习。Coursera是一个很好的起点，它可以很容易地帮助初学者一点一点入门。
2.对于初出茅庐的工程师来说，Kaggle是一个非常好的资源，它可以帮助我们了解其他人的各种想法，并以此为基础进行开发。
我的知识储备主要来源于实践。我从SQL开始学习，然后接触了Python，又学习了R，之后我了解了Python和R中的许多库。在学习了html后，学会了使用VB脚本编写GUI，以及C#编程。归根结底，你需要学会真正“使用”所学的任何技能与工具。
3.深入研究数据，了解它们的结构与类型。明白为什么要收集这些数据，我们是如何收集它的，如何存储它的，以及在存储之前我们是如何处理它的。
4.学会如何用这些编程语言有效地处理数据，学会清理数据，随心所欲地处理它们，并尽可能地绘制它们，仅仅绘制数据就会花费我好几个小时的时间。后来，我学习了数据库表的结构，从管理数据库的朋友那里学到了他们是如何做到这一点的，以及在后台做了什么
5.然后我学会了如何绘制一些相关的图形，并计算出做任何事情的投资回报率。你需要对未来进行策划，这是非常重要的，它将引导你继续前进。同时我也会写报告，展示我的想法。我阅读了互联网上所有相关内容的论坛，来了解其他人如何做这些事情，其他人如何编写程序，我他们的项目中得到了很多想法，最终，将这些想法应用到自己的项目中去。

最后，给你推荐一些我浏览过的网站和教程：
•   Stack Overflow
•   Python Programming Tutorials
•   The Comprehensive R Archive Network
•   Seaborn: statistical data visualization
•   Your Home for Data Science
•   ipython/ipython
•   vinta/awesome-python
•   scikit-learn: machine learning in Python
•   CodeAcademy: Python
•   http://mahout.apache.org/
•   http://www.netlib.org/lapack/
•   http://www.netlib.org/eispack/
•   http://www.netlib.org/scalapack/
•   RegExr: Learn, Build, & Test RegEx
•   Regex for JavaScript, Python, PHP, and PCRE