從頭開始學習資料科學的免費資源。
如何入門資料科學？
這個 GitHub 專案提供了一份免費學習資源，既包括超詳細的學習路線圖，又涵蓋多個免費線上課程、大量資料科學專案和 100 多本免費機器學習書籍，專案上線數天即獲得 2.4k 星。
專案地址：https://github.com/therealsreehari/Learn-Datascience-for-Free#5_-expressions
該專案收集了散佈在網路上的不同資源，並按照一定的順序進行組合，以幫助資料科學初學者解決如何搜尋免費和結構化學習資源的問題。專案作者表示，該專案將基於新的免費資源持續更新。
資料科學家學習路線圖
「磨刀不誤砍柴工。」該專案首先詳細介紹了一份資料科學路線圖，羅列了資料科學學習者需要掌握的內容：
●基礎知識（矩陣和代數基礎等）；
●統計學（機率論、貝葉斯定理等）；
●程式設計；
●機器學習；
●文字挖掘 / 自然語言處理；
●資料視覺化；
●大數據；
●資料獲取；
●資料再加工（Data Munging）；
●工具箱。
成為資料科學家需要掌握的基礎知識
在成為資料科學家之前，你需要掌握關於矩陣的理論知識，瞭解其操作方式，熟悉矩陣的各種變換。專案作者還向我們介紹了多種資料結構，包括雜湊函式、二叉樹等。
以二叉樹為例，專案作者解釋了什麼是二叉樹：「在計算機科學中，二叉樹是一種樹資料結構，其中每個節點最多具有兩個子節點，稱為左子節點和右子節點。」
除了矩陣知識以外，資料科學初學者還需掌握關係代數、資料庫基礎知識、CAP 原理、ETL 等多達十多個知識點（有些部分還在更新中）。
統計學
該專案介紹了許多關於統計學的知識，包括資料集的選擇、描述性統計、探索性資料分析、直方圖、機率論、貝葉斯定理等內容。
以探索性資料分析為例，專案作者從資料的視覺化和分析兩方面著手，向我們介紹了完成整個資料分析任務需要的開發環境、依賴庫、安裝方式以及分析方式。
在資料視覺化方面，專案作者介紹了三個資料視覺化庫 Matplotlib、Pandas、Seaborn，每個庫都有相應的連結，點選連結即可進入相應的網頁進行檢視。
點選 Seaborn 連結，可進入 Seaborn 主頁，該圖為連結到的主頁內容。
在資料分析方面，專案作者介紹了 PCA 降維方法，幫助學習者瞭解什麼是主成分分析，以及如何在 Python 中實現。
程式設計
成為資料科學家離不開程式設計，該專案介紹了需要掌握的程式語言 Python、R setup/R studio 等內容。以 R setup / R studio 為例，專案作者介紹了兩種安裝方式 Linux、Windows。但是本部分內容還有許多待補充知識。
機器學習
該專案還列舉了掌握資料科學需要了解的機器學習知識，包括數值變數、分類變數、監督學習、無監督學習、訓練集和測試集、分類器、過擬合、偏差和方差、支援向量機等 30 項內容。
以支援向量機為例，專案作者首先介紹了支援向量機的作用 — — 可用於分類和迴歸任務，接著用簡單明瞭的語言解釋了支援向量機的原理。此外，專案作者還列舉了關於支援向量機的其他知識，讀者可透過連結自行學習。
除了上述介紹的內容外，專案作者還整理了文字挖掘、資料視覺化等內容，此處不再贅述。
免費線上課程
該專案基於 GitHub 使用者 Developer-Y 的專案整理了大量線上免費課程的資源，包括人工智慧、機器學習、機器人學三個主要部分。其中機器學習部分又細分為機器學習導論、資料探勘、資料科學、機率圖模型、深度學習、強化學習、進階版機器學習課程、基於機器學習的自然語言處理與計算機視覺、時序分析、機率與統計學、線性代數等。
從該專案列表中，我們可以看到熟悉的吳恩達機器學習課程，以及來自卡內基梅隆大學、斯坦福大學、蘇黎世聯邦理工學院、加州大學伯克利分校、微軟等機構的豐富課程資源。
人工智慧開源專案
此外，該專案還羅列了大量人工智慧開源專案，涵蓋機器學習、深度學習、自然語言處理、計算機視覺這些領域。
這一資源來自 AI 研究者、資料科學家 Ashish Patel 建立的 GitHub 庫，目前包含 71 個條目，點開連結即可獲取相應的專案和程式碼資源。
從目前的列表中，我們可以看到它包括目標檢測、聊天機器人、GUI、無監督學習、迴歸分析、情感分析、推薦系統、資料科學、NLP、計算機視覺等細分領域的相關專案資源。蓋列表將持續更新。
100+ 免費機器學習書籍
專案作者整理了一份來自 Insane 的機器學習書籍列表文章。該列表在 2021 年 1 月份剛剛更新過，包括我們熟悉的「花書」《深度學習》，以及主題為圖演算法、自然語言處理、資料探勘、GAN、Python 等的書籍。
圖源：https://www.theinsaneapp.com/2020/12/download-free-machine-learning-books.html
專案作者表示，希望這些免費資源能夠幫助到無法支付教育費用的人們，從頭開始掌握資料科學。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
