程序员书库（ID：CodingBook） 猿妹编译
链接：https://towardsdatascience.com/becoming-a-self-taught-data-scientist-5563f546bb7b
数据科学的工作被认为是21世纪最性感的工作，最近，有一位22岁的数据科学家Dario，和大家分享了自己自学成才的路线，并提供了一些很好的入门资源。
本文适合以下人群：
- 没有取得数据科学相关学位的人
- 大学刚毕业，并且想转行数据科学的人
如果你想转行数据科学，那你要明白转行的道路可能会很难，可能你想转行的原因是你已经在一个领域已经工作了好几年，现在发现它不适合你，你也可能是工作动力不足.....但无论你是何种原因，如果你想转行数据科学，你要做的第一件事就是评估自己数学和统计的技能。
如果你对线性代数、概率论、统计、程序设计等知识没有基础或者没有掌握，你可以参考选择以下资源进行学习
数据科学自学之路
我接触数据科学的第一堂课是Jose Portilla的《Python for Data Science and Machine Learning Bootcamp》
Portilla是一位很厉害的教练，你很快就可以通过该课程开始使用Pandas和Numpy进行数据分析，并使用Matplotlib和Seaborn进行一些数据可视化。是的，你会开始学习机器学习，虽然不多，但也不深入，不过足够引你入门
地址：https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp
1、《Python数据科学手册》
这本书大约有550页，这本书涵盖了Numpy、panda、Matplotlib和Scikit-Learn，所有这些课程都是数据科学中很重要的知识点。
一旦你掌握了这些基础知识，就可以深入的学习机器学习，这边有两本好书推荐，其中一本还是免费。
2、《An Introduction to Statistical Learning》
这是一个免费的机器学习书籍，它偏向数学化，但读起来还是很容易，对于像机器学习这样广泛的领域，它却能控制在400页左右，让内容十分简洁，唯一的缺点是代码使用的是R而不是Python编写的，不过你可以尝试把书中代码尝试用Python编写，这也是很不错的练习方式。
下载地址：https://www.ime.unicamp.br/~dias/Intoduction%20to%20Statistical%20Learning.pdf
2、《机器学习实战：基于Scikit-Learn和TensorFlow》
我推荐的最后一本书是《机器学习实战：基于Scikit-Learn和TensorFlow》，如果没记错的话，这本书大概有700页，但是这是一本好书，你可以深入学习一些概念，你也可以更深入的学习机器学习算法，这两者都会对你帮助很大。
对于在线课程，我不得不再向你推荐Coursera的机器学习课程，这门课程的时长超过10周，如果你的基础不牢固，你很快就会变得困难，但是，这门课程的评分4.9（满分5分），大约有12万的读者，这足以说明它的质量。唯一不足的是，示例代码不是用Python或者R编写的，而是用Matlab的免费版本Octave编写的
地址：https://www.coursera.org/learn/machine-learning
下一步你要怎么做？
如果你已经阅读的以上书籍，并上了相应的课程，相信你已经知道你的下一步要怎么做了，理想情况下，你应该建立一个GitHub存档，并寻找5个数据集来练手，在这个过程中写出自己的结论和思考过程。
建议这样做主要有以下两个原因：
- 你可以联系新获得技能
- 你可以像企业展示你编写优质代码的能力，对于雇主来说，看到你的实践输出是很重要的，如果你没有相关的大学学位，你就更需要以某种方式证明自己，Github就是个不错的选择。
最后，希望你也能成功进入数据科学领域，成为一名优秀的数据科学家。