月版
1月版:数据科学入门
我们喜欢在TDS上进行深入的研究和前沿的研究，但对于那些在数据科学之旅的早期阶段指导初学者的文章，我们总是有一个软点。现在，2022年已经到来，我们希望欢迎我们的社区回来，并祝愿每个人都有一年的学习和成长——特别是那些刚刚加入这个领域的人，或正在考虑在未来的一年转向数据科学。
最坚硬的毒蛇之一e从零开始的CTS是一个人必须做出的令人眼花缭乱的选择。我们想要提供帮助，所以在一月份的版本中，我们收集了一些最好的资源，目标是有抱负的和新的数据科学家。在我们的档案中有更多的选择——做出这个选择本身就是一个充满艰难选择的过程!但我们都有个起点。
参考和一般资源
从结构化的课程和课程到如何迈出第一步的建议，如果你感到不知所措，需要更有经验的数据科学家的温和指导，这些帖子是一个很好的开始。
- 如何在6个月内从非编码人员成长为数据科学家通过夏朗Kumar文德兰花(10分钟)
一个完整的指南与所有必需的资源。 - 提高数据科学学习的5个技巧通过茱莉亚Nikulski(9分钟)
通过关注这5件事来增加你的学习曲线，而不是参加更多的在线课程。 - 想在12周内成为一名数据科学家?通过让人郁闷Rashida纳斯林(5分钟)
在你花钱之前再好好想想。 - 2021年成为数据科学家的完整52周课程通过特伦斯胫骨(10分钟)
现在已经是2022年了，但是这个去年的便利资源仍然很有价值。 - 追踪数据科学进展的清单通过帕斯卡Janetzky(14分钟)
使用每周一天的原则来逐渐地勾上它。
个人描述及经历
有时候，最有帮助的洞见仅仅来自于倾听那些和你有相同经历或经历的人。这里有一些个人的思考，可能会给你适当的灵感。
- 如果我必须重新开始，我将如何学习用于数据科学的Python通过尼古拉斯(7分钟)
其中有三条建议可以帮助你避免犯同样的错误。 - 我个人关于从艺术到技术的转变的故事通过杰西·鲁伊斯(她/他们)(4分钟)
一个参加编程训练营的案例。 - 对于新数据科学家来说，领域知识有时比技术技能更重要通过TDS编辑
索菲娅杨谈论持续学习和寻找优秀同事和导师的重要性。 - 从社会科学向数据科学的转变通过丹尼·金博士(13分钟)
你知道的和你应该知道的。 - “你们是怎么开始学习机器学习和数据科学的?”通过丹尼尔·布瑞克(10分钟)
这段旅程始于2017年，在一个朋友的休息室地板上。
一步一步地聚焦于特定的主题
一旦你开始了，并取得了一些初步的进展，你可能会觉得要学习的东西太多了。下面的文章为数据科学家提供了一个入门的、新手友好的途径，无论你是想加深对大话题(编程、统计)的了解，还是更专注的领域。
- 2022年完成26周的Python数据科学课程通过弗兰克·安德雷德(6分钟)
在26周内学习数据科学所需的大部分Python知识。 - 8数据科学的基本统计概念通过丽贝卡·维克瑞(8分)
统计学基础，用简单的英语解释。 - 每个数据科学家都应该使用的5种超参数优化方法通过阿玛尔Hasni(8分)
学习网格搜索、连续二分、贝叶斯网格搜索等。 - 开始数据科学意味着首先清理你的数据“行为”通过布兰登Cosley(10分钟)
探索性数据分析(EDA)工作流，以减少数据中的杂波。 - Git入门指南，第1部分通过茱莉亚许思义(12分钟)
在短时间内学习Git的基础知识。 - 如何掌握数据科学的熊猫通过Chanin Nantasenamat(12分钟)
使用这个流行的Python库所需的所有要素。
当然，总有那么多东西值得你去发现和探索——如果你想查看更多我们精心策划的、特定主题的列表，那就去我们的网站吧学习如何走向数据科欧宝全站登录学页面。
在我们今天结束之前，我们想做的最后一件事是向所有在2021年最后几周首次分享TDS工作的作者们致意。(如果为我们的出版物做贡献是你今年的任务清单，我们期待着阅读它!)它们包括雅克·卡斯滕斯，沃恩马刺制造者，赛义德·萨阿德·侯赛因，拿俄米Kriger，Sahela琼斯，穆尔塔扎阿里，埃Fabbiani，安德鲁Nhu，弗兰克·克里甘，保罗Froehling，亚历山大·科夫，ichen，乔恩·西蒙，Giansalvo Cirrincione，亚历山大Perevalov，托马斯·凡·通根于，安东尼横，哈利勒·Duygulu，Moshe Wasserblat，Junkai昂，Dashiell Young-Saver，扎克Blumenfeld，菲利普的歌手，阿方索Santacruz加西亚，安妮辛克莱，肖恩复活节，萨曼莎Nasti，Harmke Alkemade，刘彭，艾哈迈德·a·a·埃尔哈格，约翰·艾肯，Brianne Boldrin，大卫Wiesenfeld，还有更多。2022年快乐,大家!
