数据分析与数据科学学习路径

今天，又迈出了数据科学学习的重要一步——推出了学习路径。创建这些学习路径的目的是为了消除学习过程中的困惑。

生活在一个信息过载的世界。每天都会遇到许多人，他们在尝试学习数据科学时，追逐太多方向，吸收太多内容。这些人开始上一个在线课程，看了两个视频后，又转向博客，然后是笔记本，最终一无所获。这些学习路径将为学习提供清晰的方向，让专注于学习主题，而不是担心学什么。如果是某个主题的完全初学者，不可能要求更好的路线图——会发现整个学习旅程都在面前。如果已经花了一些时间学习，可以从所在的步骤继续，剩下的旅程应该更快、更清晰、更专注！

第一条学习路径——Python数据科学

推出的第一条学习路径是关于Python数据科学的。学习路径从为什么应该学习Python开始，一直到提供需要的资源，让成为Python机器学习专家！Python学习路径包括8个步骤：

1. 设置机器
2. 学习Python语言基础
3. 学习Python中的正则表达式
4. 学习Python中的科学库——NumPy、SciPy、Matplotlib和Pandas
5. 有效的数据可视化
6. 学习Scikit-learn和机器学习
7. 实践、实践、再实践
8. 深度学习

如果是Python的完全新手，应该按照路径中提到的步骤进行。另一方面，一个朋友已经学会了语言的基础——他可以直接从第三步开始。如果已经知道Python并想要学习机器学习，从第五步或第六步开始。