คุณสนใจที่จะเป็นนักวิทยาศาสตร์ข้อมูล แต่ไม่รู้ว่าจะเริ่มต้นอย่างไร คุณโชคดีเพราะฉันมีแผนการเรียนที่จะช่วยให้คุณเรียนรู้ Python สำหรับวิทยาการข้อมูลในเวลาเพียง 10 ชั่วโมงต่อสัปดาห์!

ก่อนอื่นเรามาพูดถึงทรัพยากรกันก่อน หากคุณมีงบจำกัด ไม่มีปัญหา! เราจะใช้แหล่งข้อมูลวิดีโอฟรีเพื่อช่วยให้คุณเรียนรู้เชือก

ก่อนที่เราจะลงลึก ฉันต้องการแจ้งว่าฉันไม่มีส่วนเกี่ยวข้องกับแหล่งข้อมูลใดๆ ที่แนะนำ คำแนะนำขึ้นอยู่กับประสบการณ์ของตัวเองและของผู้เรียนคนอื่น ๆ ในสาขานี้เท่านั้น

สัปดาห์ที่ 1–2: พื้นฐานของ Python

เราจะเริ่มต้นด้วยพื้นฐานของการเขียนโปรแกรม Python คุณไม่สามารถสร้างตึกระฟ้าได้หากไม่มีรากฐานที่มั่นคง และคุณไม่สามารถเป็นนักวิทยาศาสตร์ข้อมูลได้หากปราศจากการเรียนรู้พื้นฐานของ Python ต่อไปนี้เป็นแหล่งข้อมูลที่ดีในการเริ่มต้น:

• Python สำหรับทุกคนโดย Dr. Chuck: ชุดบทช่วยสอนของ YouTube นี้ครอบคลุมทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับ Python สำหรับผู้เริ่มต้น ผู้สอนอธิบายแนวคิดด้วยวิธีที่เข้าใจง่ายและให้ตัวอย่างมากมายเพื่อช่วยคุณเริ่มต้น [ลิงค์:https://www.youtube.com/watch?v=8DvywoWv6fI&list=PLlRFEj9H3Oj7Bp8-DfGpfAfDBiblRfl5p]
• Python Crash Course โดย Corey Schafer: ชุดบทช่วยสอนของ YouTube นี้ครอบคลุมพื้นฐานของการเขียนโปรแกรม Python รวมถึงประเภทข้อมูล โฟลว์การควบคุม และฟังก์ชันต่างๆ ผู้สอนมีส่วนร่วมและให้คำอธิบายที่ชัดเจน [ลิงค์:https://www.youtube.com/watch?v=1F_OgqRuSdI&list=PL-osiE80TeTt2d9bfVyTiXJA-UTHn6WwU]

เมื่อคุณเข้าใจพื้นฐานดีแล้ว ก็ถึงเวลาดำเนินการวิเคราะห์ข้อมูลด้วย Python ในขั้นตอนนี้ คุณจะได้เรียนรู้วิธีใช้ Python เพื่อทำงานกับข้อมูล รวมถึงการจัดการข้อมูล การล้างข้อมูล และการแสดงข้อมูลเป็นภาพ แหล่งข้อมูลที่ยอดเยี่ยมสำหรับขั้นตอนนี้ ได้แก่ :

• บทแนะนำ Pandas โดย Corey Schafer: ชุดบทช่วยสอนของ YouTube นี้ครอบคลุมทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับการทำงานกับข้อมูลใน Python โดยใช้ไลบรารี่ของ Pandas ผู้สอนให้คำอธิบายที่ชัดเจนและตัวอย่างมากมายเพื่อช่วยคุณในการเริ่มต้น [ลิงค์:https://www.youtube.com/watch?v=vmEHCJofslg&list=PL-osiE80TeTsWlCv3ltqybIXRzMrvEvHE]
• การแสดงข้อมูลด้วย Matplotlib และ Seaborn โดย Edureka: บทช่วยสอน YouTube นี้ครอบคลุมทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับการแสดงข้อมูลใน Python โดยใช้ Matplotlib และ Seaborn ผู้สอนให้คำอธิบายที่ชัดเจนและตัวอย่างมากมายเพื่อช่วยคุณในการเริ่มต้น [ลิงค์:https://www.youtube.com/watch?v=6guP1VeWz2w]

ตอนนี้ คุณมีพื้นฐานที่ดีใน Python และการวิเคราะห์ข้อมูลแล้ว ก็ถึงเวลาไปต่อที่แมชชีนเลิร์นนิง แมชชีนเลิร์นนิงเป็นองค์ประกอบสำคัญของวิทยาการข้อมูล และ Python มีไลบรารีมากมายที่ทำให้การสร้างโมเดลแมชชีนเลิร์นนิงเป็นเรื่องง่าย เริ่มต้นด้วยการเรียนรู้เกี่ยวกับประเภทต่างๆ ของแมชชีนเลิร์นนิง เช่น การเรียนรู้ภายใต้การดูแลและไม่มีผู้ดูแล จากนั้น เรียนรู้วิธีใช้ Scikit-learn เพื่อสร้างโมเดลแมชชีนเลิร์นนิง แหล่งข้อมูลที่ยอดเยี่ยมสำหรับขั้นตอนนี้ ได้แก่ :

• การเรียนรู้ของเครื่องด้วย Python โดย Sentdex: ชุดการสอนของ YouTube นี้ครอบคลุมทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับการเรียนรู้ของเครื่องด้วย Python โดยใช้ Scikit-learn ผู้สอนให้คำอธิบายที่ชัดเจนและตัวอย่างมากมายเพื่อช่วยคุณในการเริ่มต้น [ลิงค์:https://www.youtube.com/watch?v=OGxgnH8y2NM&list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v]
• บทช่วยสอน Scikit-learn โดย Edureka: ชุดบทช่วยสอนของ YouTube นี้ครอบคลุมทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับ Scikit-learn ซึ่งเป็นไลบรารี Python ยอดนิยมสำหรับการเรียนรู้ของเครื่อง ผู้สอนให้คำอธิบายที่ชัดเจนและตัวอย่างมากมายเพื่อช่วยคุณในการเริ่มต้น [ลิงค์:https://www.youtube.com/watch?v=0Lt9w-BxKFQ&list=PL9ooVrP1hQOGtDdGMzQ6K8ew2Tc3A7GyL]

ตอนนี้คุณได้ครอบคลุมพื้นฐานของการเขียนโปรแกรม Python การวิเคราะห์ข้อมูล และการเรียนรู้ของเครื่องแล้ว ก็ถึงเวลาทดสอบทักษะของคุณ! ในขั้นตอนนี้ คุณจะได้ทำงานในโครงการสำคัญที่จะช่วยคุณนำสิ่งที่คุณได้เรียนรู้ไปใช้แก้ปัญหาในโลกแห่งความเป็นจริง

แนวคิดที่ยอดเยี่ยมสำหรับโครงการขั้นสูงสุด ได้แก่ :

• วิเคราะห์ข้อมูลการขายเพื่อระบุแนวโน้มและให้คำแนะนำในการปรับปรุง
• สร้างระบบคำแนะนำสำหรับภาพยนตร์หรือเพลง
• การพัฒนาแบบจำลองการคาดการณ์สำหรับปัญหาเฉพาะ เช่น การทำนายการเปลี่ยนใจของลูกค้าสำหรับธุรกิจ

• โครงการวิทยาศาสตร์ข้อมูลโดย Ken Jee: เพลย์ลิสต์ YouTube นี้มีแนวคิดโครงการวิทยาศาสตร์ข้อมูลที่หลากหลาย รวมถึงบทแนะนำเกี่ยวกับวิธีสร้างโครงการดังกล่าว [ลิงค์:https://www.youtube.com/playlist?list=PL2zq7klxX5ASFejJj80ob9ZAnBHdz5O1t]
• Kaggle: Kaggle เป็นแพลตฟอร์มสำหรับการแข่งขันด้านวิทยาศาสตร์ข้อมูล รวมถึงเป็นแหล่งข้อมูลที่ยอดเยี่ยมสำหรับการค้นหาชุดข้อมูลที่จะทำงานร่วมกัน คุณสามารถค้นหาชุดข้อมูลในหัวข้อต่างๆ ตั้งแต่การเงิน การดูแลสุขภาพ ไปจนถึงโซเชียลมีเดีย [ลิงค์:https://www.kaggle.com/]