這一個月來，在鐵人賽這個舞台上一天一篇技術文。我嘗試總結了自己個對於基料科學這個領域的角度。從最開始的理論談起，談了一些實作上會用到的東西。從最務實的角度開始，結合理論與實作去探索資料科學的真實世界。如何一步一步的，建構出資料時代下的思維與技術。希望可以讓每一個人能夠對「資料科學」產生簡單的認識！
在最一開始的主題，我先談了一下，為這個資料科學會興起以及這個趨勢下，我們需要具備什麼樣的能力。也說明了一個資料專案的流程與背後的組織結構。
Python 以及 R 是我認為是一個資料新手該學習的語言，因為這些語言具有資料處理上的優勢。而 JavaScript ，則是提供了繪圖與互動，增加了資料視覺的話有趣性。當然，像是 Julia 或是 Scala 也都是因為資料科學而興起的語言。隨著更進階的應用，學習不同的語言也能讓自己變得更強。
從關聯式資料庫與非關聯式資料庫帶出來資料庫這個技術，再談談資料是透過什麼來源取得的，以及存在方法可能有 CSV、JSON、XML 這幾種常見的格式。
除了開放取得的資料或是 API 之外，需要自己爬的資料稱為爬蟲。我也解析常見的資料爬蟲是如何實現的，分為靜態與動態兩種類型來解釋。然後，來看看該如何透過 Pandas 程式來存取資料，並進行清理過濾的資料前處理。
用三種程式的語言的範例來看看分別要怎麼做到資料視覺化。在 Python 中，介紹了 Matplotlib；R 有 ggplot2；D3 則是 JavaScript 的視覺化一哥。
最後十天，我們把焦點放在「學習」「分析」「探勘」這個核心上面。談了機率與統計扮演的角色，淺談常見的資料探勘與機器學習學習法。
參加了鐵人賽給我一個不一樣的機會，逼著自己在上班之外的時間要學習、要整理、要思考、要寫文章。這是我第一次參加鐵人賽，今年也是我成為職場新鮮人的第一年。對我來說，這是一個很有趣的挑戰。
花一個月的時間，把一些過去腦中零散的知識整理起來，建構出一個系統性的框架。這是我一開始參加鐵人賽給自己的目標。讓自己對資料科學有比較全面的認識，也想讓看的人多多認識資料科學。所以我試圖用比較「廣」的角度，盡量涉略到每一個環節，而「深」的部分，就留給大家好好地挖掘。
資料科學是一個正在興起的領域，背後其實有很多知識正在發展中。絕對不是三言兩語就可以談完的，所以我想這只是一個起點，更多的資料科學未完待續。
如果你對類似的題目有興趣，歡迎加我 Facebook 討論交流：）
也可以到我的個人部落格： http://v123582.github.io/
iThome鐵人賽
看影片追技術