“非专业想转型做数据分析,是不是省了?”
“数学不好,英语不好,想学Python数据分析,能省吗?”
“不知道Python数据分析是什么,可以保存吗?”
我的回答是没有问题!
大家好,我是大鹏,是城市数据组的数据分析师。
准确的说,我是一个转行的非专业数据分析师。我不仅成功转行,还成立了一个城市数据组,开设了一批数据分析在线名人课程,10多万学生。以上三个问题都是我从事数据分析后经常问的。
重新定义“非主要”
首先需要明确“非专业”的含义。我以最接近数据分析的两个专业为例:统计学专业和计算机专业。
从两个专业的培养方案可以看出,统计学课程主要是数学相关的理论知识,计算机专业主要是系统程序系统开发和程序设计的知识。
由同济大学各学院公布的培养计划组织
与数据分析相关的工作往往需要以上两个专业的综合技能。任何一个专业的学生想要进入这个职业,都需要学习相应的新知识,不能“吃老本”。可以认为是广义上的“转行”。
转行不一定是百分之百的改变。是结合专业业务转型的好办法。
以我自己为例。以前学的是城市规划,是传统行业。这个行业受到了互联网高度普及的极大冲击。传统的“拍脑袋”方式已经不流行了。每个人,每个单位都在思考如何适应“数据化”的趋势。
传统的城市设计模式大多是将实地调查获得的实地信息与设计师的“感性”理念相结合的结果,缺乏在城市规模上辅助决策的数据。
但我以这个挑战为契机,开始进入数据的门槛,成为城市数据的研究者,试图利用互联网带来的“数据”,慢慢从技术转向思维。
现在我可以利用地图热数据、手机信号数据、人口迁移数据,通过一定的分析软件和工具,重新定义和研究“城市”。
当我第一次接触Python时,
我的数学一塌糊涂,英语靠字典
Python不仅是一种编程语言,也是数据挖掘机器学习技术的基础,便于建立自动化工作流。
一开始我决定学习是因为其他软件已经不能满足效率和数据量的要求了。虽然我的数学英语已经还给老师了,但是我在自学和练习中已经逐渐使用Python了。
慢慢的,我发现开始用Python并不难。
对数学要求不是太高,但是知道如何用语言表达一个算法逻辑很重要。与构造算术级数的和相比,数学语言和计算机语言是不同的:
和Excel类似,Python有很多打包的工具库和命令。我想做的是用一些数学方法来解决一个问题,并把它建立起来。
那么在哪里可以找到这些数学方法呢?系统的研究教材,遇到问题问百度谷歌,有一个很完善的交流群~(文末有)
英语比较简单,善用字典和chrome翻译功能。
学了一段时间Python后,
我发现了一个有趣的新世界
这里需要一个有趣的例子来说明问题:如何用Python研究财富分配规律?简单来说,可以用理顺逻辑-构建算法-代码实现-模拟实验的方法来做研究:
这个Python模拟实验模拟了一个简化的社会财富分配模型,从而模拟了世界的运行规律。
假设大家18岁开始玩游戏,初始资金100元,每天一次,玩到65岁退休。“一天一块钱”可以理解为基本的日常T-费用。基于这个计算,人一生玩1.7万个游戏,也就是得到1.7万个分配财富的机会。最后,财富会接近幂律分配,前10%的富人掌握30%左右的财富。
这个案例来自城市数据组。
建立这样的模型不是一蹴而就的。这个案例是受蒙特卡洛思想的启发,程序每模拟一次就要运行17000次,其中涉及到很多参数和代码的调整。其他的鼠标点击软件很难做这样的模拟,Python的兴趣就在这里。
学习Python需要不断体验有趣的项目,在实践中体验技能和思维。
智慧是通过经验获得的,知识是通过勤奋获得的。
没有完全理解
如何快速入门Python数据分析?
其实这里的套路可以总结一下。再来说说更多的Python例子!
这个实战项目是网易课堂&城市数据模式微专业“数据分析师”实践项目
如果有开头提到的各种疑惑,网易和城市数据集团为你准备了9个免费直播,会涉及到数据分析的方方面面,9个纯干货直播会带你从0到1。
11.8-12.26 9次免费直播详情
11月8日晚上8点:企业在招聘什么样的数据分析师?
11月14日晚上8点:数据研究可以套路化吗?
11月19日晚8: 00:“码农”数据分析师有什么优势?
12月5日晚8: 00:数据图表思考:辅助流程还是结果表达?
12月11日晚8: 00:未来必修课:空数据研究方法
12月13日晚8: 00:数据之美,数据可视化经典案例解读
12月18日晚上8点:如何利用BI辅助决策过程?
12月25日晚8点:【数据感知】数据工作者最难得的软实力
12月26日晚上8点:能力境界,如何提高自己的数据表达能力
直播可以看回来
登记表
申请加入群看直播
现在有很多好处等着你加入这个团体:
福利1:免费体验课程
一周体验Python数据分析
课程大纲
1.会写代码的数据分析师是什么样的存在?
2.武装你的电脑:Python环境构建和软件安装
3.教你用数据挖掘“成为领导的秘密”
4.如何制作专业、高性能的数据可视化
5.模拟实验:排队等待时间问题
福利2: 6G学习套餐
获取方法
QQ群号:727720564
1.《数据分析师 数据分析师门槛太高?分享成功转行的三点经验》援引自互联网,旨在传递更多网络信息知识,仅代表作者本人观点,与本网站无关,侵删请联系页脚下方联系方式。
2.《数据分析师 数据分析师门槛太高?分享成功转行的三点经验》仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址,https://www.lu-xu.com/junshi/1604112.html