如何开始自己的第一个数据科学项目？

没有经验的你是否觉得不知道如何开始自己的第一个数据科学项目？起步往往很困难，但其实大可不必如此。在本文中，我将向你介绍6条经验，帮助你完成数据科学处女秀！如果你想了解更多关于数据科学的相关内容，可以阅读以下这些文章：
导航数据驱动时代：为什么你需要掌握数据科学基础
在2024年实现数据科学家更好的工作与生活平衡
数据科学家常见的13个统计错误，你有过吗？
每个数据科学家/分析师都应该知道的20个统计概念！

目录

• #1：第一个项目的真正目的：不是为了给人留下深刻印象
• #2：为什么你的第一个项目不需要创意？
• #3：复制、修补、学习：出人意料的技能培养策略
• #4：你必须克服困难
• #5：在配置工具时克服设置困难
• #6：采用“成长型思维”是成功的关键
• 附录

完成第一个项目可能是数据科学旅程中最重要的里程碑。然而，要知道这项工作的第一步是什么，往往充满了挑战。我在这里要向你灌输的是，事情并不一定是这样的。

在本文中，我将与你分享开始第一个项目所需的确切知识。

我的目标是消除你对第一个项目可能存在的任何误解，让你有信心尽快开始。

这六条基本见解将消除你对项目的忧虑。最后一条有可能改变你整个职业生涯的轨迹。

让我们深入了解一下！

#1：第一个项目的真正目的：不是为了给人留下深刻印象

为什么要做项目？

是为了向未来的雇主展示你的技能？是为了在LinkedIn上与人联系时作为开场白？

实际原因并不集中在这两个概念上。

初始项目的首要目标是学习。

没有获得反馈或公开分享作品的压力。很多人在第一个项目中就迷失了方向，因为他们认为这个项目不够好，或者不是很有趣。

你猜怎么着？

只要对你的学习有帮助，多么令人印象深刻并不重要。它也不一定要非常令人印象深刻或复杂才能教会你一些东西。即使是看似简单的项目，也能让初学者掌握和熟悉基本概念、技术或方法，如基本数据处理、可视化或入门统计分析。因此，这为今后的工作奠定了坚实的基础。

#2：为什么你的第一个项目不需要创意？

我在网上传播了很多关于项目的信息，你可能听我说过，一个好的项目应该具有创造性和趣味性。

虽然这适用于你向未来雇主展示的项目，但对于你的第一个项目，你完全没有必要发挥创意。

我的第一个项目是泰坦尼克号数据集。天哪，我的分析太糟糕了。不过，我还是从中学到了很多关于分类和特征工程的知识。

我个人曾对许多最基本的数据集进行过分析，包括帕尔默企鹅数据集、MNIST数据集和Kaggle上的房地产数据集。

这些都是学习新技能的好帮手，也是学习初期的好项目。

#3：复制、修补、学习：出人意料的技能培养策略

在你的第一个项目中，你应该复制别人的作品。

你没听错。

要说明的是，你复制是为了学习，你不应该把别人做的事情归功于你，你也不应该明确分享你复制的作品。

早期学习的一个高效方法是键入并执行他人编写的代码。一旦执行完毕，就对其进行实验，以观察结果和探索结果。

我更喜欢将这种方法应用于图表，图形的可视化特性允许在调整代码时立即感知变化，清晰显示进度或变化。

如果你正在寻找可以跟随并积极学习的东西，我创建了一个视频，记录了我使用该数据集的过程，链接：https://youtu.be/I3FBJdiExcg

#4：你必须克服困难

这并不奇怪，但第一个项目往往充满挑战。你会遇到障碍，遇到错误，陷入困境。

不幸的是，很多人在面临这种逆境后就放弃了。我几乎普遍发现，我们在数据科学中会遇到这些挑战。陷入困境是定期计划的一部分。

你越早习惯并学会如何离开并回到你的工作中，你就越早在学习之旅中取得进步。

我注意到，散散步或从代码中抽身出来，往往会在脑海中浮现出自发的解决方案或全新的视角。

这些都是你可以做的，也是你应该做的，当你遇到困难，觉得自己无法取得任何进展时。

当你随意漫步，而不是刻意专注于工作时，你会惊讶于自己大脑的碎片整理能力

此外，对于Medium算法来说，我们永远也不会有足够的掌声。所以，如果你觉得这篇文章有用，欢迎拍手叫好。

#5：在配置工具时克服设置困难

入门的最大障碍之一是在本地计算机上运行所有数据科学工具。

刚开始的时候，我配置本地环境所花的时间比我完成整个项目所花的时间还长。

幸运的是，像Anaconda这样的工具可以在本地环境中运行，但还是会遇到一些配置问题，比如获取正确的软件包。

幸运的是，随着基于网络的集成开发环境的发展，你在开始时可以完全避免这一步。你可以在第一个项目中使用Kaggle、Google Colab和DeepNote等免费平台，而无需承担技术开销。

基本上，登录这些网站，创建一个实例，就可以使用Jupyter笔记本，而无需安装任何软件包或解决任何其他相关问题。

这彻底改变了我的游戏规则，让我无缝地启动了我的第一个项目。

#6：采用成长心态是成功的关键

要开始数据科学和项目，最重要的也许是你的心态。

一个项目现在很难，并不意味着你做得不好。这意味着你还不擅长数据科学。

当我再次回到泰坦尼克号数据集，为我前面提到的教程视频做准备时，我惊讶地发现自己进步了很多。我清楚地记得第一次做的时候有多难，而现在我甚至可以自如地指导他人完成分析。在这些项目上，我的能力、本领和舒适度都发生了惊人的变化。

这种“你有能力随着时间的推移不断进步”的概念被称为“成长型思维模式”。

当个人涉足一个新领域，尤其是像数据科学这样对脑力要求很高的领域时，大多数人一开始都不会熟练掌握这些技能。如果你感到吃力，你应该把难题当作成长的机会，而不是把它们视为障碍。要做到这一点，你可以选择那些稍稍挑战你的极限，但只要努力就能实现的项目。

此外，你应该把精力集中在理解概念和解决问题上，而不是专注于眼前的结果。为此，应将复杂的问题分解成较小的、可管理的步骤，并在每个阶段庆祝自己的进步。

希望这对你的第一个项目有所帮助，祝你在数据科学的道路上好运。

感谢阅读！你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Ken Jee
翻译作者：Qing
美工编辑：过儿
校对审稿：Jason
原文链接：https://towardsdatascience.com/ideas-how-start-data-science-project-when-beginner-9ed03b7628ca