十五分钟快速入门数据分析-机器学习

目录

一、数据分析师为啥为什么要学习机器学习与深度学习？ 

二、为什么要用python和jupyter进行数据分析与交互？

1.非用python不可的4个理由

2.用jupyter进行交互的3点原因

三、如何学习python和机器学习

       如何学python呢？

        机器学习怎么学习？

什么样的业务与模型中进行机器学习落地效果最好？

---

一、数据分析师为啥为什么要学习机器学习与深度学习？ 

当分析师拥有海量数据资源，尤其是几十到数百的特征字段，通过传统的统计学知识无从下手时，通过机器学习去解决是一种更高效与准确的方式和途径。所以目前数据分析师是需要具备这种能力去面对更加复杂与多元化的数据场景。

机器学习可以做什么呢？一张图诠释机器学习都可以干啥。

对于数据分析师更多的用于模式识别、数据挖掘与统计学习

而算法工程师会对计算机视觉、语音识别、自然语言处理（深度学习模块）有更深的研究

数据分析相关的业务场景如下：

1. 通过因果随机森林进行定价判断
2. 通过SARMIA进行任务预测
3. 运用Xgboost与Stacking模型进行线索模型打分与概率预测
4. 通过贝叶斯模型进行短信模型分类
5. 基于SVD矩阵分解的音乐推荐系统

这些算法与模型可以帮助业务定位问题，配合运营方案落地，产品功能迭代等策略手段，最终实现数据驱动策略，也实现了数据分析师的岗位价值。

二、为什么要用python和jupyter进行数据分析与交互？

1.非用python不可的4个理由

1. 难度:  有任何基础学Python你会觉得简单到家了
2. 实用性:  能用一行代码，何必用十行呢?
3. Python工具库:  这些简直太多了，基本上你能想到的现在都有 (我们常用的:Numpy，Pandas，Matplotlib，sklearn，tensorflow)
4. 公司调用难易度：各大公司开源工具库都有Python接口，并且都是主流，实际干活很大程度上都是使用这些库帮助我们完成任务

2.用jupyter进行交互的3点原因

1. 交互：idle的升级版，交互简单且强大
2. 简易性：有多种多样的魔法指令，简单高效