学习数据科学数学
我已经具备了足够的数学知识，可以理解和舒适地使用Data Science的书籍，帖子，文章和期刊，因此尚处于半途而废。我在这里早些时候写过关于放假的书。在我继续之前，我想重申一些确立我的学习和工作方式的事情。每当我想学习新东西时，我总是想先学习基础知识，然后再以基础知识为基础。塞满事物或忽略某些基本概念和想法是没有意义的，因为这不仅会导致挫败感，而且您会浪费大量的学习时间，然后由于忽略了基础知识而重新学习了100倍。那是我个人的学习方式，然后有一种职业方式，受业务方式和生活实践性的影响。从专业（软件开发，现在是数据科学）的角度，如果我需要学习一些非常新的主题/子主题/概念，那么我会快速浏览一下，并阅读一些基础知识，然后找到在该概念中应用该概念的正确且既定的方法解决问题。目标更多是在事物的应用方面。
世界高速发展，技术动摇了世界，第四次工业革命您的职业（工作）和业务之间的界限已经模糊。您必须快速给出结果，否则可能不仅会花费您的工作，而且还可能给您的雇主造成巨大损失，如果您不理解这一点，那么如果您继续忽略它，那么可能会花费您的职业生涯从长远来看也是如此。实际上，一个交付的解决方案要比一个好的解决方案好，后者要花10倍的时间才能完成，而且比一个完美的解决方案（要花一年的时间）要好得多。以领域为例，它在数据科学中的重要性已经确立。数据科学和领域专业知识齐头并进。现在，如果您是一名数据科学家，而且不是生物学专业的学生，??但是您的雇主得到的客户主要是从事生物学的公司，那么您可以将其作为痛苦的体验或快乐的体验，您必须学习任何一种方式。在您认为我正在编造东西之前，请阅读以下内容计算生物学。在没有生物学背景的情况下，您可以从根本上学习几种方法：
获得大量重型生物学基础知识/入门书，这需要几个月才能完成
加入超过6周的生物学和数据科学MOOC
学习第四次工业革命的方式
前两个选项将花费1-2个月或更长时间（理想情况下是4个月），您甚至可以开始从事项目工作，而雇主会为您支付不生产任何东西的费用。这既不公平又愚蠢，对您的雇主不公平，对您也愚蠢，因为您可以更有效地利用时间。您需要学习将雇主的直接需求与生产优质产品的需求区分开。在第四届工业革命的方式说，你可以在一两个星期做到这一点，你不需要花费2个月的时候了。将您的关注点从生物学转移到客户当前的需求，并学习基本术语和足够的基础知识，以便在Python和处理生物学问题的库（PySB和Biopython）中开始使用例如）。如果您想完成截止日期的工作，则必须采取这种态度。而且，即使它不加上一个期限，我还是会说你先走第四工业革命的方式，因为它不仅会帮助你解决问题的速度更快，但也将节省您的向下螺旋的“我没有学到足够”。现在，这并不意味着您创建了一个错误的解决方案，因为您不是学校的生物学专业学生。如果这样做，那么您解决问题的方法将不够系统化，这意味着您需要学习很多有关生产力，效率和情商的知识。这也意味着您无法提供一个真正好的解决方案，超出了您的工作范围，从另一个层面延伸到了您的个人，财务和职业生涯，您需要非常认真地对待它，并立即真正着手进行工作（您的日常思维）需要更改）。
您可能会认为这一切与数据科学数学无关。确实有。数学是对世界建模的一种方法，它是在问题中找到模式并使用久经考验的模型来解决问题的方法。它既是艺术又是科学。数学为我们提供了解决问题的工具，其速度比我们想象的要快得多，而且在事情失控之前处理混乱也非常准确。现在这在我们的情况下如何适用？一分钟后，我将介绍这个。
就像我在博客文章的第1部分和第2部分中所述。我完成了我的代数和微积分研究，学习了很少的MOOC，并研究了许多自学材料，包括书籍，文章和博客。我现在开始讲概率。概率，统计以及线性代数是与数据科学（无论何时我说数据科学，思考数据分析和机器学习）重叠的数学领域。我观察到的是，就像代数和微积分一样，这些主题非常广泛，您将在接下来的一年中花一些时间研究它们的基础知识。那我们该怎么办？我们变得聪明而实用。我使用的是两次折叠技术：第一次折叠，使用第四次工业革命解决上面提到的问题的方式，这意味着我记得我的主要工作是数据分析和机器学习，我的目标是获得数据科学的必要基础知识，以免我呆呆或呆滞。心理熔断使数学术语和公式显得格外生气，每当我在数据分析和机器学习中的数学文章，博客和图书馆文档中遇到数学知识时，我都知道基本公理和理论基础。如果遇到一些我不知道的东西，那么我就能弄清楚，因为我掌握了基本原理。  第二折：终身学习数学，这与第一折相反，只要有空，我都会打开一本书，看一些自定进度的MOOC的视频（我不再订阅非数据科学工作的基于时间的MOOC）或解决一些数学问题（Schaum的系列非常有名，如果您知道的更好，请告诉我）。从广义上讲，我将数学作为自己的爱好，而不是在YouTube上观看视频。像数学家一样思考问题，尽可能多地花时间找出问题所在。我从无知：数学文盲及其后果开始了这一旅程约翰·艾伦·保罗（John Allen Paulos）着。从狭义上讲，看一下数学公式，找出其创建原因，了解其历史，应用领域，应用范围以及从一个领域到另一个领域的演变，并尽可能详细地阅读它。可能或从不同的数学家和书籍中简短地了解一个概念，然后仔细阅读。有关您为什么需要学习数学的出色文章，如果您有编程背景，请阅读Evan Miller的The Mathematical hacker。关于如何正确学习数学的另一篇非常好的文章是史蒂夫·耶格（Steve Yegge）。如果您只做第一折这样一来，您对数学的知识就会少得多，并且几年以后，当必须决定使用哪种模型来解决哪些问题时，您将没有足够的信息。如果您只是做二折，那么您将永远没有足够的时间来完成任何事情。您必须将两者混合匹配，这就是为什么我将其称为“两次折叠”方法，实际上，它不仅可以应用于数学，而且可以应用于几乎所有类型的学习。如果您知道任何更好的数学学习方式，我将非常高兴知道。
1