文科生如何高效学数据科学？

看似无边无际、高深难懂而又时刻更新的数据科学知识，该怎样学才更高效呢？希望读过本文后，你能获得一些帮助。

Photo by Siora Photography on Unsplash

疑惑

周五下午，我给自己的研究生开组会。主题是工作坊教学，尝试搭建自己的第一个深度神经网络。

参考资料是我的文章《如何用Python和深度神经网络发现即将流失的客户？》。我带着学生们从下载最新版Anaconda安装包开始，直到完成第一个神经网络分类器。

过程涉及编程虚拟环境问题，他们参考了《如何在Jupyter Notebook中使用Python虚拟环境？》一文，比较顺利地掌握了如何在虚拟环境里安装软件包和执行命令。

我要求他们，一旦遇到问题就立即提出。我帮助解决的时候，所有人围过来一起看解决方案，以提升效率。

我给学生们介绍了神经网络的层次结构，并且用Tensorboard可视化展示。他们对神经网络和传统的机器学习算法（师兄师姐答辩的时候，他们听过，有印象）的区别不是很了解，我就带着他们一起玩儿了一把深度学习实验场。

看着原本傻乎乎的直线绕成了曲线，然后从开放到闭合，把平面上的点根据内外区分，他们都很兴奋。还录了视频发到了微信朋友圈。

欣喜之余，一个学生不无担忧地问我：

老师，我现在能够把样例跑出来了，但是里面有很多内容现在还不懂。这么多东西该怎么学呢？

我觉得这是个非常好的问题。

对于非IT类本科毕业生，尤其是“文科生”（定义见这里），读研阶段若要用到数据科学方法，确实有很多知识和技能需要补充。他们中不少人因此很焦虑。