学习路线图¶
Data Science Learning Roadmap
本路线图覆盖从零基础到高级数据科学家的完整学习路径。
🟢 阶段一：入门基础（0-6 个月）¶
1.1 编程基础（4-6 周）¶
Python 编程¶
- Python 基础语法
- 数据结构（列表、字典、集合）
- 函数和模块
- 文件操作
- 异常处理
- 面向对象编程基础
推荐资源： - 《Python 编程：从入门到实践》 - Python Official Documentation - Codecademy Python Course
SQL 基础¶
- SELECT 查询
- WHERE 条件过滤
- GROUP BY 聚合
- JOIN 连接
- 子查询
- 窗口函数基础
推荐资源： - SQLZOO - LeetCode SQL 题库 - 《SQL 必知必会》
1.2 数学基础（6-8 周）¶
线性代数¶
- 向量和矩阵
- 矩阵运算
- 行列式和逆矩阵
- 特征值和特征向量
- SVD 分解（了解）
推荐资源： - 3Blue1Brown 线性代数可视化 - 《线性代数及其应用》 - MIT OpenCourseWare 18.06
微积分¶
- 函数和极限
- 导数和微分
- 积分
- 多元函数微分（了解）
- 梯度概念
推荐资源： - 《微积分》- Stewart - 3Blue1Brown 微积分可视化
概率统计¶
- 概率基础
- 条件概率和贝叶斯
- 随机变量
- 常见分布（正态、二项、泊松）
- 期望和方差
- 大数定律和中心极限定理
推荐资源： - 《概率论与数理统计》- 陈希孺 - Khan Academy Probability
1.3 数据分析工具（6-8 周）¶
NumPy¶
- 数组创建和操作
- 索引和切片
- 广播机制
- 线性代数函数
- 随机数生成
Pandas¶
- Series 和 DataFrame
- 数据读取和导出
- 数据清洗
- 数据转换
- 合并和连接
- 分组聚合
- 时间序列处理
数据可视化¶
- Matplotlib 基础
- 常见图表类型
- Seaborn 统计图表
- 图表美化
- 多子图布局
实战项目： - 探索性数据分析（EDA）项目 - 使用真实数据集完成分析报告
🟡 阶段二：进阶提升（6-18 个月）¶
2.1 统计学深入（4-6 周）¶
描述统计¶
- 集中趋势度量
- 离散程度度量
- 分布形态
- 相关性分析
推断统计¶
- 抽样分布
- 置信区间
- 假设检验
- t 检验、卡方检验、ANOVA
- 非参数检验
回归分析¶
- 线性回归
- 逻辑回归
- 正则化（Ridge、Lasso）
- 模型评估指标
推荐资源： - 《统计学图鉴》 - 《统计推断》- Casella - StatQuest YouTube Channel
2.2 机器学习基础（8-12 周）¶
监督学习¶
- 线性模型
- 决策树和随机森林
- 支持向量机
- K 近邻
- 朴素贝叶斯
- 集成方法
无监督学习¶
- 聚类（K-means、层次聚类）
- 降维（PCA、t-SNE）
- 关联规则
模型评估¶
- 交叉验证
- 过拟合和欠拟合
- 偏差 - 方差权衡
- 评估指标（准确率、精确率、召回率、F1、AUC）
特征工程¶
- 特征选择
- 特征提取
- 特征缩放
- 类别编码
- 处理不平衡数据
推荐资源： - 《机器学习》- 周志华 - 《统计学习方法》- 李航 - Coursera Machine Learning - Andrew Ng - Scikit-learn Documentation
实战项目： - Kaggle 入门竞赛（Titanic、House Prices） - 完整机器学习项目（从数据到部署）
2.3 实验设计与 A/B 测试（3-4 周）¶
- 实验设计原则
- 样本量计算
- 随机化和对照组
- 显著性水平
- 多重检验校正
- 结果解读和报告
推荐资源： - 《Trustworthy Online Controlled Experiments》 - Udacity A/B Testing Course
2.4 业务分析能力（持续）¶
指标体系¶
- OMTM（唯一重要指标）
- North Star Metric
- 漏斗分析
- 留存分析
- 用户生命周期价值（LTV）
- CAC（获客成本）
分析方法论¶
- 细分分析
- 同期群分析
- 归因分析
- 根因分析
实战项目： - 电商数据分析 - 用户行为分析 - 产品功能效果评估
🔴 阶段三：高级专精（18 个月+）¶
3.1 深度学习（12-16 周）¶
神经网络基础¶
- 感知机和多层感知机
- 反向传播
- 激活函数
- 优化算法（SGD、Adam）
- 正则化（Dropout、BatchNorm）
卷积神经网络（CNN）¶
- 卷积操作
- 池化层
- 经典架构（LeNet、AlexNet、ResNet）
- 迁移学习
序列模型¶
- RNN 和 LSTM
- GRU
- Seq2Seq
- Attention 机制
- Transformer
实践框架¶
- PyTorch 或 TensorFlow
- 模型训练和调试
- GPU 加速
推荐资源： - 《深度学习》- Ian Goodfellow - Coursera Deep Learning Specialization - Fast.ai Course
实战项目： - 图像分类项目 - 文本分类/生成项目
3.2 因果推断（6-8 周）¶
- 因果图（DAG）
- 潜在结果框架
- 倾向值匹配（PSM）
- 双重差分（DID）
- 工具变量（IV）
- 断点回归（RDD）
推荐资源： - 《Causal Inference: The Mixtape》 - 《Mostly Harmless Econometrics》
3.3 大数据技术（8-12 周）¶
Spark¶
- RDD 和 DataFrame
- Spark SQL
- 转换和行动
- 性能优化
分布式计算¶
- MapReduce 原理
- Hadoop 生态系统
- Hive 查询
推荐资源： - 《Learning Spark》 - Spark Official Documentation
3.4 专业方向选择¶
根据兴趣和职业规划选择专精方向：
数据分析师¶
- 深入业务理解
- 高级 SQL 和 BI 工具
- 数据 storytelling
- 仪表板设计
机器学习工程师¶
- MLOps 和模型部署
- 模型监控和维护
- 特征平台
- 推荐系统
数据科学家¶
- 高级统计建模
- 因果推断
- 实验设计
- 跨领域应用
数据工程师¶
- 数据管道构建
- ETL 流程
- 数据仓库
- 实时数据处理
📋 持续学习¶
关注前沿¶
- 关注 arXiv 最新论文（cs.LG, stat.ML）
- 阅读行业博客（Towards Data Science、KDnuggets）
- 参加技术会议和 meetup
- 参与开源项目
技能提升¶
- 定期刷 Kaggle 竞赛
- 写技术博客
- 做技术分享
- 建立个人项目组合
职业发展¶
- 构建作品集
- 维护 GitHub
- 建立专业网络
- 持续学习新工具和技术
🎯 学习建议¶
1. 理论与实践结合¶
- 学习概念后立即动手实践
- 用真实数据做项目
- 不要只看不练
2. 循序渐进¶
- 不要跳过基础
- 每个阶段都要做项目
- 遇到困难时回顾基础
3. 建立知识网络¶
- 理解知识点之间的联系
- 跨领域学习
- 举一反三
4. 保持好奇心¶
- 探索新技术
- 尝试不同领域
- 享受学习过程
路线图版本: v1.0 最后更新: 2026-06-01