数据科学是一个广泛而模糊的领域，这使得它很难
学习。没有动力，你最终会中途停止对自己失去信心。
你需要些东西来激励你不断学习，即使是在半夜公式已经开始变的模糊，你还是想探究关于神经网络的意义。对于小白学习大数据需要注意的点有很多，但无论如何，既然你选择了进入大数据行业，那么便只顾风雨兼程。正所谓不忘初心、方得始终，学习大数据你最需要的还是一颗持之以恒的心。
在实践中学习
学习神经网络、图像识别和其他尖端技术是很重要的，但大多数数据科学工作不涉及这些：
90%的工作将是数据清理。
精通几个算法比知道一点许多算法要好。
如果你知道线性回归、k - means聚类和逻辑回归,可以解释和诠释他们的研究结果,并可以用这些完成一个项目，你将比如果你知道每一个演算法,但不使用它们更优秀。
所有这些意味着最好的学习方法是在项目工作中学习，通过项目，你可以获得有用的技能。学习而不应用的知识很难被保留，当你做实际的工作的时候也不会准备好。
学会沟通
数据科学家需要不断展示他们的分析结果。这个过程可以区别数据科学家的水平。
交流的一部分是对主题的理解和理论，另一个是理解如何组织你的结果。最后一部分是能够清楚地解释你的分析。
向同行学习
你根本想不到你会从同行身上学到多少东西，在数据工作中，团队合作非常重要。
不断增加学习的难度
你完全熟悉这个项目的工作了? 你最后一次使用一个新概念是在一周前? 那么是时候做些更加困难的挑战了。如果你停止攀登，那么不进则退。
如果你发现自己太舒适,这里有一些建议:
处理更大的数据集。学习使用spark。
看看能不能让你的算法更快。
你将如何将算法扩展到多个处理器?你能做到吗?
理解更多的理论算法并使用。这会改变你的假设吗?
试图教一个新手去做你现在正在做同样的事情。
上面这些这至少是一个思路告诉你在开始学习数据科学的时候到底要做什么。如果你完成了这些，你将发现你的能力自然而然就提升了。
当然不只是分享思路，经验还有一些大数据的学习资料。
加我 VX: 17692117080。分享给大家。
