連結散落的教程文章，做個詳細的導讀，助你更高效入門資料科學。
問題
2017年6月以來，我陸續在自己的簡書專欄《玉樹芝蘭》裡，寫了一系列資料科學教程。
這源於一次研究生課程式設計工作坊嘗試。受閻教練的創新思維訓練營啟發，我在課後把詞雲製作流程詳細記錄轉述，分享給了大家。
沒想到，這篇《如何用Python做詞雲？》受到了讀者們非常熱烈的歡迎。
此後，一發不可收拾。
應讀者的要求，結合我自己的學習、科研和教學實踐，我陸續分享了更多與資料科學相關的文章。
讀者越來越多，我收到的問題也愈發五花八門。
許多讀者的問題，我其實都已經在其他的文章裡面講解過了，因此有時用“請參考我的另一篇文章《……》，連結為……”來答覆，也幫助讀者解決了問題。
在建構同理心（empathy）之前，估計我會問出這樣的問題：
他們為什麼不翻翻我的其他文章呢？
但現在，我能感受到他們的疑惑：
我哪裡知道你寫過另一篇文章？
散落在各處的文章，不容易系統學習和檢索。於是我在2017年11月，把寫過的資料科學系列教程彙集到了一起，做了個索引貼。
我把這個索引貼連結置於每篇新教程的末尾，並不斷更新維護。
然而，這樣簡單的標題索引，依然無法滿足許多讀者的需求。
有的讀者跟著教程做完了詞雲，發現如果對中文文字做分析，就會出現亂碼：
這時候，你該怎麼辦呢？
更進一步，如果你希望把詞雲的外邊框變成指定的形狀，又該如何操作？
光看標題，你可能不容易發現哪一篇文章會幫助自己解決這些問題，甚至可能會選擇放棄。
我決定做這個導讀。
這篇文章，不再是從任務出發，簡單羅列文章標題和連結；而是從先易後難的認知習慣，重新組織文章順序，簡要介紹內容，提示可能遇到的問題。
希望對你的學習能有幫助。
基礎環境
大部分的教程，都是在 Python 執行環境 Jupyter Notebook 下執行和演示。
安裝這個執行環境，最簡單的方法，就是安裝 Anaconda 整合套件。
請先收看這個視訊教程《如何安裝Python執行環境Anaconda？（視訊教程）》，自己嘗試安裝Anaconda，執行起第一個Jupyter Notebook，輸出一個“Hello world!”出來。
有了這個基礎，你就可以嘗試不同的資料科學任務了。
我的建議是先做詞雲。
因為簡單，而且有成就感。
詞雲
跟著圖文教程《如何用Python做詞雲？》一步步執行。用幾行Python程式碼，你就可以做出這樣的詞雲來。
我還專門把它升級做成了視訊教程《如何用Python做詞雲？（基礎篇視訊教程）》，供你觀看。
參看這篇文章《如何用Python做中文分詞？》，你就能做出這樣的中文詞雲。
如果你希望改變詞雲邊框外觀，就參考這篇文章《Python程式設計遇問題，文科生怎麼辦？》的最後部分。
到這裡，你已掌握Python執行環境安裝、文字檔案讀取、常見軟體包呼叫、視覺化分析與結果呈現和中文分詞等基本功夫了。
回頭望去，是不是成就感爆棚呢？
虛擬環境
細心的你，可能已經發現，圖文教程和視訊內容並不完全一致。
視訊教程目前全系列採用Python 3.6版本，未來得及重新整理的詞雲圖文教程，展示的確實2.7版本Python。
為什麼呢？
因為隨著技術的發展，Python已經逐步要過渡到3.X版本了。
許多第三方軟體包都已經宣佈了時間表，儘快支援3.X，放棄2.X版本的支援。
才半年，你就可以感受到技術、社群和環境的變化之快。
可是目前某些軟體包，依然只能支援2.X版本Python。雖然這樣的軟體包越來越少了。
你需要暫時做個“兩棲動物”，千萬不要束縛自己，因為“立場原因”固執著不肯用低版本Python。這樣吃虧的是自己。
怎樣才能做個“兩棲動物”呢？
辦法之一，就是使用Anaconda的虛擬環境。可以參考《如何在Jupyter Notebook中使用Python虛擬環境？》。
你初始安裝版本針對Python 2.7的Anaconda，並不妨礙你快速建立一個3.6版本Python的虛擬環境。
有了這個祕籍，你就可以在不同版本的Python之間左右逢源，遊刃有餘了。
自然語言處理
下一步，我們來嘗試自然語言處理（Natural Language Processing, NLP）。
情感分析，是NLP在許多社會科學領域熱門的應用之一。
《如何用Python做情感分析？》這篇文章，分別從英文和中文兩個案例，分別採用不同的軟體包，針對性地解決應用需求。
你只需要幾行程式碼，就能讓Python告訴你情感的取向。是不是很厲害？
有了情感分析做基礎，你可以嘗試增加維度，對更大體量的資料做分析。
增加時間維度，就可以持續分析變化的輿情。
《如何用Python做輿情時間序列視覺化？》這篇文章，一步步指引你在時間刻度上視覺化情感分析結果：
這圖難看了一些。
不過我們需要容忍自己起步時的笨拙，不斷迭代與精進。
希望一出手就滿分，對極少數天才，確實無非是日常。
但對大多數人，是拖延症的開始。
你可能迫不及待，嘗試換自己的資料做時間序列視覺化分析。
不過日期資料如果與樣例有出入，可能會出現問題。
這時候，不要慌，請參考《Python程式設計遇問題，文科生怎麼辦？》的第二部分，其中有詳細的錯誤原因分析與對策展示。
看過後，分析結果圖也會迭代成這個樣子：
到這裡，你對情感分析有點兒感覺了吧？
如果你不打算使用第三方提供的情感分類演算法，打算自己動手訓練一個更為精確的情感分類模型，可以參考《如何用Python和機器學習訓練中文文字情感分類模型？》一文。
剛剛這些情感分析，其實只是極性分析（正面vs負面）。但是我們都知道，人的情感其實是多方面共同構成的。
如何從文字中，分解出多維度的情感特徵變化呢？
《如何用Python和R對《權力的遊戲》故事情節做情緒分析？》一文分析了《權力的遊戲》中某一集劇本，你會獲得這樣的結果：
如果你是《權力的遊戲》劇迷，請告訴我，這張圖描繪的是哪一集？
先猜猜看，然後再開啟文章，跟結尾做對比。
這篇文章的視覺化分析部分，用的是R。
R也是資料科學領域一個非常受歡迎的開源工具。它的通用性和熱度可能不如Python（畢竟Python除了資料科學，還能幹許多其他的事兒），但是因為有統計學界諸多科學家的擁護和添磚加瓦，因此有非常好的一套生態系統。
如果你希望對單一長文字提取若干重要關鍵詞，該怎麼辦呢？
請你閱讀《如何用Python提取中文關鍵詞？》一文。它採用詞彙向量化、TextRank等成熟的關鍵詞提取演算法來解決問題。
課間答疑
隨著知識、技能和經驗的積累，你的疑問可能也逐漸增多了吧？
有的同學對這種教學方式有疑問——案例挺有意思，也很簡單易學，但是怎麼把它用到我自己的學習、工作和科研中呢？
我為你寫了一篇答疑說明，叫做《文科生如何高效學資料科學？》。文中提到了以下幾個方面：
- 如何指定目標？
- 如何確定深度？
- 如何加強協作？
提到協作，就不能不說Github這個全球最大的開原始碼託管倉庫了。
在我們們的教程裡，也多次使用Github來儲存程式碼和資料，以便你能夠重複執行教程中的結果。
《如何高效入門Github？》一文提供了文件和視訊教程資源，希望能對你掌握這個資料富礦提供幫助。
不少讀者在這個階段常提出這個問題：老師，想學Python，推薦本書唄。
看來，你已經明白了Python的好處了，對吧？
《如何高效學Python？》幫助你給自己的學習特性做出了分類。根據分類的結果，你可以選擇更適合自己的學習路徑。
推薦的教材，不僅包括書籍，還包括MOOC。希望這種充滿互動的教學方式，對你入門資料科學有幫助。
機器學習
你可以嘗試做更進一步的分析了。
例如機器學習（Machine Learning）。
機器學習的妙用，就是在那些你（其實是人類）無法準確描述解決步驟的問題上，讓機器通過大量案例（資料）的觀察、試錯，構建一個相對有用的模型，來自動化處理問題，或者為人類的決策提供輔助依據。
大體上，機器學習主要分為3類：
- 監督學習（Supervised Learning）
- 非監督學習（Unsupervised Learning）
- 強化學習（Reinforcement Learning）
目前本專欄介紹了前兩類的一些例子。
監督學習與非監督學習最大的差別，在於資料。
資料已有標註（一般是人工賦予標籤），一般用監督學習；
資料沒有標註，一般只能用非監督學習。
監督學習部分，我們舉了分類（classification）任務的例子。
《貸還是不貸：如何用Python和機器學習幫你決策？》中的案例，選擇了貸款審批輔助決策。
具體的機器學習演算法，是決策樹（decision tree）。
有同學表示，繪製這棵決策樹的時候，遇到了問題。
這主要是因為執行環境的差異和依賴工具的安裝沒有正確完成。
《Python程式設計遇問題，文科生怎麼辦？》的第一部分，對這些問題做了詳細的闡述，請根據列出的步驟嘗試解決。
不僅如此，這篇文章展示給你了一種任務導向的學習方式，期望它可以提升你Python語言和資料科學學習效率。
非監督學習部分，我們講述了《如何用Python從海量文字抽取主題？》。
文中用一種叫做LDA的聚類（clustering）方法，幫你從可能感興趣的浩如煙海文件中，提取出可能的類別，對應的主要關鍵詞，並且做視覺化處理。
文中提及了停用詞（stopwords）的處理，但是沒有給出中文停用詞的具體應用方法。
《如何用Python和機器學習訓練中文文字情感分類模型？》一文中，我不僅對停用詞處理方式進行了詳細的介紹，而且把監督學習Naive Bayes模型應用於情感分析，手把手教你如何訓練自己的情感分類模型。
深度學習
深度學習，指用深度神經網路（Deep Neural Network）進行機器學習。
相對於傳統機器學習方法，它使用的模型結構更為複雜，需要更多的資料支援，並且訓練起來要消耗更多的計算資源和時間。
常見的深度學習應用，包括語音識別、計算機視覺和機器翻譯等。
當然，新聞裡面最愛提的，是下圍棋這個事兒：
我們提供的案例，沒有那麼挑戰人類智慧極限，而是跟日常工作和生活更加相關。
《如何用Python和深度神經網路發現即將流失的客戶？》為你介紹了深度神經網路的基本結構。
這篇文章通過客戶流失預警的例子，講述了使用前饋神經網路進行監督式學習的基本樣例。
實際操作部分，我們採用Tensorflow作為後端，tflearn作為前段，構造你自己的第一個深度神經網路。
《如何用Python和深度神經網路發現即將流失的客戶？》一文末尾還為你提供了進一步掌握深度學習的相關資源。
如果你需要安裝Tensorflow深度學習框架（Google出品哦），歡迎先閱讀這篇《Tensorflow執行pip升級安裝的坑》。
有了深度神經網路的基礎知識，我們折騰計算機視覺。
《如何用Python和深度神經網路識別影象？》一文，舉例分類哆啦a夢和瓦力這兩個機器人的各種花式影象集合。
卷積神經網路(Convolutional Neural Network, CNN)這時就大放異彩了。
這篇文章，幫你分析了卷積神經網路中，不同層次（Layer）的作用。
我們儘量避免用公式，而是用影象、動圖和平實簡潔的語言描述來為你解釋概念。
我們使用的深度學習框架，是蘋果的TuriCreate。你會呼叫一個非常深層次的卷積神經網路，幫我們遷(tou)移(ji)學(qu)習(qiao)，用很少的訓練資料，獲得非常高的分類準確率。
有的讀者自己嘗試，測試集準確率居然達到100%（視執行環境不同，有差異），大呼過癮。可同時又覺得不可思議。
為了解釋這種“奇蹟”，同時解答讀者“如何在私有資料集上以圖搜圖”的疑問，我寫了《如何用Python和深度神經網路尋找近似圖片？》。
希望讀過此文，你對遷移學習（Transfer Learning）有了更深入的認識。
如果這兩篇文章學完，你對卷積神經網路的基礎知識依然不是很清晰，也沒關係，因為我的研究生們遭遇了同樣的問題。
為此，我專門錄製了一段講解答疑視訊。
這段視訊裡，我主要談及了以下幾個方面：
- 深度神經網路的基本結構；
- 神經元的計算功能實現；
- 如何對深度神經網路做訓練；
- 如何選擇最優的模型（超引數調整）；
- 卷積神經網路基本原理；
- 遷移學習的實現；
- 疑問解答。
希望看過之後，你再從論文裡讀到計算機視覺的神經網路模型，就可以遊刃有餘了。
另一批作者又來發問了：
老師，我用Windows，死活就是裝不上TuriCreate，可怎麼辦？
我替他們著急的時候，恰好找到了一個寶貝。於是寫了《如何免費雲端執行Python深度學習框架？》。
免費使用GPU，用極為簡易的操作，就可以在Google雲端Linux主機上部署和執行蘋果深度學習框架……
聽著是不是像做夢啊？
感謝Google這家為人類知識積累做出貢獻的企業。
資料獲取
學完深度學習之後，你會發現自己變成了“資料飢渴”症患者。
因為如果沒有大量的資料，就無法支撐你的深度神經網路。
如何獲取資料呢？
我們先要區分資料的來源。
資料來源很多。但是對於研究者來說，網路資料和文獻資料比較常用。
目前主流（合法）的網路資料方法，主要分為3類：
- 開放資料集下載；
- API讀取；
- 爬蟲爬取（Crawling）。
《如何用Python讀取開放資料？》一文中，我為你講解了如何把開放資料集下載並且在Python中使用。
這篇文章介紹了常見的CSV/Excel, JSON和XML等開放資料檔案格式的讀取、初步處理和視覺化方法與流程。
如果沒有開放資料集整理好供你下載，網站只提供API介面，你該怎麼辦呢？
《如何用R和API免費獲取Web資料？》一文，我們使用R讀取維基百科API，獲得指定條目的訪問數量記錄，並且做了視覺化。
如果沒有人為你整理好資料，網站也沒有開放API給你，那你就得“直接上大錘”了。
《如何用Python爬資料？（一）網頁抓取》一文為你介紹了非常人性化、易用的網頁抓取軟體包 requests_html，你可以嘗試抓取網頁內的指定型別連結。
文獻資料可能儲存為各種格式，但其中pdf格式較為常見。
應諸多讀者的要求，我寫了《如何用Python批量提取PDF文字內容？》。
你可以批量提取pdf文件的文字內容，並且進行各種分析。
文中的分析相對簡單，我們只是統計了文件字元數量。
但是發揮想象力，你可能會做出非常有價值的分析結果。
希望這些文章可以幫助你高效獲得優質資料，支撐起你自己的機器學習模型。
小結
本文把《玉樹芝蘭》專欄目前的資料科學類文章進行了梳理和歸類，建立了連結，以幫你看清它們之間的邏輯依賴關係。
專欄中，資料科學類文章主要圍繞以下方面展開：
- 環境搭建；
- 基礎入門；
- 自然語言處理；
- 機器學習；
- 深度學習；
- 資料獲取；
- 答疑。
你可能早已發現，我們還有很多話題，沒有來得及涉及。
彆著急。
本專欄會持續新增新的內容。這篇導讀也會不定期更新。歡迎關注。
討論
本專欄資料科學類的文章裡，你更喜歡哪個方面的主題？除此以外，你還希望讀到哪些內容？歡迎留言，把你的經驗和思考分享給大家，我們一起交流討論。
喜歡請點贊。還可以微信關注和置頂我的公眾號“玉樹芝蘭”(nkwangshuyi)。
如果你對資料科學感興趣，不妨閱讀我的系列教程索引貼《如何高效入門資料科學？》，裡面還有更多的有趣問題及解法。