厌倦了当前的工作，想要转行从事数据科学，但又没有计算机专业背景，应该如何入手呢？这类问题曾困扰过许多人。最近，一位名叫Dario的22岁数据科学家分享了自己通过自学成为数据科学家的经验。以下是他的建议：

对于那些能够自主学习在线课程和阅读书籍，但没有时间参加传统课堂教育的人来说，从零开始自学是非常可行的。在开始学习之前，如果你对线性代数、微积分、概率论与统计学以及编程都不熟悉，Dario建议你先补习这些基础知识，然后再学习Python。

完成基础知识的学习后，你可以进一步深入学习。

选择看书还是看视频

每天花一两个小时进行学习是必要的。那么，你是选择看书还是看视频呢？很多人不愿意在忙碌了一天之后继续看书，因此视频教程是一个很好的选择，你甚至可以在上下班的路上观看。

Dario首先推荐的是Udemy上的《数据科学与机器学习Python训练营》。这是他第一次接触数据科学时学习的课程。该课程使用Pandas和NumPy进行数据分析，并利用Matplotlib和Seaborn进行数据可视化。虽然内容不算太多，但对于入门数据科学已经足够。

此外，他还推荐了Coursera上由吴恩达教授主讲的《机器学习》课程。这门课程大约需要十多个星期的时间，采用英文授课，但提供中文字幕。该课程质量很高，平均评分达到4.9（满分5），吸引了超过260万用户注册。

优秀的入门书籍

如果你更喜欢通过阅读来学习，Dario还推荐了几本优秀的入门书籍。

第一本是《Python数据科学手册》。这本书从Jupyter Notebook入手，涵盖了数据科学中最重要的部分，如NumPy、Pandas、Matplotlib和Scikit-Learn。该书的中文版已于去年出版，评分高达9.3，适合非计算机专业的学生阅读。

第二本是《统计学习导论》。这本书的内容较为数学化，但易于理解。尽管书中使用的代码是用R语言编写的，但它仍然是一本很好的入门书籍。英文版提供免费下载（下载地址见文末），评分9.5；中文版评分8.3。

第三本是《Scikit-Learn与TensorFlow机器学习实用指南》。这本书可以帮助你深入了解机器学习的概念和算法。目前，该书的英文影印版和中文版都已经出版。

下一步行动

完成所有课程后，Dario建议初学者建立一个GitHub项目，并寻找五个数据集进行练习。在这个过程中，写下自己的结论和思考过程。这对于展示你的工作非常重要，尤其是当你没有相关学位时。GitHub是一个很好的展示平台。

希望这些建议对你有所帮助！