新的一年到来之际，一个数据科学家为自己制定了如何成长为顶级数据分析师和数据挖掘师的计划。根据不同的发展阶段，他分享了一些适合每个数据科学家的新年计划。这些计划涵盖了从基础到高级的不同层次，可以根据个人需求进行调整和补充。

数据科学家的新年计划

根据数据科学家的三个发展阶段，以下是按不同级别划分的建议计划。你可以根据自身情况选择合适的计划并付诸行动。如果你已经成功完成当前阶段的任务，可以考虑向下一个阶段迈进。此外，我还列出了一些现有最佳课程供参考。

初级水平

对于初学者来说，如果数据分析和数据科学是全新领域，而且你渴望在这个行业有所作为，以下建议应纳入你的计划：

1. 学习一门新的编程语言
   无论是R语言还是Python语言，选择一种编程语言并深入学习。两种语言都是开源工具，在公司中广泛使用。Python因其简单易学而广受好评，R语言则在统计分析方面表现突出。你可以根据自己的兴趣选择。

   • 推荐课程：在Codecademy学习Python课程；在DataCamp学习R语言课程。
   • PS：推荐入门课程包括《Python入门：数据挖掘实战》和《R语言入门》。

2. 学习统计学和数学
   统计学和数学是数据行业不可或缺的基础。你需要克服对统计学和数学的恐惧，利用可汗学院（Khan Academy）、Udacity等平台上的优质课程进行学习。

   • 推荐课程：在Udacity学习推论统计学和描述统计学；在可汗学院（Khan Academy）学习几何课程。

3. 完成一门网络开放课程
   尽管大规模开放在线课程（MOOC）可以免费学习，但坚持完成一门课程却不容易。务必一次专注于一门课程，完成后才继续下一门。

   • 推荐课程：在Coursera学习数据科学专业（R语言）课程；在Dataquest学习数据科学（Python语言）课程。
   • PS：推荐进阶课程包括《R语言实战》和《Python进阶：数据挖掘算法》。

4. 了解业界动态，善于探索和发现
   关注业内动态，多与专业人士交流，加入讨论和群组，阅读相关书籍。

   • 推荐书籍：大数据相关电子书集。

中级水平

对于已经完成初级阶段、具备机器学习基础知识和实践经验的人来说，以下计划可以帮助你进一步提升：

1. 提升机器学习技能
   机器学习是数据科学的重要组成部分。你应该致力于深入学习回归、聚类和分类与回归树（CART）技能。在Andrew Ng的课程中可以找到丰富的免费资源。

   • 推荐课程：在Andrew Ng的课程中完成机器学习任务。
   • PS：推荐课程包括《机器学习与R语言实践》和斯坦福大学的《机器学习》课程。

2. 学习集成算法和Boosting算法
   一旦你对机器学习有了足够的信心，可以继续学习其他模型。Boosting和集成算法能够显著提高模型准确性。

   • 推荐课程：阅读Kaggle Ensembling Guide；学习MIT的Boosting课程；观看《Python进阶：数据挖掘算法》视频课程。

3. 学习Spark、NoSQL及其他大数据工具
   考虑到大数据专业人员的需求增加，学习Spark、NoSQL和Hadoop等工具至关重要。

   • 推荐课程：从Spark开始学习；观看《大数据实战工具Spark》课程。

4. 参与社区活动，分享知识
   分享你的知识，加入活跃的数据科学论坛，举办聚会，解答问题。

   • 推荐任务：关注大数据公众号和论坛。

5. 参加数据科学竞赛
   参加竞赛可以检验你的技能和知识。加入Kaggle、Data Hack、DataCastle和天池大赛等平台。

   • 推荐任务：加入Kaggle、Data Hack、DataCastle和天池大赛。

高级水平

对于已经进入高级阶段的人来说，以下建议可以帮助你进一步提升：

1. 建立深度学习模式
   今年，你应该下定决心建立深度学习模式。深度学习是机器学习的高级阶段，能显著提高模型的准确性。

   • 推荐课程：完成深度学习辅导课程。

2. 回馈社区
   知识的价值在于分享。今年，你应该制定计划，利用自己的知识和经验帮助数据分析领域的其他人。

   • 推荐任务：在社区分享你的知识。

3. 探索强化学习
   强化学习是机器学习中最具挑战性的领域之一，但也非常有潜力。今年，你可以尝试学习这个领域，进入人工智能领域。

希望以上计划对你有所帮助，祝你在新的一年里取得更大的进步！