原文：
www.kdnuggets.com/2021/02/build-first-data-science-application.html
评论
由 Naser Tamimi，壳牌的数据科学家
由 Kelly Sikkema 在 Unsplash 上拍摄
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 工作
我需要学习什么才能制作我的第一个数据科学应用？关于网页部署呢？我是否需要学习 Flask 或 Django 来开发网页应用？我是否需要学习 TensorFlow 来制作深度学习应用？我应该如何设计我的用户界面？我还需要学习 HTML、CSS 和 JS 吗？
当我开始学习数据科学时，这些问题总是萦绕在我脑海中。我学习数据科学的目的不仅是为了开发模型或清理数据。我想要制作人们可以使用的应用。我在寻找一种快速制作 MVP（最小可行产品）以测试我的想法的方法。
如果你是一名数据科学家，想要制作你的第一个数据科学应用，在这篇文章中，我会展示你需要学习的 7 个 Python 库。我相信你已经知道其中的一些，但我在这里提到它们是为了那些不熟悉的人。
由 Med Badr Chemmaoui 在 Unsplash 上拍摄
数据科学和机器学习应用都涉及数据。大多数数据集都不干净，需要进行某种清理和处理。Pandas 是一个可以加载、清理和处理数据的库。你可以使用像 SQL 这样的替代方案来进行数据处理和数据库管理，但 Pandas 更加简单，对希望成为开发者（或至少是 MVP 开发者）的数据科学家来说更为实用。
安装并了解更多关于 Pandas 的信息 这里。
在许多数据科学项目中，包括计算机视觉，数组是最重要的数据类型。Numpy 是一个强大的 Python 库，允许你处理数组、操作它们并高效地应用算法。学习 Numpy 是使用我稍后提到的其他库的必要条件。
安装并了解更多关于 Numpy 这里 的信息。
这个库是许多类型的机器学习模型和预处理工具的工具包。如果你在做机器学习项目，几乎没有可能不需要 SciKitLearn。
安装并了解更多关于 SciKit-Learn 这里 的信息。
神经网络，特别是深度神经网络模型，是数据科学和机器学习中非常流行的模型。许多计算机视觉和自然语言处理方法都依赖于这些方法。一些 Python 库提供了访问神经网络工具的功能。TensorFlow 是最著名的，但我认为初学者使用 TensorFlow 较为困难。相反，我建议你学习 Keras，它是 TensorFlow 的一个接口（API）。Keras 使你作为人类能够轻松测试不同的神经网络架构，甚至构建自己的网络。另一个最近变得流行的选择是 PyTorch。
安装并了解更多关于 Keras 和 PyTorch 的信息。
如今，许多数据科学应用程序都在使用 APIs（应用程序编程接口）。简单来说，通过 API，你可以请求服务器应用程序给你访问数据库或为你执行特定任务。例如，Google Map API 可以获取你提供的两个位置，并返回它们之间的旅行时间。没有 API，你必须重新发明轮子。Requests 是一个与 API 交互的库。现在，成为一名数据科学家几乎离不开使用 API。
安装并了解更多关于 Requests 这里 的信息。
绘制不同类型的图表是数据科学项目的一个重要部分。虽然 Python 中最受欢迎的绘图库是 matplotlib，但我发现 Plotly 更专业、易于使用且灵活。Plotly 中的图表类型和绘图工具种类繁多。Plotly 的另一个优点是其设计。与具有科学外观的 matplotlib 图表相比，Plotly 看起来更友好。
安装并了解更多关于 Plotly 这里 的信息。
在用户界面方面，你必须在传统外观的用户界面和基于网页的用户界面之间进行选择。你可以使用像 PyQT 或 TkInter 这样的库来构建传统外观的用户界面。但我的建议是，尽可能制作能够在浏览器上运行的网页应用程序。为了实现这一点，你需要使用一个提供浏览器小部件的库。ipywidgets 提供了一组丰富的 Jupyter Notebook 小部件。
安装并了解更多关于 ipywidgets 的信息，请点击 这里。
你需要学习的最后几个工具是最简单的。首先，ipywidgets 在 Jupyter Notebook 中工作，你需要使用 Jupyter 来制作你的应用。我相信很多人已经在模型构建和探索性分析中使用 Jupyter Notebook。现在，将 Jupyter Notebook 视为前端开发工具。此外，你需要使用 Voila，一个第三方工具，它可以隐藏 Jupyter Notebook 中的所有代码部分。当你通过 Voila 启动 Jupyter Notebook 应用时，它就像一个网页应用。你甚至可以在 AWS EC2 机器上运行 Voila 和 Jupyter Notebook，并通过互联网访问你的简单应用。
安装并了解更多关于 Voila 的信息，请点击 这里。
使用我在本文中提到的 7 个库，你可以构建出人们使用的数据科学应用。通过精通这些工具，你可以在几小时内构建 MVP，并用真实用户测试你的想法。之后，如果你决定扩展应用程序，你可以使用 Flask 和 Django 等更专业的工具，除了 HTML、CSS 和 JS 代码。
在 Medium 和 Twitter 上关注我，获取最新故事。
个人简介： Naser Tamimi 是一名为 Shell 工作的数据科学家。他的使命是教会读者他通过艰难的方式学到的东西。
原文。经许可转载。
相关内容：
-
使用 Pipes 进行更清晰的数据分析
-
使用 5 个必备的自然语言处理库入门
-
机器学习项目失败的五大原因