原文：
www.kdnuggets.com/2021/07/practical-data-science-experience-career-ready.html
评论
在这篇文章中，我将给你三个方法，通过这些方法你可以自行获得实际的数据科学经验。完成这些项目后，你将对SQL、Pandas 和机器学习建模有一个深入的理解。
-
首先，我将提供一些真实的 SQL 案例研究，其中你会遇到商业问题，并需要查询数据库以诊断问题并提出解决方案。
-
第二，我将为你提供几十个 Pandas 实践问题，Pandas 是一个用于数据操作和分析的 Python 库。这将帮助你发展数据整理和数据清理所需的技能。
-
第三，我将为你提供各种机器学习问题，你可以开发机器学习模型来进行预测。通过这样做，你将学会如何处理机器学习问题，以及从头到尾开发机器学习模型所需的基本步骤。
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织进行 IT 管理
话虽如此，让我们深入探讨吧！
如果你想成为数据科学家，你必须具备强大的 SQL 技能。Mode 提供了三个实际的 SQL 案例研究，这些案例模拟了现实中的商业问题，还有一个在线 SQL 编辑器，你可以在其中编写和运行查询。
要打开 Mode 的 SQL 编辑器，请访问此链接，然后点击上面写着‘打开另一个窗口到 Mode’的超链接。
学习 SQL
如果你对 SQL 不熟悉，我建议你首先从Mode 的 SQL 教程开始，在那里你可以学习基本、中级和高级的 SQL 技巧。如果你已经对 SQL 有很好的理解，可以跳过这部分。
案例研究 1：调查用户参与度下降
- 案例链接.
本案例的目标是确定 Yammer 项目用户参与度下降的原因。在深入数据之前，你应该阅读一下 Yammer 的概述，点击这里。你需要处理 4 张表格。
案例链接将提供有关问题、数据和应回答的问题的更多详细信息。
如果你需要指导，可以查看我如何处理这个案例研究，点击这里。
案例研究 2: 理解搜索功能
- 案例链接。
本案例更侧重于产品分析。在这里，你需要深入分析数据，确定用户体验是好还是坏。这个案例有趣的地方在于，由你来确定什么是“好”和“坏”，以及如何评估用户体验。
案例研究 3: 验证 A/B 测试结果
- 案例链接。
数据科学中最实用的应用之一是进行 A/B 测试。在这个案例研究中，你将深入分析一个 A/B 测试的结果，其中对照组和处理组之间存在 50% 的差异。你需要在彻底分析后验证或否定这些结果。
当我刚开始开发机器学习模型时，我发现自己缺乏 Pandas 技能是一个很大的限制。不幸的是，互联网上没有太多资源可以让你练习 Pandas 技能，这与 Python 和 SQL 不同。
不过，几周前，我发现了这个资源— 这是一个专门为 Pandas 准备的练习问题的仓库。通过完成这些练习问题，你将学会：
-
筛选和排序数据
-
分组和汇总数据
-
使用 .apply() 操作数据
-
合并数据集
-
以及更多内容。
如果你能完成这些练习问题，你应该可以自信地说你知道如何在数据科学项目中使用 Pandas。这也将对下一部分有很大的帮助。
获得数据科学经验的最佳方法之一是创建你自己的机器学习模型。这意味着要找到一个公开的数据集，定义一个问题，并通过机器学习解决这个问题。
Kaggle 是全球最大的一个数据科学社区，拥有数百个数据集供你选择。以下是一些可以帮助你入门的想法。
预测葡萄酒质量
- 数据集点击这里。
图片来源于 Terry Vlisidis 在 Unsplash。
该数据集包含关于各种葡萄酒、其成分和葡萄酒质量的数据。这可以是回归问题或分类问题，具体取决于你的框架。看看你是否能预测一款红葡萄酒的质量，考虑 11 个输入（固定酸度、挥发酸、柠檬酸、残留糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH 值、硫酸盐和酒精）。
如果你想获得一些关于为这个数据集创建机器学习模型的指导，请查看我的方法这里。
二手车价格估算器
- 数据集 在这里。
图片来源于 Parker Gibbs 在 Unsplash。
Craigslist 是全球最大的二手车出售平台。该数据集由从 Craigslist 抓取的数据组成，并且每隔几个月更新一次。使用这个数据集，看看你是否能创建一个数据集来预测汽车列表是否定价过高或过低。
相关内容：