新的壹年不僅僅意味著換壹本新臺歷或者揉著眼睛在下壹個清晨醒來。新的壹年應該擁有壹個新開端的喜悅，它賦予我們充分的理由去養成新習慣，也標誌著新“希望”的到來。
如果妳看到這篇文章的題目開始閱讀本文，那麽壹定是數據科學激起了妳的興趣。妳肯定希望2016年成為妳的轉運年，對不對？如果妳從今天起堅持去執行這些新年計劃，轉運的可能性就會更大。要知道，成為壹名數據科學家不能壹蹴而就，需要的是壹個過程。因此，朝目標邁進的過程中壹定要充滿耐心。
根據發展階段的不同，我在此給大家分享壹些每個數據科學家都應該做的新年計劃。當然這個列表比較籠統，大家可以根據自己的需求去調整。
壹名數據科學家的新年計劃
根據數據科學家壹生的三個發展階段，我將這些計劃做了分類。大家可以自己判斷哪些計劃適合自己並按照計劃行動起來。如果妳已經成功地完成了現有階段的任務，就可以轉向下壹階段。我還列出了現有的有關該主題的最佳課程。為了實現最佳效益，我建議大家逐壹學習。
初學者水平
什麽是初學者？——如果解析學和數據科學對妳來說是全新的領域，妳也不知該行業的發展模式，而妳又想在這個行業大展拳腳壹番，那麽初學者就是妳。以下這些應該在妳的計劃之內。
1. R語言也好，Python語言也好，學習壹門新的編程語言
我曾見到有同學同時學習R語言和Python語言，最後落得兩手空空。這種做法是很致命的。妳壹定要沈下心來專攻壹門。鑒於這兩種語言都是開放源代碼工具，所以在公司裏都有廣泛運用。Python被公認為最簡單的編程語言，而R語言壹直都是最受青睞的統計工具。學習哪壹門的決定權在妳，因為兩個同等出色。
推薦課程：學習Codecademy上的Python語言課程；學習DataCamp上的R語言課程。
2. 學習統計學和數學
統計學的內容全都是關於假設和數列，然而沒有統計學和數學的知識妳很難深入到數據行業裏，這是數據科學家的重中之重。如果妳不擅長數學，那現在是時候走出困境了。面對深奧的統計、幾何和概率領域知識時，壹定不要驚慌。可汗學院（Khan Academy）、Udacity等站點上都有很多優質的統計學課程。下載APP，現在就能開始學習！
推薦課程：Udacity上的推論統計學和描述統計學課程；可汗學院（Khan Academy）上的幾何課程。
3.每次完成壹門網絡開放課程（最難執行）
大規模網絡開放課程可以免費獲取和學習，可這對妳來說也是最難實現的諾言。很多學生通常壹次性註冊選修很多課程，結果壹門也沒有圓滿完成。所以，妳壹定要壹次專註壹門課，完成之後再選下壹門。妳也可以在Coursera，edX和 Udacit上查找任何想要的學習課程。
推薦課程：例如學習Coursera上的數據科學專業化（R語言）課程；學習Dataquest上的數據科學Python語言課程。
4. 融入業界、發現新知、不斷拓展
妳要了解業內動態。我們生活在壹個變化的世界，壹夜之間事物就可能發生重大變化，今日風靡的技術明日就很可能面臨淘汰。妳壹定要與富有經驗的專業人士、業內專家交流，預見未來的自己。所以趕快參與到討論和聚會中來吧，關註壹些微博微信，加入壹些群組，多閱讀壹些書籍。
中級水平
中級水平的數據科學家是什麽樣的？——如果妳已經完成了前壹階段的內容，有過機器學習基礎知識的實踐經驗，掌握了建立預測模型的知識，那妳就達到了中級水平。完成這壹階段需要強大的決心和持久的練習。迎接這個挑戰，妳做好準備了嗎？
1.理解並構建妳的機器學習技能
機器學習是數據科學和技術的未來。所有的大型企業都不惜重金雇用掌握這個技能的人才。毫無疑問，近日來這項技術的需求越來越大，現在正是妳充分利用這壹局面的大好時機。今年，妳應該努力在機器學習上精益求精，深入掌握回歸、聚類和分類與回歸樹（CART）技能。Andrew Ng上妳可以找到關於機器學習的免費資源。
推薦課程：完成Andrew Ng機器學習課程任務。
2. 專註集成算法和Boosting算法
壹旦妳對機器學習充滿自信，那就繼續去學習其他模型。通過Boosting和集成算法，妳的模型準確率與其他算法相比會突飛猛進。上述免費資源裏也包含這壹主題。不過壹定要讓自己做好心理準備，拿下這個主題需要超強的理解力。
推薦課程：閱讀Kaggle Ensembling Guide。學習MIT LectureBoosting相關課程。
3. 探索Spark、NoSQL和其他大數據工具
今年妳的學習之旅始於大數據。考慮到大數據專業人員的需求激增，妳壹定要學習Spark，這個工具最近非常火爆。大數據的未來就在Spark，它廣泛用於處理和操縱數據。除此之外，妳還可以拓展到NoSQL和Hadoop領域來。
推薦課程：從Spark邁出學習第壹步。
4.給社區成員做分享
還有什麽比分享知識更美妙呢！從今年開始，妳可以把自己的知識分享給正在數據科學的路上不斷探索的人們。妳可以加入活躍的數據科學論壇，給他們答疑解惑，以妳的靈招妙計給他們做培訓。妳也可以在附近的行業圈裏發起聚會。
5.參加數據科學競賽
是時候檢驗妳的真才實學了。今年妳壹定要參加壹些競賽。這些競賽會引導妳去關註自己的弱勢領域。此外，妳也會因已有的學識而信心倍增。我希望妳可以榮登Kaggle500強數據科學家之列。而現在，妳的目標就是堅持到底。
推薦任務：加入Kaggle。加入Data Hack。
附言：有時競賽也會有難度。妳也可以通過這些實際的問題來檢驗妳的技能和知識。這些問題不難，並且妙趣橫生。
高級水平
對於進入這個階段的人我就不需要來給出標準了，妳們所了解的數據科學，很多人甚至連嘗試的勇氣都沒有。身處這壹階段，妳們的生活愜意而又自如。可有時還想去迎接挑戰，以下是壹些計劃。
1. 建立深度學習模式
今年，妳們要為有誌於成為數據科學家的人們樹立榜樣。妳要下決心在今年建立深度學習的模式。全球的人都在用這壹模式進行預測，它是機器學習的高級階段，其準確率明顯高於普通的機器學習模型。
推薦課程：完成深度學習輔導課程任務。
2.回饋
我相信知識的意義不是被束之高閣，而是與人分享。分享越多，收獲越大。據說，如果妳了解壹個新概念並解釋給妳的兩個朋友，妳對這個概念的記憶很可能會更久。所以今年，妳必須制定計劃，運用自己的知識和經驗幫助數據分析學領域的人。這也會為更多的在這個領域的人指明方向。
3. 探索強化學習
強化學習是機器學習中最有效而又鮮有發現的領域。今年，妳可以下定決心研究下這個領域。雖然很有挑戰性，但是壹定值得妳去嘗試。無人汽車、無人偵察機就是強化學習的碩果。壹旦開始學習這些，妳就自然而言地進入到了人工智能領域。
推薦課程：學習 Andrew Moore的輔導課程。
4. 位列Kaggle50強
今年，妳要下定決心保持Kaggle上的領先地位。具體來說，就是在Kaggle50強中占有壹席之地。參加壹些與自己的知識相符的競賽。與其他的選手團結協作。在這個競爭階段，妳壹定會有意想不到的收獲。
推薦任務：參加Kaggle。
尾註
我相信，這些計劃也許對妳來說很富有挑戰，但是很值得壹試。妳可以根據自己的現狀開始壹項計劃。我只是簡單地列出了有事業心的數據科學家必須采取的壹些計劃。
上周，我意識到有的人在決定壹個新年計劃時會信心不足。我也曾為此而憂心忡忡。因此，我才打算寫這篇文章。我希望2016年結束之前，大家可以達到初學者水平（假定妳剛剛入行）。
本文也許能消除妳制定新年計劃時的壹些疑慮。作為壹位有事業心的數據科學家，我已經為大家提供了很多參考課程，大家壹定要逐壹消化後再不斷前進。如果妳有難以圓滿完成計劃的感想。
end