医学生数据科学之路-Ⅰ（基础篇）机器学习数据分析

The data science roadmap for medical students
开学后智能医学社已经进行了几次练习，但学生的完成情况并不理想，今天我准备为医学生做一下课程的体系构建，这样能让想学习的同学提前学习，落后的同学，知道自己在哪个阶段，哪个步骤了。
医学生并不是专业的coder或者engineer，所以类似的Roadmap并不太适用。
【医学生数据科学之路-Ⅰ（基础篇）】医学生想要步入数据科学，以下几点必须注意：

弱化数学及统计学
短期速成，容易掌握
启发思维为主，主张代码复用
符合医学思维和医药数据需求
实践为王，解决医学科学问题

先上图，数据科学金字塔，如果你按我的知识体系，能以最快的速度爬到塔尖

文章图片

我们采用的程序语言是python和R，至于为什么，根本无需解释了。我更喜欢R，双条腿走路，不吃亏。整个学习体系，大部分以现有的优秀教程为主，实在不行，我就自己做教程，一步一步带你到达巅峰。最后警告大家一句：高处不胜寒！
Week 1 / Git、R、python 基础，小热身本周，通过一些小练习和一些基础教程，来学习一些简单的编程语法和版本控制（git）。

Python 新手入门课,该课程包含了git的部分内容
git/github采用token进行认证访问，解决部分git中的问题
20节R视频课程，零基础学习R！ - 专栏课程 - 医咖会 (mediecogroup.com)，经典入门课，只看到2章即可

Week 2 / 环境搭建，R和python形影不离数据科学的王者是Anaconda，但我觉得它似乎太臃肿了，我更倾向于自己搭建。

必备工具
Python 数据科学环境搭建（jupyter-lab）
R环境搭建R&Rstudio安装与配置
数据科学本地环境搭建Python&R（jupyter lab | Rstudio）视频

所有工具,都建议采用英文界面,所有工具的安装目录都不得出现中文

Week 3 / 扫盲科普数据科学必须了解的概念：机器学习，深度学习，神经网络，机器学习经典模型（算法）
每个视频都不长。算是入门科普。
是什么系列
https://www.bilibili.com/vide...
https://www.bilibili.com/vide...
https://www.bilibili.com/vide...
https://www.bilibili.com/vide...
https://www.bilibili.com/vide...
经典算法5分钟
https://space.bilibili.com/10...

文章图片

文章图片

Data！Data！Data！
编程语言数据类型

文章图片

统计学数据类型

Numeric
Data that are expressed on a numeric scale.
- Continuous
  Data that can take on any value in an interval. (Synonyms: interval, float, numeric)
- Discrete
  Data that can take on only integer values, such as counts. (Synonyms: integer, count)
Categorical
Data that can take on only a specific set of values representing a set of possible categories. (Synonyms: enums, enumerated, factors, nominal)
- Binary
  A special case of categorical data with just two categories of values, e.g., 0/1, true/false. (Synonyms: dichotomous, logical, indicator, boolean)
- Ordinal
  Categorical data that has an explicit ordering. (Synonym: ordered factor)

文章图片

Rectangular Data The typical frame of reference for an analysis in data science is a rectangular data object, like a spreadsheet or database table.

xml,json,csv.....

Data frame

Rectangular data (like a spreadsheet) is the basic data structure for statistical and machine learning models.

Feature A column within a table is commonly referred to as a feature.

attribute, input, predictor, (independent) variable, regressors, covariates

Outcome measurement Y Many data science projects involve predicting an outcome Y

dependent variable, response, target, output

In the regression problem, Y is quantitative (e.g price, blood pressure).
In the classification problem, Y takes values in a finite, unordered set (survived/died, digit 0-9, cancer class of tissue sample).

Records A row within a table is commonly referred to as a record.