数据基本上被用于每一个领域:研究DNA来治疗疾病，分析明星的位置和方向，跟踪政治活动和选民意见，帮助企业回应消费者的反馈，确定标准化考试分数，等等。即使在艺术和创意领域，数据科学也正在成为一项关键技能。中学生数据科学教育的重要性日益凸显。在这篇文章中，我们将讨论如何在高中准备数据科学的基础知识。

如何在高中从零开始学习数据科学(上)

由Tanmoy雷

为什么要在高中准备数据科学?

高中数据科学教育的差距

即使你的目标不是成为一个数据科学专业人士，成为一个精通数据的人在日常生活中也是非常重要的。数据帮助我们成为消息灵通的公民并做出决定，从选择职业道路或大学到了解新闻，知道我们如何接收我们的音乐、电影和产品推荐，甚至了解社交媒体新闻如何重申我们的政治信仰。

但是，在高中阶段的教育水平上有明显的差距。

在美国，一所大型公立学校开设的近200门课程中，只有两门侧重于统计或数据科学:入门级课程和先修课程(AP)。这是美国最好的公立学区之一。读从高中生的角度看数据科学教育为什么要改革．

招聘人员目前面临的挑战?

目前，大多数学生只在高中阶段接触到计算机科学或计算思维，在进入大学或工作后才第一次接触到数据科学。

随着挖掘大量数据的能力变得更加可行，下一代学生学习如何分析和实际地与更大的数据集进行交互也变得更加关键。

更新当前的课程，以反映这些技术范式的转变，包括数据科学，为高中生提供了一个初始工具箱，他们可以在大学和他们的职业生涯中使用来建立额外的技能。

高中数据科学学习现状

大多数高中都教授计算机处理和计算机科学的入门课程，有些学校还加入了新技术的基础课程。不幸的是，很少有高中开设专门学习数据科学的课程。

技术进步和社会如何与技术相互作用的演变在不断地发展。更新高中课程以反映这些变化对于下一代在全球经济中工作是必要的。阅读更多关于高中数据科学学习．

在2020年,南加州51所高中的3000多名高中生参加了数据科学课程在他们的课程。数据科学导论课程由加州大学洛杉矶分校设计。

计算机科学(或数学/物理)vs数据科学:12课后哪个更好?

根据Arun Kumar教授(加州大学圣地亚哥分校)的说法，数据科学项目将比大多数CS项目提供更多的统计/数学技能和数据驱动应用程序的实践经验(比如，在一个有混乱的真实数据集的领域科学)。所有这些都可以让你成为数据科学家、ML工程师等职业的先手。

计算机科学课程也可以通向这样的职业道路，但它可能需要学生更有意识地独立努力，以填补他们的统计/数学知识的空白，并获得实践经验的途径。

我对那些简单地把计算机科学课程加到统计学学位上，或者把统计学学位加到计算机科学课程上，而没有对课程进行更深入的教学思考就随大流的大学持谨慎态度。

- Arun Kumar，加州大学圣地亚哥分校副教授

读12课后学习计算机科学和数据科学的职业建议．

现在，我们将进入本文的主要议程——如何在高中准备数据科学。

为准备数据科学在高中学习的顶级技能

数据科学是关于讲故事和理解数字，反过来帮助我们理解情况，使企业做出更准确的决策，也被称为数据驱动的决策。

一句话，我们可以总结为从一组字母数字原始数据中获得有意义的见解。

编程技能

编程是数据科学技能旅程中最关键的组成部分之一，因为编程被用于数据科学工作功能的所有方面，如自动化任务、原始数据组织，以及实现、修改和使用机器学习算法。一个强大的编程基础将是完成所有这些任务的关键要求，因此求职者被期望默认拥有这些技能集。

下一个重要的问题是选择哪种语言?

R和Python都是行业中使用的同样有用的基础编程语言，但选择正确的语言取决于特定工作的经验和要求。

Python编程

例如,Python是一种通用、通用和多方面的编程语言，几乎用于所有的计算活动。它是一种开源的、基于社区的语言，结合了灵活性和特殊性。

它有数百个库来执行特定领域的工作。学习python是超级容易的，因为它支持简单易懂的英语语法，因此任何级别的用户都很容易掌握。

相关文章:

面向初学者的十大免费Python课程

最佳数据科学Python在线课程

R编程

另一方面，R是更多面向统计的可视化直观语言，主要用于从事统计分析和或有统计背景的人发现它很容易使用。

R中的语法比python稍微复杂一些，但更适合统计人员，而且它强大的可视化功能能够有效地传达结果。检查数据科学最好的R编程在线课程．

因此，必须根据自己的需求来选择语言。

综合开发环境(IDE)

ide是独立的或基于web的软件或桌面应用程序，可用于构建应用程序，它将常见的开发工具组合成单个图形用户界面。

一个IDE通常包含以下内容:

• 源代码编辑器:显示和突出显示代码的文本编辑器，以获得更好的视觉提示，这一部分可能还有一些额外的功能，如代码自动完成、更好的注释等。
• 本地构建自动化:简单的代码，通过自动化重复的任务和自动纠错使编码更容易。
• 除错器:一种能识别代码中的错误或错误，以便于改正的程序。

数据库

数据科学是关于数据和数据操作的，这是学习数据库和基于数据库的语言(如SQL)的主要原因。

SQL是结构化查询语言的缩写，在数据操作领域起着关键作用。具有数百万行和列的大型数据集通常很难通过传统技术进行管理，SQL提供了一种精确的方式来访问、定位、调整和检查大量数据集。

“使用Python、基本统计和SQL编写脚本是至关重要的，无论你从哪个方向获取数据”

-格温·布里顿，南新罕布什尔大学(SNHU)全球校园STEM和商业项目副校长

数学和统计

它是成为数据科学家道路上的关键组成部分之一，因为从数据中获得的见解都是关于统计的。统计数据描述了数据的性质，基于此我们可以理解数据的性质。强大的统计基础是至关重要的，因为理解统计数据可以让数据科学家选择可能对分析有用的各自算法。

统计学有助于破译隐藏在数字中的故事，并对从数字中得出的联系和模式获得更深入的见解。

除了统计数据，一个人还需要有扎实的线性代数和微分学知识，这是机器学习算法的基石。要了解算法的工作原理，数学基础是极其重要的，因为这将使学生能够解锁算法的全部潜力，而不是把它们当作黑匣子。

读18个最佳在线课程的数学，算法，数据结构的数据科学．

数据可视化

我们都知道这句话，“一幅图值1000个单词”，这句话在数据科学领域非常适用，因此知道可视化是该领域的另一个关键元素。

每种编程语言都有自己的数据可视化方法，但使用最多的库在R和Python两种语言中都有。这些库在创建静态和交互式图形表示方面都非常强大。

Python的数据可视化库

Matplotlib

它是一个2D绘图库，可以在Python脚本、Python和IPython shell、Jupyter笔记本、web应用服务器和四个图形用户界面工具箱中使用。

它是基于GUI的界面，易于可视化，并具有仅用几行代码呈现以下类型的图形输出的能力。

• 情节,
• 柱状图,
• 直方图,
• 功率谱,
• 干的情节,
• 散点图、
• 错误的图表,
• 饼图和更多....

最好的一点是，开发这些程序的代码可以很容易地在matplotlib文档中找到，这些文档可以在他们的网站上免费获得网站．

情节

它是一个2D和3D绘图库，是一个基于web的工具包，以探索和创建深刻的可视化。

它可以从任何python笔记本中访问，并且有一个有用的API(应用程序编程接口)，可以免费使用。它还具有各种绘图功能和功能，如:

• 散点图,
• 线图表,
• 柱状图,
• 误差线,
• 箱形图,
• 直方图,
• 多个轴,
• 次要情节和更多……

最棒的是，开发这些程序的代码可以很容易地在plotly文档中找到，这些文档可以免费获得网站．

R的数据可视化库

ggplot2

它是R中一个文档齐全且流行的包，它基于图形语法，使用绘图的基本构建块，可以在这个库中创建任何绘图。基本的构建块包括数据集、轴和标记，这对于使用这个库创建图形来说已经足够了。点击这里查看其官方文件。

ggvis

这是R中的另一个用于更好的数据可视化的包，它能够使用与ggplot2相同或类似的语法创建图形故事。该库也可以作为RStudio的独立应用程序使用，也可以从web浏览器中使用。这个包对于探索性数据分析非常有用。检查一下．

需要一些帮助来抢先一步吗?以下是stodnt可以帮助你的方法!

stodnt正在为高中生(9 - 12年级)举办令人兴奋的夏令营。检查出来!

1. 3周编程、数据科学、人工智能和云计算训练营(非常强调Python和实际应用程序，包括云部署)
2. 3周AI/ML &生物科学数据科学(涵盖Python和R，并侧重于生物学和生物医学领域的应用)
3. 2周生物信息学和生物统计学(涵盖R编程以及生物技术、生物统计学和生物信息学的基础知识)