学习数据科学最快的方法不是再上一门视频课程，而是完整做完一个小项目——从原始数据走到一个真正的答案。
对于有志向的 K-12 学生来说，第一个项目能教会你课堂讲座无法传授的东西：如何整理杂乱的数据、提出清晰的问题，并为结论提供有力的论据。好消息是，最适合学生的数据科学项目都使用免费工具、公开数据集，以及你在几个周末内就能掌握的技能。下面这些项目创意经过精心挑选，既容易上手，又具有真正的教育意义，足以写进大学申请材料里。
什么样的第一个项目才算好
一个出色的新手项目具备三个特征：一份你真的能下载到的数据集、一个可以用「是/否」或一个数字回答的问题，以及一个你能用一句话向家长解释清楚的结果。要避免那种开放式的「把所有东西都分析一遍」的目标。相反，应当框定一个具体的问题，比如「哪些因素最能预测一名乘客是否生还？」或者「过去的成绩能否预测一名学生的下一次考试分数？」
大多数学生使用 Python，配合免费的、业界标准的库：用 pandas 处理表格，用 NumPy 做数学运算，用 Matplotlib 或 Seaborn 绘制图表，用 scikit-learn 搭建机器学习模型。你可以在浏览器里通过 Google Colab 或 Jupyter Notebook 运行这一切，无需安装任何东西。如果你刚接触编程，打好这个基础与我们竞赛编程项目中的内容高度重叠——学生将在那里学到数据科学所依赖的 Python 基础。
五个适合起步的项目创意
这些创意大致按照从最简单到最有挑战性的顺序排列。挑一个，把它彻底完成，然后再继续下一个。
- 泰坦尼克号生还预测。经典的起点。利用一份公开的乘客数据集，你需要根据年龄、性别和船票等级来预测谁生还了。它能教会你数据清洗、特征工程，以及你的第一个分类模型。
- 房价估算。使用回归模型，根据面积、地段和房间数量等特征来预测房价。这是入门「预测一个数字而非一个类别」的最佳途径。
- 电影或音乐推荐系统。搭建一个简单的系统，根据用户已经喜欢的内容来推荐影片或歌曲。它会引出「相似度」的概念，以及你每天看到的那些推荐背后的逻辑。
- 垃圾邮件与正常邮件分类器。这是通往自然语言处理的温和入口：把文本转化为数字，并训练一个模型来标记垃圾邮件。
- 考试成绩分析。探索一份学生成绩数据集，找出哪些学习习惯与分数相关，然后把这些规律可视化。这个项目很有代入感，也非常适合练习如何画出清晰的图表。
小贴士：把一个项目从头到尾做完，胜过同时开启五个。一份完整、文档齐全的泰坦尼克号笔记本，比三个半途而废的项目更能说明你的实力。
如何真正把项目做完
把每一个项目都当作同样的五个步骤来处理，工作就不再让人望而生畏：
- 获取数据。从公开来源下载一份干净的 CSV 文件，并把它加载到 pandas 中。
- 探索数据。查看各个列，统计缺失值，并画几张图。这个阶段被称为探索性数据分析，大部分洞见都来自这里。
- 清洗与准备。填补或删除缺失值，并把文本类别转换成模型能够使用的数字。
- 构建模型。从一个简单的 scikit-learn 模型开始。要克制使用花哨技术的冲动。
- 解释结果。写一小段话，说明你发现了什么，以及你对结论有多大把握。沟通是数据科学的另一半。
当你准备好接受反馈、登上真正的排行榜时，数据科学竞赛就是顺理成章的下一步。像 Kaggle 这样对新手友好的平台会举办入门挑战（泰坦尼克号问题就是其中之一），并配有免费教程；一些以教育为导向的竞赛还明确欢迎没有任何编程经验的学生，并允许组成小队参赛。请务必在官方竞赛网站上核对当前的参赛资格、截止日期和规则，因为这些每个赛季都会变动。
把一个项目转化为真正的势头
一个完成的项目自然会引出更深入的问题，而这种好奇心，正是推动一项严肃的独立研究项目的动力所在。喜欢建模那一面的学生往往会走向我们的人工智能与机器学习方向，而热爱解题严谨性的学生则会在算法和竞赛中如鱼得水。
在 BIAA，我们帮助学生选好第一个合适的项目，扎实地学会工具，并从一份笔记本成长到参加竞赛、开展原创研究。如果你已经准备好开始，了解我们的人工智能项目，迈出把数据转化为发现的第一步。