學習資料科學最快的方法不是再上一門影片課程，而是完整做完一個小專案——從原始資料走到一個真正的答案。
對於有志向的 K-12 學生來說，第一個專案能教會你課堂講授無法傳授的東西：如何整理雜亂的資料、提出清晰的問題，並為結論提供有力的論據。好消息是，最適合學生的資料科學專案都使用免費工具、公開資料集，以及你在幾個週末內就能掌握的技能。以下這些專案點子經過精心挑選，既容易上手，又具有真正的教育意義，足以寫進大學申請資料裡。
什麼樣的第一個專案才算好
一個出色的新手專案具備三個特徵：一份你真的能下載到的資料集、一個可以用「是/否」或一個數字回答的問題，以及一個你能用一句話向家長解釋清楚的結果。要避免那種開放式的「把所有東西都分析一遍」的目標。相反，應當框定一個具體的問題，比如「哪些因素最能預測一名乘客是否生還？」或者「過去的成績能否預測一名學生的下一次考試分數？」
大多數學生使用 Python，搭配免費的、業界標準的函式庫：用 pandas 處理表格，用 NumPy 做數學運算，用 Matplotlib 或 Seaborn 繪製圖表，用 scikit-learn 建立機器學習模型。你可以在瀏覽器裡透過 Google Colab 或 Jupyter Notebook 執行這一切，不需要安裝任何東西。如果你剛接觸程式設計，打好這個基礎與我們競賽程式設計專案中的內容高度重疊——學生將在那裡學到資料科學所依賴的 Python 基礎。
五個適合起步的專案點子
這些點子大致按照從最簡單到最有挑戰性的順序排列。挑一個，把它徹底完成，然後再繼續下一個。
- 鐵達尼號生還預測。經典的起點。利用一份公開的乘客資料集，你需要根據年齡、性別和船票等級來預測誰生還了。它能教會你資料清理、特徵工程，以及你的第一個分類模型。
- 房價估算。使用迴歸模型，根據面積、地段和房間數量等特徵來預測房價。這是入門「預測一個數字而非一個類別」的最佳途徑。
- 電影或音樂推薦系統。建立一個簡單的系統，根據使用者已經喜歡的內容來推薦影片或歌曲。它會引出「相似度」的概念，以及你每天看到的那些推薦背後的邏輯。
- 垃圾郵件與正常郵件分類器。這是通往自然語言處理的溫和入口：把文字轉化為數字，並訓練一個模型來標記垃圾郵件。
- 考試成績分析。探索一份學生成績資料集，找出哪些學習習慣與分數相關，然後把這些規律視覺化。這個專案很有代入感，也非常適合練習如何畫出清晰的圖表。
小提示：把一個專案從頭到尾做完，勝過同時開啟五個。一份完整、文件齊全的鐵達尼號筆記本，比三個半途而廢的專案更能說明你的實力。
如何真正把專案做完
把每一個專案都當作同樣的五個步驟來處理，工作就不再讓人望而生畏：
- 取得資料。從公開來源下載一份乾淨的 CSV 檔案，並把它載入到 pandas 中。
- 探索資料。查看各個欄位，統計缺失值，並畫幾張圖。這個階段被稱為探索性資料分析，大部分洞見都來自這裡。
- 清理與準備。填補或刪除缺失值，並把文字類別轉換成模型能夠使用的數字。
- 建立模型。從一個簡單的 scikit-learn 模型開始。要克制使用花俏技術的衝動。
- 解釋結果。寫一小段話，說明你發現了什麼，以及你對結論有多大把握。溝通是資料科學的另一半。
當你準備好接受回饋、登上真正的排行榜時，資料科學競賽就是順理成章的下一步。像 Kaggle 這樣對新手友善的平台會舉辦入門挑戰（鐵達尼號問題就是其中之一），並附有免費教學；一些以教育為導向的競賽還明確歡迎沒有任何程式設計經驗的學生，並允許組成小隊參賽。請務必在官方競賽網站上核對當前的參賽資格、截止日期和規則，因為這些每個賽季都會變動。
把一個專案轉化為真正的動能
一個完成的專案自然會引出更深入的問題，而這種好奇心，正是推動一項嚴肅的獨立研究專案的動力所在。喜歡建模那一面的學生往往會走向我們的人工智慧與機器學習方向，而熱愛解題嚴謹性的學生則會在演算法和競賽中如魚得水。
在 BIAA，我們幫助學生選好第一個合適的專案，扎實地學會工具，並從一份筆記本成長到參加競賽、進行原創研究。如果你已經準備好開始，了解我們的人工智慧專案，踏出把資料轉化為發現的第一步。