The Aspirational Data Scientist 主要涵盖哪些主题?

这个博客的主题可以从它的标签体系直接看出来：数据科学评论、在线课程评价、成为数据科学家三类是核心，另外还会延伸到生成式AI、游戏中的概率推理等话题。内容以个人经验分享为主，不是系统教程。如果你想按兴趣浏览，先看标签分类，再挑对应日期的文章即可。

标签显示的三条主线

博客的 Labels 区域列出了三个分类，括号里的数字是文章数量：

从数量看，前两类是主体，第三类偏少但更贴近“如何进入这个领域”的问题。

内容风格：个人经验而非教程

博客的副标题是 “How a Social Scientist Jumps into the World of Big Data”，作者背景是社会科学出身、转向大数据。这决定了它的写法：

• 以第一人称叙述自己的学习、选课、转行经历
• 评论和评价带有个人判断，不是中立的产品对比
• 会分享具体感受和取舍，而不是罗列功能参数

如果你的目标是找一套按部就班的入门教程，这里不太对口；如果你想看一个社科背景的人怎么一步步走进数据科学，参考价值更大。

延伸话题：不止于数据科学

从文章日期和摘要看，博客也会写数据科学之外的内容。例如 2026 年 2 月的一篇讲的是日本手游《赛马娘》（Umamusume）和生成式AI，作者从游戏里的抽卡、训练决策讲到概率推理——这恰好和数据科学的思维方式相通。摘要里还提到，作者会评价 Google 搜索结果里 AI 生成的答案。

这类文章说明博客的边界比较宽：凡是能用概率、统计、数据思维去聊的话题，都可能出现。对读者来说，这既是特色，也意味着主题不够聚焦。

怎么按兴趣浏览

• 想了解行业和工具：看 “Data science commentary”
• 想选在线课程：看 “Online course reviews”
• 想转行或入门：看 “Becoming a data scientist”
• 想看轻松一点的跨界内容：按日期翻较新的文章，比如游戏、AI 相关的那几篇

博客文章按日期倒序排列，标签是唯一的分类入口，没有更细的主题索引。所以最有效的方式是先点标签，再在标签内按时间挑。