我也有物理学硕士学位，所以也许你可以联系！

要做的第一件事就是让你的 Python 基础更牢固。从Youtube挑选一个 Python 初学者教程，学习所有基础知识。这应该花费你不到一周的时间。

对于所有新手来说，一个好的起点是Kaggle。它是一个面向初出茅庐和经验丰富的数据科学家的平台，如果您是新手（为此目的有 Kaggle 教程），您可以从头开始学习数据科学，或者您可以参加 Kaggle 比赛，在那里您可以衡量您与其他人的对比人们。

另一个不错的选择是Youtube教程（如上所述）。实际上，您可以在数据科学/数据分析中想象的每个主题都有数百个教程。他们还将为您提供适当的指导方针和最佳实践，以供您在数据科学中遵循。

我推荐关注的一个频道是 Krish Naik（我个人也关注他的频道）。他拥有几乎所有数据科学主题的完整教程。他的频道是建立数据科学基础的好地方。基本上要遵循的策略是（他推荐相同的策略！）按照他的教程来很好地掌握基础知识，一旦你掌握了它们，你就可以继续前进。我个人也遵循了同样的策略，相信我会有很大帮助！

您可以关注的另一个渠道是 Codebasics。他也有一些很好的教程！

我没有读任何书，因为我更愿意从解释每一个小而愚蠢的事情的视频中学习。但这是个人喜好的问题。如果您从书本中轻松学习，请继续。

互联网上有大量的数据科学资料，无论是文章、视频还是竞赛。只需选择一两个平台即可开始，无需在收集材料或选择哪个平台上浪费太多时间！

干杯!

我也是 DS 世界的新手，但我觉得非常有帮助的一件事是我强烈推荐的就是“手工”做很多工作。您可以在 DS 或机器学习中使用的所有模型都在 pandas 和 sklearn 等 python 库中得到了完美的覆盖和实现。一开始我发现超级有用的是：尝试自己编写模型。例如创建一个简单的线性回归，创建一个感知器（最简单的神经网络）或一个基本的分类器，如 K-Nearest Neighbor，只使用基本的 Python 库，如 numpy。

这将真正帮助您了解模型的工作原理。