从9月起正式准备，到12月底完成考试，提前半年完成了自己的6月考完Level1后的诺言，而且如愿得到了A。只是这次的成绩虽有惊喜但也并不强烈，一来自己准备了这么久，有点水到渠成的感觉；另外实际参加了其它的比赛后，愈发感觉自己基础的薄弱。所以这次的备考心得，也只能说班门弄斧，大家可以参考但也要根据自己的实际情况调整。
一、我的基础
2019年3月开始看吴恩达的《机器学习》视频，囫囵吞枣、不明所以，所以6月整月自学统计学才仅仅以C的成绩通过了Level1。其实现在回过头再看，Level1才是重中之重，只有数据分析的相关知识搞懂了，Level2建模的时候才知道该如何处理数据，否则也就只是一个调包虾而已。
6月考完level1后，整个7-8月都在边看唐宇迪的《Python数据分析与机器学习实战》，边打一个比赛，不过可惜最终只是入围了复赛，止步11名。不过在比赛中，实际了解了数据挖掘的方方面面，有了很大的收获，并把经验汇总成了博客《 数据挖掘：智慧教育竞赛复盘》。
所以综上，我备考前的基础还是有一些的，只是不是很清晰，这次的考试也算帮我把基础重新搭了一遍。
二、备考经验
由于9月开始备考，12月才考试，所以实际上有整整4个月，时间很充裕。我在这4个月里，主要做了以下几方面的工作：
1、大纲解析的阅读
CDA Level2的大纲解析整理的真心不错，把一些数据挖掘的重点都整理了出来，当然还有一些小问题（主要是公式）。大纲我总共看过4遍，每个月1次，每次都有新的体会。
第一遍阅读，让我了解自己哪些基础不对，针对性调整。
第二遍阅读，整理出了思维导图。
第三遍阅读，是和后面的两份模拟卷结合起来看的，同时在笔记本上做好笔记。
第四遍阅读，查遗补漏，最后温习。
2、模拟卷和官方题库的自学
模拟卷很重要，实际考试中有不少都是大纲解析和模拟卷中的原题，有可能稍有变动，但只要搞清楚了得分也就很容易了。
官方题库链接：http://tiku.cda.cn/select-1-CDA二级(建模).html
3、主要书籍阅读
我这边主要推荐4本书：
1）、《数据挖掘导论》，蓝色的中文翻译版，书很厚，但是里面的内容挺有用的，大纲解析里没讲明白的地方大多都能在里面找到答案；
2）、《机器学习》（西瓜书），阅读难度比《数据挖掘导论》高了一个等级，我是挑着看的；
3）、《利用Python进行数据分析》，里面主要教你pandas、numpy等一些基础操作，如果已经会用的则可以略过；
4）、《Python机器学习基础教程》，教你怎么用sklearn，你也可以看《机器学习实战》，不过后者我没看过，听说是用python2.7写的。
4、实战
使用kaggle的练习赛是可以，但最好是参加一次实际的比赛，将学到的东西运用在比赛中会更有感觉。
相关的比赛有很多，比如kaggle、天池、CCF，甚至CDA自己举办的竞赛都是可以的。
如果想获得最新的比赛动态，可以加公众号：麻婆豆腐AI
注：第一次比赛如果找不到肯定能一同走到底的队友的话，还是建议一个人先做起来，不然被队友拖累了进度，最后大多都是半途而废。
5、整理
学好后如果不做整理，最后必然是慢慢遗忘。在备考前，我花了一周的时间把所学所知都整理了一遍，并以博客的形式分享（就好比这一份），主要包括：
1）、《七种常用监督类预测模型的特征、优缺点整理》
2）、《CDA LEVEL2 大纲解析案例题Python实现代码》
3）、《Python：3个常用数据检验代码实现》
4）、《Python：14个常用数据清洗代码》
5）、《CDA Level2 模拟题1 Python代码实现》
6）、《CDA Level2 模拟题2 Python代码实现》
考试后，我还把考试的实操题做了一下复盘：《CDA第11届Level2建模案例题Python代码实现》
另外我还整理了一份常用建模代码，主要是不同的模型需要导入哪些库以及调参的注意点等等，这个因为未做好就不献丑了。
通过整理，使我对知识结构更加清晰了。
三、提醒
CDA Level2的考试并不难，只要认真复习了，再加上代码整理想通过小意思。但是即使通过后，除了那一张证书外，你还收获了什么？是否已经可以实际运用在工作中呢？
对我来说，拿到一份数据后，我知道了该怎么看数据分布（上下采样），根据不同字段的属性与业务结合做不同的处理（特征筛选），使用不同的手段进行数据预处理和特征工程（缺失值填充、LabelEncoder、one-hot等等），这些基础工作是否做好直接影响到你最后模型的精准度。
最后再提醒一下大家，Level2的证书仅仅只是代表你这次考试过了，但实际工作的场景远要复杂得多，所以当工作中碰到了问题，不妨回过头去重新看下Level2甚至Level1的大纲解析，可能你就会有不一样的思路。
