大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自數(shù)據(jù)派THU

作者：Thomas

翻譯：王雨桐

校對：丁楠雅

數(shù)據(jù)科學已經(jīng)成為21世紀最熱門的工作領(lǐng)域，但如何才能成為數(shù)據(jù)科學家呢？作為一名有抱負的數(shù)據(jù)科學家，或是準備從事數(shù)據(jù)科學工作的學生，你應該做好哪些準備？需要什么技能？不要擔心！本文將會回答以上所有問題，并提供相關(guān)的資源鏈接，幫助你開啟新的職業(yè)生涯！

數(shù)據(jù)科學是一個跨學科的領(lǐng)域，這意味著數(shù)據(jù)科學家要了解多個領(lǐng)域的知識，并成為不同領(lǐng)域的專家。數(shù)據(jù)科學家必須在以下方面具備堅實的基礎(chǔ)：

1.計算機科學

2.統(tǒng)計研究（需要扎實的基礎(chǔ)）

3.線性代數(shù)

4.數(shù)據(jù)處理（數(shù)據(jù)分析的專業(yè)知識）

5.機器學習

6.軟件工程

7.Python編程

8.R編程

9.業(yè)務領(lǐng)域知識

為了成為一名高水平的數(shù)據(jù)科學家，下圖是你需要掌握的一些知識領(lǐng)域：

除非你像激光束一樣，將研究集中在這些領(lǐng)域，否則對上圖中的一個或多個主題感到陌生是很正常的。或者你了解兩三個主題，但對其余主題了解甚少。例如，你可能是一名計算機科學專業(yè)的學生，掌握數(shù)學知識但不了解統(tǒng)計研究分析所要求的高級統(tǒng)計知識。或者，你可能是一名有一些編程基礎(chǔ)的統(tǒng)計學家。

有很多方法可以幫助你開啟數(shù)據(jù)科學的職業(yè)生涯。其中，你必須做的五件事是：

1.向具有多年經(jīng)驗的前輩學習Python和R

2.在GitHub上構(gòu)建數(shù)據(jù)科學作品集

3.加入Kaggle并參加數(shù)據(jù)科學競賽

4.練習面試問題

5.做好基本的網(wǎng)絡(luò)聲譽管理，以提升形象

?

1.向具有多年行業(yè)經(jīng)驗的前輩學習Python和R

行業(yè)經(jīng)驗是無可替代的。比起一位熱心的業(yè)余愛好者（如在線提供的許多課程），擁有5年以上數(shù)據(jù)科學行業(yè)工作經(jīng)驗的人將是講師的不二人選。學習Python和R是一方面，掌握Python和R是完全不同的事情。如果想在這個行業(yè)做得好，需要做到掌握技能，而不僅僅是具備基本能力。一定要確保你的講師具有可靠的行業(yè)經(jīng)驗，因為這種經(jīng)歷會幫助你拿到頂尖的數(shù)據(jù)科學公司的offer。相比于擁有相關(guān)專業(yè)博士學位的學者，從擁有行業(yè)經(jīng)驗的專家那里會學到最多。

2.在GitHub上構(gòu)建數(shù)據(jù)科學作品集

在GitHub上擁有在線作品集（online portfolio）至關(guān)重要！

如果你不對學習的內(nèi)容進行編程練習，也沒有將課程應用于實際數(shù)據(jù)和現(xiàn)實情景，那么再好的培訓都是無效的。你需要做數(shù)據(jù)科學項目，并且盡量使你的項目具有吸引力。

GitHub作品集應該遵循以下準則：

• 使用目標公司正在使用的庫，語言和工具。

• 使用公司使用的數(shù)據(jù)集，最好是實際數(shù)據(jù)。（如果沒有類似scikit-learn提供的學術(shù)數(shù)據(jù)集，可以使用Kaggle來獲取練習數(shù)據(jù)集。）最好的選擇是APIs編程構(gòu)建的數(shù)據(jù)集，他們大多來自Twitter，Facebook，維基百科和類似的真實場景。

• 選擇具有市場價值的問題。不要選擇學術(shù)項目，要嘗試去解決現(xiàn)實的行業(yè)問題。

• 在問題定義中要強調(diào)創(chuàng)造性和原創(chuàng)性，以及項目作品集所回答的問題。

3.加入Kaggle并參加數(shù)據(jù)科學競賽

Kaggle.com就是你的訓練場。

如果你準備入手數(shù)據(jù)科學，立即成為Kaggler吧！或者，如果你更傾向于開發(fā)，請加入TopCoder！（TopCoder也有數(shù)據(jù)科學發(fā)展路徑）。Kaggle是公認的數(shù)據(jù)科學的發(fā)源地，因為Kaggle多年來一直舉辦數(shù)據(jù)科學競賽，并且是國際上所有頂尖數(shù)據(jù)科學競賽的集合地。收到知名公司offer的最簡單方法之一就是在Kaggle上獲得盡可能高的排名。更重要的是，你可以將自己的表現(xiàn)與行業(yè)中的頂級競爭對手進行比較。

4.練習面試問題

現(xiàn)在，很多網(wǎng)站都有數(shù)據(jù)科學崗位面試中使用的問題集。沒有企業(yè)會讓你死記硬背200個面試問題，但他們確實希望你能夠在代碼（最好是Python）或偽代碼中解決基本的數(shù)據(jù)科學和算法問題。最好還要了解基本概念，例如交叉驗證是什么，維度的詛咒，過擬合的問題以及在實際場景中如何處理它。此外，你還需要能解釋主要數(shù)據(jù)科學算法的內(nèi)部細節(jié)，例如AdaBoost。線性代數(shù)，統(tǒng)計學和一些基本的多變量微積分的知識也可以幫助你在競爭中搶占先機。

5.管理你的網(wǎng)絡(luò)聲譽

這似乎與數(shù)據(jù)科學無關(guān)，但它是任何求職的基本要求。想想未來的雇主在看到求職者名姓名后的第一件事是什么？他會先百度這個名字。當搜索你的名字時，會出現(xiàn)什么內(nèi)容？你的網(wǎng)絡(luò)資料能否承受以下考驗？

• 在網(wǎng)絡(luò)搜索時，你的名字是否有值得警惕的信號，如任何類型的負面報道或者爭議？

• 搜索姓名的條目是否能準確體現(xiàn)個人資料？

• 你的Facebook，Twitter和Google個人資料是否有不恰當?shù)膬?nèi)容？（例如私密照片）？

• 可見的搜索結(jié)果能否準確地描述你的技能水平？

如果有以上這些潛在的問題，你可能需要調(diào)整自己的網(wǎng)絡(luò)個人資料。你可以通過博客文章，成熟的網(wǎng)絡(luò)評論，甚至為自己創(chuàng)建博客，向世界展現(xiàn)積極的自己。在如今的這個在線、數(shù)字、互聯(lián)的世界，這對于求職者來說至關(guān)重要。

人才市場上待挑選的產(chǎn)品

在人才市場上，你試圖將自己和你的網(wǎng)絡(luò)信譽銷售給從未見過你的人，他甚至沒有聽過你的名字。因此，互聯(lián)網(wǎng)資料將成為關(guān)鍵，以確保你在競爭中搶占先機。目前許多培訓網(wǎng)站提供的課程，講師都是業(yè)余愛好者或具有不到2年行業(yè)經(jīng)驗的人士。所以，不要滿足于低價課程，在互聯(lián)網(wǎng)上，一分耕耘一分收獲。如果這是你理想的職業(yè)領(lǐng)域，初期投資肯定會有更多的長期回報。

記得保持終身學習的態(tài)度。機器學習和AI是以驚人速度發(fā)展的領(lǐng)域。訂閱RSS源和在線資源，讓你了解領(lǐng)域的最新發(fā)展，這是必須要做的事情。隨時跟進最新的研究最能體現(xiàn)你的卓越追求，這些可以通過Feedly和Inoreader之類的閱讀應用程序輕松完成。學習可能是你在大學里做的事情，但掌握是你一生所追求的目標，別輕易放棄。如果你可以按照文中提到的那樣來完善自己，你一定可以獲得自己理想的工作。最后，再次強調(diào)，一定要特別注意在GitHub上的數(shù)據(jù)科學作品集，可以幫助你在競爭中脫穎而出！

?

相關(guān)報道：

https://dimensionless.in/5-steps-to-prepare-for-a-data-science-job/

總結(jié)

以上是生活随笔為你收集整理的业界 | 5个步骤开启你的数据科学职业生涯！（附链接）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。