开启数据科学职业生涯的8个基本技巧

更多深度文章,请关注:https://yq.aliyun.com/cloud



Nick Bostrom(译者注:Nick Bostrom是牛津大学哲学系的教授,是人类未来研究院的创始人和主任。他的新书《 Superintelligence》(超级智能) 在出版后,包括伊隆·马斯克、史蒂芬·霍金以及比尔·盖茨等杰出的科技人士纷纷对其表示了支持,另外Google也成立伦理委员会来监督AI技术的发展)曾经说过:机器学习是人类最后的发明。我是一名刚刚进入数据科学这个“未来科技”行业的新手,我有一大堆的问题。我应该学习哪些工具和语言?我应该关注哪些新技术?在你从事这个行业的过程中,你通常会遇到这些问题,甚至更多相关的问题。

Faizan Shaikh写的这篇文章为所有的数据科学家开创数据科学事业铺平了道路。只要按照这八个小贴士来做,你就能让自己的职业生涯有一个良好的开端。

下面让我们开始吧!

1. 选择正确的角色

在数据科学行业中有很多不同的角色,包括数据可视化专家、机器学习专家、数据科学家和数据工程师等等。根据自己的背景和相关工作经验,你可以在这些数据科学行业中的重要职位中选择与你相关的职位。

但是,如果你不清楚这些职位之间的区别或者你不确定自己应该怎么做?那么我建议:

  • 与业内人士交流,弄清楚每个角色的工作职责。

    • 接受他人的指导,占用他们少量时间向他们提出相关的问题。我相信没有人会拒绝帮助有需要的人!
  • 弄清楚你自己想要什么、擅长什么,并选择适合于你自己的角色。

对于数据科学家、数据工程师和统计学家这些角色的详细描述, 在Analytics Vidhya博客上有一个详细的介绍,我相信这会帮助你做出相关的决定。

2. 选择一个课程,并学完它

现在你已经定下了一个角色,下一步就是专注于理解这个角色。行业中对数据科学家的需求非常庞大,所以有非常多的课程和研究在那里等着你,你可以学到任何你想学的东西! 找到要学习的资料并不难,但如果不努力,很难学会

你可以选择免费的MOOC(译者注:massive open online courses,大型开放式网络课程),或加入认证计划。

当你学习一门课程的时候,要积极主动地去学习。顺着课程、作业和课程中的讨论一步一步进行。

这里有一些不错的网络课程:

3. 选择一个工具和语言,并坚持下去

正如我之前提到过的,理解你所追求的方向非常重要。此时,你要面对的一个难题是:我应该选择哪种语言和工具?

哪一个是最好的选择?在互联网上有很多有关这个问题的教程和讨论。本人的想法是,你应该从最简单的语言或最熟悉的语言开始。如果你不熟悉编码,那么应该使用基于GUI的工具。在你掌握了这些概念之后,你就可以开始动手编码了。

4. 加入兴趣组

现在你已经知道自己想要选择哪个角色,并且已经准备好了,下一件重要的事情就是加入一个兴趣组。为什么这很重要?因为一个兴趣组能激发你的动力,让你与时俱进。

一个好的兴趣组有着一群能与你互动的人,与你分享共同目标的人,与你分享鼓舞人心的故事的人。

这里有一些不错的兴趣组:

  1. Analytics Vidhya
  2. StackExchange
  3. Reddit

5. 关注实际的应用,而不仅仅是理论

在参加课程学习和培训的同时,你应该关注一下与你当前正在学习的知识相关的实际应用。这不仅可以帮助你理解相关的概念,还可以让你更深入地了解它是如何在现实中得到应用的。

在参加课程时,你应该做到以下这几点:

  • 完成所有的练习和作业来理解相关的应用。加入讨论组,提问和回答问题。
  • 研究一些开放的数据集并应用到你的学习中。
  • 了解业内人士的解决方案,以及行业的发展趋势

6. 寻找合适的资源

永远不要停止学习,你必须掌握你能找到的每一个知识点。最有用的信息常常来源于知名数据科学家的博客。这些数据科学家在社区中非常活跃,并会随着行业的发展不断更新他们的追随者。

请每天阅读数据科学方面的文章,使之养成一个习惯,以了解最近发生的事情以及如何解决现实问题

这里是一个数据科学家的名单,你可以看一下。这里还有几个时事通讯:

  1. WildML
  2. 纽约大学
  3. KDnuggets新闻

7. 沟通技巧很重要

人们通常认为,只要自己在技术上很优秀,就一定能通过面试。这实际上并不一定。面试官在听完你的介绍后说了声“谢谢”,也许就是拒绝了你。

请试着提高你在数据科学方面的沟通技巧,并提前准备好面试问题。与朋友沟通时,也请注意相关的技巧。

当你从事这个行业工作时,沟通技巧甚至更为重要。为了有效地与同事分享你的想法,或者在会议中证明你的观点,你应该知道如何高效地进行交流。

8. 构建关系网,但不要在这上面花太多的时间!

一开始,你应该把自己的重点放在学习上。如果在最开始的时候就做太多的事情,那么最终可能会让你放弃这一切。

渐渐地,一旦对这个领域有了一定的理解,你就可以去参加一些行业活动和会议,甚至是黑客马拉松。你永远不知道谁会帮助到你!

关系网可能会:

  • 向你提供你所感兴趣领域正在发生的事情和内部信息。
  • 提供指导和支持。
  • 帮助你寻找工作。

文章原标题《8 Essential Tips for People Starting a Career in Data Science》,作者: Faizan Shaikh,译者:夏天,审校:主题曲。

文章为简译,更为详细的内容请查看原文

时间: 2024-09-20 10:15:18

开启数据科学职业生涯的8个基本技巧的相关文章

福利 | 分析554条数据科学面试问题,给你靠谱求职攻略

◆ ◆ ◆ 导言 全世界顶尖的数据科学团队正在做着令人难以置信的工作,分析世上最有意思的数据集. 相比20世纪的研究者,谷歌(Google)拥有更多与人类利益相关的数据,而优步(Uber)每天无缝地协调着超过一百万人的行程.价格.借助机器学习和人工智能,顶尖的数据科学团队正在改变我们摄取和处理数据的方式,而且他们提出的众多确实可行的见解,影响了数百万人的生活.初出校门的你们.或者准备跳槽的你们,是不是激情澎湃地想要加入这史诗般的工作? 假若这些顶级数据科学团队的面试都有类似的模式,可以让求职者掌

2017数据科学与机器学习行业现状调查 Python是最受欢迎的语言

今年,Kaggle有史以来第一次对人工智能领域进行了深度调查,旨在全面了解数据科学和机器学习的概况.本次调查收到了 16000 多份答卷,庞大的调查数据为我们提供了有关从业者.业界最新动态以及如何进入该行业的数据支撑.以下报告包括本次调查的几个主要结果,其中包括: 尽管Python很可能是机器学习最常用的编程语言,但统计学家使用最多的是 R 语言. 数据科学家的平均年龄在 30 岁左右,但是这个数字在不同的国家有所不同.例如,印度受访者的平均年龄要比澳大利亚的小 9 岁. 被调查者教育程度最多是

第二热门语言:从入门到精通,Python数据科学简洁教程

Python是一门通用的编程语言,在过去十年中被数据科学领域广泛使用.事实上,Python在数据科学领域是仅次于R的第二热门的编程语言. 本篇文章的主要目的在于向大家展示使用Python学习数据科学有多么的容易.你可能以为自己要先成为一名高级Python程序员,然后才能进行通常与数据科学相关的复杂任务,然而事实并非如此.Python附带了很多有用的工具库,它们可以在后台为你提供强大的支持.你甚至不需要知道程序在运行什么,你不必关心这些.唯一你真正需要知道的是,你需要执行一些特定的任务,而Pyth

经历多个数据科学岗位后,对于数据科学面试他分享了以下求职心得

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud 关于作者 项目: 社交媒介: • Notes on Dirichlet Processes • Twitter Cybersecurity的数据科学家和软件工程师. • Should I Get a Phd? • Github 喜欢数学.计算.交流.阅读.元组.摄影.哲学科学等. • Do You Play Ball? • Linkedin • Ultralight Backpacking for the U

《Python数据科学实践指南》一 第2章 Python基础知识

第2章 Python基础知识 为了开启我们的数据科学之旅,本章会进行一些基础的编程训练.第1章中已经搭建好了Python的运行环境,读者应该已经能够在Python shell中执行简单的打印和四则运算了.接下来我们要完整地学习一遍构成一个Python程序的基本要素. 2.1 应当掌握的基础知识 本节会介绍一些学习Python前应当掌握的基础知识,这一部分内容在所有的编程语言学习中基本上都是类似的,Python当然也遵守这些通用的规则,熟悉这些内容的读者可以跳过这一节. 2.1.1 基础数据类型

从大数据向大信息升华,亟待统计科学与数据科学的革新

大科学工程,是以工程方式.计划手段.汇聚科技资源与力量整体推进重大科技计划的最新范式,是科学研究由传统的"手工小作坊"向现代大规模"工场"演进的一次革命.大科学范式的"兵团作战",将以空域和领域维度上的大规模,甚至超越时域维度上的长尺度,实现今朝一日.史上数年的突破. 大科学是大数据的摇篮,大数据是大科学的产物 大科学的王者之道始于大数据的产生.人类历史上的大数据,源于科技领域,确切地说源于大科学研究.曼哈顿计划打开了微观世界,并开创了借用人造的

《Python数据科学实践指南》——第2章 Python基础知识 2.1 应当掌握的基础知识

第2章 Python基础知识 为了开启我们的数据科学之旅,本章会进行一些基础的编程训练.第1章中已经搭建好了Python的运行环境,读者应该已经能够在Python shell中执行简单的打印和四则运算了.接下来我们要完整地学习一遍构成一个Python程序的基本要素. 2.1 应当掌握的基础知识 本节会介绍一些学习Python前应当掌握的基础知识,这一部分内容在所有的编程语言学习中基本上都是类似的,Python当然也遵守这些通用的规则,熟悉这些内容的读者可以跳过这一节. 2.1.1 基础数据类型

数据科学行业的8个关键角色:职责与技能

前言 第二届世界互联网大会的召开,将大数据战略推向了又一高潮,许多与数据相关的职位如雨后春笋般涌现,数据科学家.数据分析师.数据架构师.统计学家.数据库管理员.商业分析师和数据分析经理等.但是,许多业界人士表示分不清这些职位的区别,企业在招聘人员时,进行职位描述与岗位职责编写时略显混乱,应聘者在应聘这些职位时也不清楚这些这位的进入门槛.今天,大数据文摘将向大家推出8张数据科学相关职位信息图以及1张跟这些职位有关的薪酬信息图,带你了解数据科学行业的进入门槛与岗位职责. 引子 一天晚上,我和一位朋友

拒绝跟风,看机器学习、数据科学、人工智能、深度学习、统计学等的区别

本文作者Vincent Granville通过阐明数据科学家各种各样的角色,以及数据科学与相关领域的不同以及交叉,比如机器学习.深度学习.AI.IoT.统计学.运筹学和应用数学.PS,通过Maxcompute及其配套产品,低廉的大数据分析仅需几步,详情访问https://www.aliyun.com/product/odps. 以下为译文 因为数据科学是个广义的学科,所以这里将从任何业务里都可能会遇到的数据科学家类型开始,通过这个部分或许你能发现自己隐藏的数据科学家潜质:)正如任何科学学科一样,