大約18個月前，由于新冠肺炎疫情，我失去了工作。我在大學里做兼職家教。我從家教中得到的錢被用來支付食物、汽油和汽車等費用。

在政府對全國實施封鎖限制后，我無法繼續(xù)教學。我也上不了大學，只能在家學習。

雖然一開始這看起來很糟糕，但我意識到不上大學和工作騰出了我的很多時間。

在這段時間里，我開始考慮擴大我的技能集。在做了一些研究后，我發(fā)現(xiàn)了一個機器學習在線課程，看起來很有趣。

那是我完成的第一門在線課程。

在那之后，我把大部分時間都花在了構(gòu)建項目、學習編碼和獲得在線認證上。

現(xiàn)在--18個月來，我已經(jīng)用我在數(shù)據(jù)科學和分析領(lǐng)域的知識建立了多種收入流。

1.全職工作

我最初作為數(shù)據(jù)科學實習生加入一家公司一段時間，現(xiàn)在在那里全職工作。

起初，我希望我的工作主要包括建模。

然而，一旦我加入，我意識到我的工作只有大約10%的模型建立。其余的時間，我和我的團隊都在尋找新的解決方案，我們可以創(chuàng)建來解決業(yè)務(wù)問題。

通常，這些問題甚至不需要機器學習來解決。數(shù)據(jù)解決方案可以只包含轉(zhuǎn)換為簡單SQL查詢的業(yè)務(wù)邏輯。

我每天做的工作包括回答以下問題：

• 我們?nèi)绾问褂脭?shù)據(jù)來查找關(guān)于A公司競爭對手的信息？
• 我們建立了客戶客流量預測模型。我們可以識別哪些業(yè)務(wù)用例來測試這個模型？它在生產(chǎn)環(huán)境中是否和在測試環(huán)境中一樣有效？
• 我們?nèi)绾螢榭蛻舫掷m(xù)改進細分和業(yè)績？我們能從現(xiàn)有的數(shù)據(jù)推斷出現(xiàn)實生活中的場景嗎？

這是對我每天所做工作的一個非常抽象的描述，但我想強調(diào)的是，創(chuàng)建數(shù)據(jù)科學解決方案并不是從模型構(gòu)建開始和結(jié)束的。

如果你是一個有抱負的數(shù)據(jù)科學家，我建議在你想工作的行業(yè)獲得一些領(lǐng)域知識。

2.數(shù)據(jù)科學博客

我寫我在數(shù)據(jù)科學領(lǐng)域的經(jīng)驗。

如果我在工作中構(gòu)建一個項目，我會在Kaggle上找到一個類似的數(shù)據(jù)集并復制分析，并圍繞它創(chuàng)建一個教程。

我最初開始編寫和發(fā)布數(shù)據(jù)科學教程，以增強我的投資組合。

寫關(guān)于我工作的文章是我與其他有抱負的數(shù)據(jù)科學家聯(lián)系的一種方式。這也是我展示自己編寫和構(gòu)建ML模型能力的一種方式。

最初，我從沒想過我的寫作會得到報酬。我只是認為這是一個很好的方式來增強我的數(shù)據(jù)科學投資組合。

然而，在過去的一年里，一開始是業(yè)余愛好的事情開始產(chǎn)生收入。

我現(xiàn)在可以通過簡單地創(chuàng)建與數(shù)據(jù)相關(guān)的教程、項目和寫我的經(jīng)歷來獲得被動收入。

3.自由職業(yè)

當我開始在數(shù)據(jù)科學界建立一個在線存在時，我開始得到多個自由職業(yè)的邀請。我為客戶建立了一次性的機器學習模型，創(chuàng)建了競爭對手分析報告，并撰寫了數(shù)據(jù)科學文章。

當我最初想到自由職業(yè)時，我想象著必須在在線平臺上競爭和投標項目。

然而，我所有的自由職業(yè)客戶在閱讀了我的文章或看了我的投資組合項目后，都聯(lián)系了我。

幾個月前，我構(gòu)建了一個聚類算法，并在網(wǎng)上發(fā)布了一個關(guān)于它的教程。第二天，有人聯(lián)系我，問我是否有興趣為他們的客戶構(gòu)建一個集群模型。

自由職業(yè)使我具備了許多我通常工作領(lǐng)域之外的技能。

在我的公司里，我處理的數(shù)據(jù)通常是以某種預先處理的格式出現(xiàn)的，我用SQL和Python查詢數(shù)據(jù)來利用它。

然而，當自由職業(yè)者時，客戶數(shù)據(jù)的格式非常不同。其中大部分都沒有經(jīng)過處理或結(jié)構(gòu)化，我花了很多時間來弄清楚數(shù)據(jù)集之間的關(guān)系并理解它。

我還需要收集外部數(shù)據(jù)來進行分析，這通常涉及到搜索第三方網(wǎng)站和使用開源工具。

我覺得自由職業(yè)讓我接觸到了我目前在日常工作中沒有的知識，我能夠通過我從事的每一個項目學到新的東西。

我怎么到這兒來的？

我上面提到我上了一門數(shù)據(jù)科學在線課程，事情從那里發(fā)生了變化。你可能想知道怎么做。

老實說，在上了我的第一門數(shù)據(jù)科學在線課程后，我感到很失落。我花了大約一個月的時間用SCIKIT-Learn學習不同的算法和訓練模型。

我根本不知道從那里去哪里。

我開始閱讀關(guān)于那些沒有碩士學位或任何專業(yè)資格就設(shè)法找到數(shù)據(jù)科學工作的人的文章。我意識到領(lǐng)域知識的重要性，以及借助可用數(shù)據(jù)解決問題的重要性。

我沒有必要建立最精確的模型或理解模型背后的底層算法。

我意識到對我來說最重要的技能是利用數(shù)據(jù)解決問題的能力。這意味著我必須超越機器學習算法。

我選修了商業(yè)分析和ML工程課程。我花在學習代碼上的時間比花在理論上的時間還要多。我花時間學習SQL和數(shù)據(jù)操作。

然后，我在網(wǎng)頁刮擦的幫助下從在線站點收集了自己的數(shù)據(jù)。我用這些數(shù)據(jù)解決了一個問題，并用它構(gòu)建了一個簡單的機器學習web應(yīng)用程序。

通過這種方式，我慢慢獲得了成為端到端數(shù)據(jù)科學家所需的技能。

即使在我工作的數(shù)據(jù)分析團隊中，如果有任何項目超出了我們?nèi)粘９ぷ鞯姆秶ㄐ枰獠繑?shù)據(jù)收集或新算法的項目），我通常會被分配去做。

結(jié)論

作為一個有抱負的數(shù)據(jù)科學家，有這么多的資源提供給你在網(wǎng)上。事實上，太多了，你不知道該從中選擇什么。

然而，大部分的重點都放在模型構(gòu)建上。

雖然了解建立和訓練模型的基本原理是很重要的，但大多數(shù)可用的工作都要求你超越這一點。

真正的需求是對能夠借助可用數(shù)據(jù)解決問題的人的需求。