許多“如何將科學數(shù)據(jù)化”的課程和文章，包括我自己的課程和文章，都傾向于強調(diào)統(tǒng)計學、數(shù)學和編程等基本技能。然而，最近，我通過自己的經(jīng)歷注意到，這些基本技能很難轉化為實際技能，從而使你能夠就業(yè)。

因此，我想創(chuàng)建一個唯一列表，其中包含實用技能，這些技能將使您具有工作能力。

我談到的前四項技能對任何數(shù)據(jù)科學家來說都是絕對關鍵的，無論你是什么專業(yè)的。以下技能（5-11）都是重要的技能，但用法會因你的專業(yè)而異。

例如，如果你最有統(tǒng)計基礎，你可能會花更多的時間在推斷統(tǒng)計上。相反，如果你對文本分析更感興趣，你可能會花更多的時間學習NLP，或者如果你對決策科學感興趣，你可能會專注于解釋性建模。你明白重點了。

說到這里，讓我們深入研究一下我認為最實用的11項數(shù)據(jù)科學技能：

1.編寫SQL查詢&構建數(shù)據(jù)管道

學習如何編寫健壯的SQL查詢，并在像Airflow這樣的工作流管理平臺上調(diào)度它們，將使您成為一名數(shù)據(jù)科學家，這是第1點的原因。

為什么？原因有很多：

1. 靈活性:像數(shù)據(jù)科學家這樣的公司可以做的不僅僅是建模數(shù)據(jù)。公司喜歡全棧數(shù)據(jù)科學家。如果您能夠介入并幫助構建核心數(shù)據(jù)管道，您將能夠改進收集的洞察力，構建更強大的報告，并最終使每個人的生活更加輕松。
2. 獨立性:在某些情況下，您需要一個不存在的模型或數(shù)據(jù)科學項目的表或視圖。能夠為您的項目編寫健壯的管道，而不是依賴于數(shù)據(jù)分析師或數(shù)據(jù)工程師，這將節(jié)省您的時間，并使您更有價值。

因此，作為數(shù)據(jù)科學家，您必須是SQL方面的專家。沒有例外。

資源

• 一個完整的15周的課程來掌握數(shù)據(jù)科學的SQL
• 模式SQL教程

2.數(shù)據(jù)爭論/特征工程

無論您是在構建模型、探索要構建的新特性，還是在進行深度挖掘，您都需要知道如何處理數(shù)據(jù)。

數(shù)據(jù)爭論意味著將數(shù)據(jù)從一種格式轉換為另一種格式。

特征工程是數(shù)據(jù)爭論的一種形式，但具體指從原始數(shù)據(jù)中提取特征。

如何操作數(shù)據(jù)并不重要，不管是使用Python還是SQL，但您應該能夠隨心所欲地操作數(shù)據(jù)（當然，在可能的參數(shù)范圍內(nèi)）。

資源

• 面向機器學習的特征工程基本技術
• 發(fā)現(xiàn)特征工程，如何工程特征和如何獲得良好的It-機器學習掌握

3.版本控制/GitHub

當我說“版本控制”時，我特別指的是GitHub和Git。Git是世界上使用的主要版本控制系統(tǒng)，GitHub本質上是一個基于云的文件和文件夾存儲庫。

雖然Git不是一開始學習的最直觀的技能，但對于幾乎每一個與編碼相關的角色來說，了解它是必不可少的。為什么？

• 它允許您與其他人并行地在項目上進行協(xié)作和工作
• 它跟蹤代碼的所有版本（以防您需要恢復到舊版本）

花時間學習GIT。它會帶你走很遠的！

4.講故事（即溝通）

建造一個視覺上令人驚嘆的儀表板或一個精確度超過95%的復雜模型是一回事。但是如果你不能把你的項目的價值傳達給其他人，你就不會得到你應得的認可，最終，你的職業(yè)生涯就不會像你應該做的那樣成功。

講故事指的是你“如何”交流你的見解和模型。從概念上來說，如果你想一本圖畫書，洞察力/模型就是圖畫，而“講故事”指的是連接所有圖畫的敘述。

在科技界，講故事和交流是被嚴重低估的技能。從我職業(yè)生涯中所見，這種技能是大三學生與大四學生和經(jīng)理人之間的區(qū)別。

5.回歸/分類

構建回歸和分類模型（即預測模型）并不是你總是要做的事情，但如果你是一名數(shù)據(jù)科學家，雇主會希望你知道這一點。

即使這不是你經(jīng)常做的事情，也是你必須擅長的事情，因為你希望能夠構建高性能的模型。在我的職業(yè)生涯中，到目前為止，我只生產(chǎn)了兩個機器學習模型，但它們都是對業(yè)務產(chǎn)生重大影響的關鍵任務模型。

因此，您應該很好地理解數(shù)據(jù)準備技術、增強算法、超參數(shù)調(diào)優(yōu)和模型評估度量。

資源

• 2021年你應該知道的所有機器學習算法
• 如何為機器學習模型準備數(shù)據(jù)

6.可解釋的人工智能/可解釋的機器學習

許多機器學習算法在很長一段時間內(nèi)被認為是“黑箱”，因為不清楚這些模型是如何基于各自的輸入得出預測的。這種情況現(xiàn)在正在改變，因為廣泛采用了可解釋的機器學習技術，如SHAP和Lime。

SHAP和LIME是兩種技術，它們不僅告訴您每個特征的特征重要性，還告訴您對模型輸出的影響，類似于線性回歸方程中的系數(shù)。

使用SHAP和LIME，您可以創(chuàng)建解釋性模型，也可以更好地交流預測模型背后的邏輯。

資源

• Shap：解釋Python中的任何機器學習模型
• 用LIME理解模型預測

7.A/B測試（實驗）

a/B測試是一種實驗形式，您可以比較兩個不同的組，根據(jù)給定的指標，看看哪個組表現(xiàn)更好。

A/B測試可以說是企業(yè)界最實用、應用最廣泛的統(tǒng)計概念。為什么？A/B測試允許您將100s或1000s的小改進組合在一起，從而隨著時間的推移產(chǎn)生重大的變化和改進。

如果您對數(shù)據(jù)科學的統(tǒng)計方面感興趣，A/B測試對于理解和學習是必不可少的。

資源

• A/B檢驗。統(tǒng)計檢驗的完整指南

8.集群

就我個人而言，我在職業(yè)生涯中沒有使用過集群，但它是數(shù)據(jù)科學的核心領域，每個人至少都應該熟悉。

集群是有用的，原因有很多。您可以找到不同的客戶細分，您可以使用聚類來標記未標記的數(shù)據(jù)，您甚至可以使用聚類來為模型找到截止點。

下面是一些參考資料，介紹了您應該了解的最重要的集群技術。

資源

• 數(shù)據(jù)科學家需要知道的5種聚類算法
• 掌握Python機器學習的10種聚類算法

9.推薦系統(tǒng)

雖然我一生中還沒有構建過推薦系統(tǒng)，但它是數(shù)據(jù)科學中最實際的應用之一。推薦系統(tǒng)之所以如此強大，是因為它們有能力推動收入和利潤。事實上，亞馬遜聲稱在2019年，由于他們的推薦系統(tǒng)，他們的銷售額提高了29%。

因此，如果您曾經(jīng)在一家公司工作，其中的用戶必須做出選擇，并且有許多選項可供選擇，推薦系統(tǒng)可能是一個有用的應用程序。

10.NLP

NLP，或自然語言處理，是人工智能的一個分支，專注于文本和語音。與機器學習不同，我認為NLP還遠未成熟，這正是它如此有趣的原因。

NLP有很多用例…

• 它可以用于情緒分析，以了解人們對一個企業(yè)或企業(yè)產(chǎn)品的感覺。
• 它可以通過分離正面和負面評論來監(jiān)控一家公司的社交媒體。
• NLP是構建聊天機器人和虛擬助手的核心
• NLP還用于文本抽?。êY選文檔）

總的來說，NLP是數(shù)據(jù)科學世界中一個非常有趣和有用的利基領域。

資源

• 每個數(shù)據(jù)科學家都應該知道的10種NLP技術

11.衡量標準的制定

最近，數(shù)據(jù)科學家采用了度量開發(fā)的職責，因為表面度量依賴于1）數(shù)據(jù)來計算度量和2）代碼來計算和輸出度量。

度量開發(fā)涉及幾個方面：

1. 它涉及到選擇一個團隊或部門應該使用的正確度量來幫助他們監(jiān)控他們的目標。
2. 它涉及澄清和建立為使度量標準成立而需要做出的任何假設。
3. 它包括開發(fā)度量，對其進行編碼，并建立一個管道來定期監(jiān)控它。

我希望這有助于指導你的學習，并給你一些未來一年的方向。有很多東西要學，所以我肯定會選擇幾個聽起來對你來說最有趣的技能，然后從那里開始。

請記住，這更多的是一篇由軼事經(jīng)驗支持的固執(zhí)己見的文章，所以從這篇文章中獲取你想要的東西。但我一如既往地祝你在學習上取得最好的成績！