為什么要費(fèi)心區(qū)分自己呢？

因?yàn)橛写罅康?strong>競(jìng)爭(zhēng)來(lái)獲得數(shù)據(jù)科學(xué)家的工作。

找一份數(shù)據(jù)科學(xué)工作比以往任何時(shí)候都更難--如何將它轉(zhuǎn)化為你的優(yōu)勢(shì)-kdnuggets
盡管許多有抱負(fù)的數(shù)據(jù)科學(xué)家發(fā)現(xiàn)，找到一份工作變得比以前更加困難…

因?yàn)橛幸环N瘋狂的沖動(dòng)。每一種工程師、科學(xué)家和工作人員都稱自己為數(shù)據(jù)科學(xué)家。

為什么有這么多“冒牌”數(shù)據(jù)科學(xué)家？
你有沒(méi)有注意到有多少人突然自稱為數(shù)據(jù)科學(xué)家？你的鄰居，你在一個(gè)…
遇到的女孩

因?yàn)槟悴淮_定你能不能在這里面切牙。請(qǐng)記住，冒名頂替綜合癥在數(shù)據(jù)科學(xué)中非?；钴S。

如何管理數(shù)據(jù)科學(xué)中的冒名頂替綜合癥
如果他們發(fā)現(xiàn)你一無(wú)所知怎么辦？

我可以繼續(xù)，但你明白…

那么，你如何將自己與群眾區(qū)分開(kāi)來(lái)呢？我不知道你是否可以，但我可以告訴你幾個(gè)指針來(lái)測(cè)試你自己。這就是這篇文章的內(nèi)容。

問(wèn)自己幾個(gè)簡(jiǎn)單的問(wèn)題

問(wèn)自己幾個(gè)問(wèn)題，數(shù)數(shù)是的答案的數(shù)量。你越做這些，就越脫離群眾。

如果你是初學(xué)者

• 您是否發(fā)布了您自己的Python/R（無(wú)論您在其中編碼）包？
• 如果是，您是否編寫了大量的文檔以便于其他人使用？
• 您是否已將您的分析從Jupyter筆記本轉(zhuǎn)移到完整發(fā)布的Web應(yīng)用程序上？或者，你有沒(méi)有調(diào)查過(guò)幫助你輕松做到這一點(diǎn)的工具？
• 你是否至少寫了幾篇高質(zhì)量、詳細(xì)的文章描述你的愛(ài)好項(xiàng)目？
• 您是否嘗試練習(xí)Feynman學(xué)習(xí)方法?！?em>向六年級(jí)的學(xué)生教授您想要學(xué)習(xí)的概念”？

在稍高級(jí)的階段

If you are not a beginner but consider yourself to be at a somewhat mature stage as a data scientist, do you do these?

• 您是否有意識(shí)地嘗試?yán)妹恳粋€(gè)機(jī)會(huì)在數(shù)據(jù)科學(xué)代碼中集成優(yōu)秀的軟件工程實(shí)踐（例如，面向?qū)ο缶幊獭⒛K化、單元測(cè)試）？
• 你是否認(rèn)為不要停留在你必須做的即時(shí)數(shù)據(jù)分析的范圍內(nèi)，而是想象一下，如果做出錯(cuò)誤的預(yù)測(cè)，數(shù)據(jù)量增加100倍，成本增加10倍，會(huì)發(fā)生什么？換句話說(shuō)，您是否有意識(shí)地考慮數(shù)據(jù)或問(wèn)題擴(kuò)展及其影響？
• 您是否認(rèn)為不要停留在傳統(tǒng)的ML度量標(biāo)準(zhǔn)上，還要考慮數(shù)據(jù)獲取的成本和ML業(yè)務(wù)價(jià)值？

構(gòu)建工具和創(chuàng)建文檔：需要具備的兩項(xiàng)重要技能

不要把你所有的時(shí)間和精力都花在分析更大的數(shù)據(jù)集或?qū)嶒?yàn)最新的深度學(xué)習(xí)模型上。

留出至少25%的時(shí)間來(lái)學(xué)習(xí)做一兩件在任何地方、任何組織、任何情況下都很有價(jià)值的事情，

• 為日常數(shù)據(jù)分析構(gòu)建小型但重點(diǎn)突出的實(shí)用工具工具。你的創(chuàng)造力將在這個(gè)練習(xí)中自由流動(dòng)。你正在創(chuàng)造的東西可能沒(méi)有成千上萬(wàn)的即時(shí)用戶，但它將是新穎的，它將是你自己的創(chuàng)造。
• 閱讀并創(chuàng)建與新工具或框架或剛剛構(gòu)建的實(shí)用工具相關(guān)的高質(zhì)量文檔（參見(jiàn)上面）。這將迫使你學(xué)習(xí)如何以一種讓廣大觀眾理解的方式來(lái)交流你的創(chuàng)作的效用和機(jī)制。

正如您所看到的，這些習(xí)慣相當(dāng)容易養(yǎng)成和實(shí)踐，即它們不需要繁重的工作、多年的統(tǒng)計(jì)學(xué)背景或深度機(jī)器學(xué)習(xí)知識(shí)方面的高級(jí)專業(yè)知識(shí)。

但是，令人驚訝的是，并不是每個(gè)人都接受它們。而且，那是你脫穎而出的機(jī)會(huì)。

如何在面試中利用這些習(xí)慣？

想象一下你在面試中的樣子。如果你對(duì)上面的問(wèn)題有很多肯定的答案，你可以向你的面試官提到，

• “嘿，看看我為隨意生成合成時(shí)間序列數(shù)據(jù)而構(gòu)建的酷Python包”。
• “我還寫了一個(gè)詳細(xì)的文檔，托管在myapp.readthedocs.io網(wǎng)站上。它是用Sphinx和Jekyl構(gòu)建的“。
• “我定期為朝向數(shù)據(jù)科學(xué)的最大在線平臺(tái)撰寫數(shù)據(jù)科學(xué)文章?；谶@些，我甚至從Packt或Springer等知名出版商那里得到了一份圖書(shū)出版報(bào)價(jià)“。
• “每個(gè)人都可以在Jupyter筆記本上安裝ML模型。但是，我可以開(kāi)發(fā)出一個(gè)基本的Scikit-learn函數(shù)的web應(yīng)用程序演示，您可以通過(guò)REST API發(fā)送數(shù)據(jù)并返回預(yù)測(cè)“。
• “我可以幫助對(duì)一個(gè)新的機(jī)器學(xué)習(xí)程序進(jìn)行成本效益分析，并告訴你效益是否超過(guò)數(shù)據(jù)收集的努力，以及如何最優(yōu)地做到這一點(diǎn)”。

想象一下，你在面試委員會(huì)面前的聲音會(huì)與其他應(yīng)聘者有多大的不同，這些應(yīng)聘者在常規(guī)的統(tǒng)計(jì)和梯度下降問(wèn)題上表現(xiàn)出色，但沒(méi)有提供全面能力的證明。

它們表明您對(duì)數(shù)據(jù)科學(xué)問(wèn)題好奇。

它們表明你閱讀，你分析，你交流。您創(chuàng)建和文檔供其他人創(chuàng)建。

它們表明，您的思考超越了筆記本和分類準(zhǔn)確性，而達(dá)到了業(yè)務(wù)增值和客戶同理心的領(lǐng)域。哪家公司不會(huì)喜歡這樣的應(yīng)聘者？

… these habits are fairly easy to develop and practice i.e. they do not need backbreaking work, years-long background in statistics, or advanced expertise in deep machine learning knowledge. 但是，令人驚訝的是，并不是每個(gè)人都接受它們。而且，那是你脫穎而出的機(jī)會(huì)。

我在哪里可以得到幫助？

有這么多偉大的工具和資源來(lái)幫助你練習(xí)。在一篇小文章的篇幅里，甚至不可能列出其中的一小部分。我只是展示一些有代表性的例子。關(guān)鍵的想法是沿著這些思路探索，并為自己發(fā)現(xiàn)幫助艾滋病。

只使用Jupyter筆記本構(gòu)建可安裝的軟件包

nbdev：使用Jupyter筆記本實(shí)現(xiàn)所有功能

如何制作出色的Python包-一步一步

2021年如何制作一個(gè)超贊的Python包

了解如何在自己的ML模型和模塊開(kāi)發(fā)中集成單元測(cè)試原則

Pytest for Machine Learning-一個(gè)簡(jiǎn)單的基于示例的教程

了解如何在數(shù)據(jù)科學(xué)任務(wù)中集成面向?qū)ο缶幊淘瓌t

面向數(shù)據(jù)科學(xué)家的面向?qū)ο缶幊蹋簶?gòu)建您的ML估計(jì)器

使用簡(jiǎn)單的Python腳本構(gòu)建交互式web應(yīng)用程序-不需要HTML/CSS知識(shí)

PyWeBio:使用Python以腳本方式編寫交互式Web應(yīng)用程序

直接從Jupyter筆記本上寫出完整的編程和技術(shù)書(shū)籍。也可將此用于文檔構(gòu)建。

帶有Jupyter的書(shū)籍

理解實(shí)際分析問(wèn)題的多方面復(fù)雜性，以及它不僅僅是建模和預(yù)測(cè)

為什么業(yè)務(wù)分析問(wèn)題需要您的所有數(shù)據(jù)科學(xué)技能

想象一下，你在面試委員會(huì)面前的聲音會(huì)與其他應(yīng)聘者有多大的不同，這些應(yīng)聘者在常規(guī)的統(tǒng)計(jì)和梯度下降問(wèn)題上表現(xiàn)出色，但沒(méi)有提供全面能力的證明。

關(guān)于MOOCs/在線課程的幾件事

學(xué)習(xí)時(shí)不要跳臺(tái)階。跟著步驟走。

一有機(jī)會(huì)就閱讀板上的主題和書(shū)籍

不要只專注于閱讀最新的深度學(xué)習(xí)技巧或關(guān)于最新Python庫(kù)的博客文章。在每一個(gè)機(jī)會(huì)，閱讀該行業(yè)的頂級(jí)論壇和好書(shū)的董事會(huì)主題。我喜歡的一些書(shū)籍和論壇如下，

摘要

隨著越來(lái)越多的企業(yè)采用和接受這些變革性技術(shù)，數(shù)據(jù)科學(xué)以及機(jī)器學(xué)習(xí)和人工智能的相關(guān)技能目前在就業(yè)市場(chǎng)上的需求非常高。人才的需求和供給雙方之間存在著大量的競(jìng)爭(zhēng)和溝通不暢。

一個(gè)亟待解決的問(wèn)題是:如何從一百個(gè)共同申請(qǐng)者中區(qū)分自己？

我們列出了一些關(guān)鍵問(wèn)題，你可以問(wèn)自己，并評(píng)估你在一些技能和習(xí)慣上的獨(dú)特性，這些技能和習(xí)慣使你與眾不同。我們展示了一些想象中的對(duì)話片段，你可以在面試板上展示這些技能和習(xí)慣。我們還提供了一份資源的入圍名單，以幫助您開(kāi)始這些。

我們列出了幾種參加MOOCs的方法，并建議閱讀參考資料。

祝你在你的數(shù)據(jù)科學(xué)之旅中一切順利…

您可以查看作者的GitHub存儲(chǔ)庫(kù)以獲取機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)方面的代碼、思想和資源。如果你和我一樣，對(duì)人工智能/機(jī)器學(xué)習(xí)/數(shù)據(jù)科學(xué)充滿熱情，請(qǐng)?jiān)贚inkedIn上添加我或在Twitter上關(guān)注我。