為什么要費心區(qū)分自己呢？

因為有大量的競爭來獲得數(shù)據(jù)科學家的工作。

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

因為有一種瘋狂的沖動。每一種工程師、科學家和工作人員都稱自己為數(shù)據(jù)科學家。

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

因為你不確定你能不能在這里面切牙。請記住，冒名頂替綜合癥在數(shù)據(jù)科學中非常活躍。

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

我可以繼續(xù)，但你明白…

那么，你如何將自己與群眾區(qū)分開來呢？我不知道你是否可以，但我可以告訴你幾個指針來測試你自己。這就是這篇文章的內(nèi)容。

問自己幾個簡單的問題

問自己幾個問題，數(shù)數(shù)是的答案的數(shù)量。你越做這些，就越脫離群眾。

如果你是初學者

• 您是否發(fā)布了您自己的Python/R（無論您在其中編碼）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應用程序上？或者，你有沒有調(diào)查過幫助你輕松做到這一點的工具？
• 你是否至少寫了幾篇高質(zhì)量、詳細的文章描述你的愛好項目？
• 您是否嘗試練習Feynman學習方法?！?em>向六年級的學生教授您想要學習的概念”？

在稍高級的階段

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

• 您是否有意識地嘗試利用每一個機會在數(shù)據(jù)科學代碼中集成優(yōu)秀的軟件工程實踐（例如，面向?qū)ο缶幊?、模塊化、單元測試）？
• 你是否認為不要停留在你必須做的即時數(shù)據(jù)分析的范圍內(nèi)，而是想象一下，如果做出錯誤的預測，數(shù)據(jù)量增加100倍，成本增加10倍，會發(fā)生什么？換句話說，您是否有意識地考慮數(shù)據(jù)或問題擴展及其影響？
• 您是否認為不要停留在傳統(tǒng)的ML度量標準上，還要考慮數(shù)據(jù)獲取的成本和ML業(yè)務價值？

構(gòu)建工具和創(chuàng)建文檔：需要具備的兩項重要技能

不要把你所有的時間和精力都花在分析更大的數(shù)據(jù)集或?qū)嶒炞钚碌?a href='/map/shenduxuexi/' style='color:#000;font-size:inherit;'>深度學習模型上。

留出至少25%的時間來學習做一兩件在任何地方、任何組織、任何情況下都很有價值的事情，

• 為日常數(shù)據(jù)分析構(gòu)建小型但重點突出的實用工具工具。你的創(chuàng)造力將在這個練習中自由流動。你正在創(chuàng)造的東西可能沒有成千上萬的即時用戶，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)建的實用工具相關(guān)的高質(zhì)量文檔（參見上面）。這將迫使你學習如何以一種讓廣大觀眾理解的方式來交流你的創(chuàng)作的效用和機制。

正如您所看到的，這些習慣相當容易養(yǎng)成和實踐，即它們不需要繁重的工作、多年的統(tǒng)計學背景或深度機器學習知識方面的高級專業(yè)知識。

但是，令人驚訝的是，并不是每個人都接受它們。而且，那是你脫穎而出的機會。

如何在面試中利用這些習慣？

想象一下你在面試中的樣子。如果你對上面的問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間序列數(shù)據(jù)而構(gòu)建的酷Python包”。
• “我還寫了一個詳細的文檔，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)科學的最大在線平臺撰寫數(shù)據(jù)科學文章?；谶@些，我甚至從Packt或Springer等知名出版商那里得到了一份圖書出版報價“。
• “每個人都可以在Jupyter筆記本上安裝ML模型。但是，我可以開發(fā)出一個基本的Scikit-learn函數(shù)的web應用程序演示，您可以通過REST API發(fā)送數(shù)據(jù)并返回預測“。
• “我可以幫助對一個新的機器學習程序進行成本效益分析，并告訴你效益是否超過數(shù)據(jù)收集的努力，以及如何最優(yōu)地做到這一點”。

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

它們表明您對數(shù)據(jù)科學問題好奇。

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確性，而達到了業(yè)務增值和客戶同理心的領域。哪家公司不會喜歡這樣的應聘者？

… 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，并不是每個人都接受它們。而且，那是你脫穎而出的機會。

我在哪里可以得到幫助？

有這么多偉大的工具和資源來幫助你練習。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年如何制作一個超贊的Python包

了解如何在自己的ML模型和模塊開發(fā)中集成單元測試原則

Pytest for Machine Learning-一個簡單的基于示例的教程

了解如何在數(shù)據(jù)科學任務中集成面向?qū)ο缶幊淘瓌t

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

使用簡單的Python腳本構(gòu)建交互式web應用程序-不需要HTML/CSS知識

PyWeBio:使用Python以腳本方式編寫交互式Web應用程序

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

帶有Jupyter的書籍

理解實際分析問題的多方面復雜性，以及它不僅僅是建模和預測

為什么業(yè)務分析問題需要您的所有數(shù)據(jù)科學技能

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

關(guān)于MOOCs/在線課程的幾件事

學習時不要跳臺階。跟著步驟走。

一有機會就閱讀板上的主題和書籍

不要只專注于閱讀最新的深度學習技巧或關(guān)于最新Python庫的博客文章。在每一個機會，閱讀該行業(yè)的頂級論壇和好書的董事會主題。我喜歡的一些書籍和論壇如下，

摘要

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

一個亟待解決的問題是:如何從一百個共同申請者中區(qū)分自己？

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

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)科學之旅中一切順利…

您可以查看作者的GitHub存儲庫以獲取機器學習和數(shù)據(jù)科學方面的代碼、思想和資源。如果你和我一樣，對人工智能/機器學習/數(shù)據(jù)科學充滿熱情，請在LinkedIn上添加我或在Twitter上關(guān)注我。