數(shù)據(jù)現(xiàn)在被認(rèn)為是增長最快、價(jià)值數(shù)十億美元的行業(yè)之一。因此，公司和組織正試圖最大限度地利用他們已經(jīng)擁有的數(shù)據(jù)，并確定他們?nèi)匀恍枰东@和存儲(chǔ)哪些數(shù)據(jù)。此外，對數(shù)據(jù)科學(xué)家來說，理解這些數(shù)字的意義并為混亂的商業(yè)問題揭示隱藏的解決方案仍然是一個(gè)令人難以置信的需求。最近使用LinkedIn求職工具進(jìn)行的一項(xiàng)研究顯示，2020年的大多數(shù)頂級科技職位都需要數(shù)據(jù)科學(xué)技能。

在數(shù)據(jù)科學(xué)領(lǐng)域有許多令人興奮的機(jī)會(huì)，對自己進(jìn)行數(shù)據(jù)科學(xué)方面的教育是獲得在這個(gè)競爭領(lǐng)域脫穎而出所需的技能和經(jīng)驗(yàn)的一個(gè)很好的方法，也是讓你的雇主在競爭中占據(jù)優(yōu)勢的一個(gè)很好的途徑。在進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域之前，檢查以下問題以評估數(shù)據(jù)科學(xué)是否真的適合您是很重要的。

1.什么是數(shù)據(jù)科學(xué)？

數(shù)據(jù)科學(xué)是一個(gè)如此廣泛的領(lǐng)域，包括數(shù)據(jù)準(zhǔn)備和探索、數(shù)據(jù)表示和轉(zhuǎn)換、數(shù)據(jù)可視化和表示、預(yù)測分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能等幾個(gè)細(xì)分領(lǐng)域?？梢钥紤]數(shù)據(jù)科學(xué)能力的三個(gè)級別(3個(gè)級別是根據(jù)現(xiàn)有最好的機(jī)器學(xué)習(xí)教科書之一所涉及的主題定義的：Sebastien Raschka的Python machine learning,3^RdEdition)，即:Level1（基本級別）；Level2（中級級別）；和Level 3（高級）。能力從級別1增加到級別3，如下面的圖1所示。

2.數(shù)據(jù)科學(xué)家是做什么的？

數(shù)據(jù)科學(xué)家利用數(shù)據(jù)得出意義和有洞察力的結(jié)論，這些結(jié)論可以推動(dòng)機(jī)構(gòu)或組織的決策。他們的工作職責(zé)包括數(shù)據(jù)收集、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)可視化和分析、建立預(yù)測模型、根據(jù)數(shù)據(jù)發(fā)現(xiàn)提供實(shí)施行動(dòng)的建議。數(shù)據(jù)科學(xué)家在不同的部門工作，如醫(yī)療保健、政府、工業(yè)、能源、學(xué)術(shù)界、技術(shù)、娛樂等。雇傭數(shù)據(jù)科學(xué)家的一些頂級公司是亞馬遜、谷歌、微軟、臉書、領(lǐng)英、推特、網(wǎng)飛、IBM等。

3.數(shù)據(jù)科學(xué)家的工作前景如何？

數(shù)據(jù)科學(xué)家的工作前景非常樂觀，IBM預(yù)測到2020年對數(shù)據(jù)科學(xué)家的需求將飆升28%。最近使用LinkedIn求職工具進(jìn)行的一項(xiàng)研究顯示，2020年的大多數(shù)頂級科技職位都需要數(shù)據(jù)科學(xué)、商業(yè)分析、機(jī)器學(xué)習(xí)和云計(jì)算方面的技能（參見下面的圖2)。

4.數(shù)據(jù)科學(xué)家賺多少錢？

作為一名數(shù)據(jù)科學(xué)家，你的收入取決于你所工作的組織或公司、你的教育背景、你的經(jīng)驗(yàn)?zāi)晗藓湍愕木唧w工作角色。數(shù)據(jù)科學(xué)家的收入在5萬至25萬美元之間，工資中位數(shù)約為12萬美元。這篇文章更多地討論了數(shù)據(jù)科學(xué)家的工資。

5.我如何為數(shù)據(jù)科學(xué)的職業(yè)生涯做準(zhǔn)備？

大多數(shù)數(shù)據(jù)科學(xué)或業(yè)務(wù)分析程序都需要以下內(nèi)容：

1. a）高水平的定量能力
2. b）解決問題的心態(tài)
3. c）編程熟練程度
4. d）有效溝通的能力
5. e）團(tuán)隊(duì)合作能力

因此，為了準(zhǔn)備數(shù)據(jù)科學(xué)領(lǐng)域的職業(yè)生涯，您可以從攻讀定量學(xué)科的學(xué)士學(xué)位開始，例如科學(xué)、技術(shù)、工程、數(shù)學(xué)、商業(yè)或經(jīng)濟(jì)學(xué)。

6.我應(yīng)該關(guān)注哪些編程語言？

如果您對學(xué)習(xí)數(shù)據(jù)科學(xué)的基礎(chǔ)感興趣，您需要從某個(gè)地方開始。不要被數(shù)據(jù)科學(xué)家招聘廣告中提到的編程語言列表所淹沒。雖然學(xué)習(xí)盡可能多的數(shù)據(jù)科學(xué)工具是很重要的，但建議從一兩種編程語言開始。然后，一旦您在數(shù)據(jù)科學(xué)方面建立了堅(jiān)實(shí)的背景，您就可以挑戰(zhàn)自己，學(xué)習(xí)不同的編程語言或不同的平臺(tái)和生產(chǎn)率工具，這些工具可以增強(qiáng)您的技能。根據(jù)這篇文章，Python和R仍然是數(shù)據(jù)科學(xué)中使用的兩種頂級編程語言。我建議從Python開始，因?yàn)樵絹碓蕉嗟膶W(xué)術(shù)培訓(xùn)項(xiàng)目和行業(yè)正在使用Python作為數(shù)據(jù)科學(xué)的默認(rèn)語言。

7.成為一名數(shù)據(jù)科學(xué)家需要多長時(shí)間？

如果您在分析學(xué)科方面有扎實(shí)的背景，例如物理學(xué)、數(shù)學(xué)、工程學(xué)、計(jì)算機(jī)科學(xué)、經(jīng)濟(jì)學(xué)或統(tǒng)計(jì)學(xué)，那么您基本上可以自學(xué)數(shù)據(jù)科學(xué)的基礎(chǔ)知識。您可以從諸如X、Coursera、Ordatacamp等平臺(tái)上的免費(fèi)在線課程開始。第1級能力（參見圖1)可在6至12個(gè)月內(nèi)實(shí)現(xiàn)。第2級能力可在7至18個(gè)月內(nèi)實(shí)現(xiàn)。第3級能力可在18至48個(gè)月內(nèi)實(shí)現(xiàn)。獲得一定水平的能力所需的時(shí)間取決于你的背景和你愿意在數(shù)據(jù)科學(xué)研究上投入多少時(shí)間。通常，具有分析學(xué)科（如物理、數(shù)學(xué)、科學(xué)、工程、會(huì)計(jì)或計(jì)算機(jī)科學(xué)）背景的個(gè)人比具有數(shù)據(jù)科學(xué)不互補(bǔ)背景的個(gè)人需要更少的時(shí)間。

8.即使一個(gè)項(xiàng)目似乎遇到了障礙，我是否有足夠的耐心繼續(xù)工作？

數(shù)據(jù)科學(xué)項(xiàng)目可能很長，要求很高。從問題框架到模型構(gòu)建和應(yīng)用，這個(gè)過程可能需要幾周甚至幾個(gè)月的時(shí)間，這取決于問題的規(guī)模。作為一名實(shí)踐中的數(shù)據(jù)科學(xué)家，在一個(gè)項(xiàng)目中遇到障礙是不可避免的。耐心、堅(jiān)韌和毅力是成功的數(shù)據(jù)科學(xué)職業(yè)生涯所必需的關(guān)鍵品質(zhì)。

9.我是否具備商業(yè)頭腦，能夠從一個(gè)模型中得出有意義的結(jié)論，從而為我的組織做出重要的數(shù)據(jù)驅(qū)動(dòng)決策？

數(shù)據(jù)科學(xué)是一個(gè)非常實(shí)用的領(lǐng)域。請記住，你可能非常擅長處理數(shù)據(jù)，并構(gòu)建良好的機(jī)器學(xué)習(xí)算法，但作為一名數(shù)據(jù)科學(xué)家，現(xiàn)實(shí)世界的應(yīng)用程序才是最重要的。每一個(gè)預(yù)測模型都必須在現(xiàn)實(shí)環(huán)境中產(chǎn)生有意義和可解釋的結(jié)果。預(yù)測模型必須根據(jù)現(xiàn)實(shí)進(jìn)行評估，才能被認(rèn)為有意義和有用。作為一名數(shù)據(jù)科學(xué)家，你的角色是從數(shù)據(jù)中提取有意義的見解，這些見解可以用于數(shù)據(jù)驅(qū)動(dòng)的決策，這些決策可以提高公司的效率或改進(jìn)業(yè)務(wù)進(jìn)行的方式，或者幫助增加利潤。

10.我有良好的溝通能力嗎？

數(shù)據(jù)科學(xué)家需要能夠與團(tuán)隊(duì)中的其他成員或組織中的業(yè)務(wù)管理員交流他們的想法。良好的溝通技巧將在這里發(fā)揮關(guān)鍵作用，以便能夠向?qū)?shù)據(jù)科學(xué)中的技術(shù)概念了解甚少或根本不了解的人傳達(dá)和呈現(xiàn)非常技術(shù)性的信息。良好的溝通技巧將有助于與其他團(tuán)隊(duì)成員如數(shù)據(jù)分析師、數(shù)據(jù)工程師、現(xiàn)場工程師等建立團(tuán)結(jié)和團(tuán)結(jié)的氛圍。

11.我是終身學(xué)習(xí)者嗎？

數(shù)據(jù)科學(xué)是一個(gè)不斷發(fā)展的領(lǐng)域，所以要準(zhǔn)備好擁抱和學(xué)習(xí)新技術(shù)。與該領(lǐng)域的發(fā)展保持聯(lián)系的一種方法是與其他數(shù)據(jù)科學(xué)家建立網(wǎng)絡(luò)。一些促進(jìn)聯(lián)網(wǎng)的平臺(tái)是LinkedIn、GitHub和medium（面向數(shù)據(jù)科學(xué)和面向AI出版物）。這些平臺(tái)對于了解該領(lǐng)域最近發(fā)展的最新信息非常有用。

12.我有團(tuán)隊(duì)精神嗎？

作為一名數(shù)據(jù)科學(xué)家，您將在一個(gè)由數(shù)據(jù)分析師、工程師、管理員組成的團(tuán)隊(duì)中工作，因此您需要良好的溝通技巧。您還需要成為一個(gè)好的傾聽者，尤其是在項(xiàng)目開發(fā)的早期階段，您需要依賴工程師或其他人員來設(shè)計(jì)和構(gòu)建一個(gè)好的數(shù)據(jù)科學(xué)項(xiàng)目。成為一個(gè)優(yōu)秀的團(tuán)隊(duì)成員可以幫助你在商業(yè)環(huán)境中茁壯成長，并與團(tuán)隊(duì)其他成員以及組織的管理員或董事保持良好的關(guān)系。

13.我有道德嗎？

在數(shù)據(jù)科學(xué)中，倫理和隱私考慮是必須的。你需要理解你的項(xiàng)目的含義。對自己誠實(shí)。避免操縱數(shù)據(jù)或使用會(huì)故意在結(jié)果中產(chǎn)生偏見的方法。從數(shù)據(jù)收集和分析到模型建立、分析、測試和應(yīng)用的所有階段都要符合道德規(guī)范。避免為了誤導(dǎo)或操縱觀眾而捏造結(jié)果。在解釋數(shù)據(jù)科學(xué)項(xiàng)目發(fā)現(xiàn)的方式上要合乎道德。

14.學(xué)習(xí)數(shù)據(jù)科學(xué)有哪些資源？

如果你的情況允許，你可以攻讀數(shù)據(jù)科學(xué)或商業(yè)分析的碩士學(xué)位。如果你負(fù)擔(dān)不起碩士學(xué)位課程，你可以尋求自學(xué)路線來學(xué)習(xí)數(shù)據(jù)科學(xué)。通常，如果您在分析學(xué)科（如物理、數(shù)學(xué)、經(jīng)濟(jì)學(xué)、工程或計(jì)算機(jī)科學(xué)）方面有asolid背景，并且您對探索數(shù)據(jù)科學(xué)領(lǐng)域感興趣，最好的方法是從大規(guī)模開放在線課程（massive open online courses,MOOCs）開始。然后，在建立了堅(jiān)實(shí)的基礎(chǔ)之后，您可能會(huì)尋求其他方法來增加您的知識和專長，例如從教科書中學(xué)習(xí)，參與項(xiàng)目，以及與其他數(shù)據(jù)科學(xué)抱負(fù)者建立聯(lián)系。

下面是推薦的MOOCs和教科書，可以幫助您掌握數(shù)據(jù)科學(xué)的基礎(chǔ)知識。

推薦的MOOC:

數(shù)據(jù)科學(xué)專業(yè)證書(HarvardX，通過edX）

分析：基本工具和方法（Georgia TechX，通過edX）

應(yīng)用數(shù)據(jù)科學(xué)與Python專門化（密歇根大學(xué)，通過Coursera）

推薦書籍:

從教科書中學(xué)習(xí)提供了比從在線課程中獲得的更精細(xì)和深入的知識。這本書提供了數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的偉大介紹，包括代碼：塞巴斯蒂安·拉什卡的“Python機(jī)器學(xué)習(xí)”。https://github.com/rasbt/python-machine-learning-book-3dition

作者以一種很容易理解的方式解釋了機(jī)器學(xué)習(xí)中的基本概念。此外，還包括代碼，因此您可以實(shí)際使用提供的代碼來實(shí)踐和構(gòu)建自己的模型。我個(gè)人發(fā)現(xiàn)這本書在我作為一名數(shù)據(jù)科學(xué)家的旅程中非常有用。我會(huì)把這本書推薦給任何有數(shù)據(jù)科學(xué)抱負(fù)的人。所有你需要的是基本的線性代數(shù)和編程技能，以便能夠理解這本書。

還有許多其他優(yōu)秀的數(shù)據(jù)科學(xué)教科書，如Wes McKinney的“Python for data Analysis”，Kuhn和Johnson的“應(yīng)用預(yù)測建模”，以及Ian H.Witten，Eibe Frank和Mark A.Hall的“數(shù)據(jù)挖掘：實(shí)用機(jī)器學(xué)習(xí)工具和技術(shù)”。

摘要

總之，我們討論了14個(gè)重要的數(shù)據(jù)科學(xué)領(lǐng)域的常見問題。對于不同的個(gè)人來說，基于他們的背景，數(shù)據(jù)科學(xué)的旅程可能是不同的，但本文提供的答案可以為考慮數(shù)據(jù)科學(xué)領(lǐng)域的個(gè)人提供一些指導(dǎo)。