羅曼·奧拉克，數(shù)據(jù)科學(xué)家。

我收到許多信息，向有抱負(fù)的數(shù)據(jù)科學(xué)家尋求建議。我不是職業(yè)建議方面的專家，所以對(duì)我寫的一切都持懷疑態(tài)度。

我根據(jù)我對(duì)這個(gè)領(lǐng)域的觀察和我多年來積累的經(jīng)驗(yàn)給出建議。這是我，建議年輕的我，因?yàn)槲矣蓄愃频膯栴}，在我的職業(yè)生涯開始。

學(xué)習(xí)和實(shí)踐數(shù)據(jù)科學(xué)的最佳方式是什么？

我的建議是從實(shí)際項(xiàng)目開始，然后慢慢地進(jìn)行理論研究。Kaggle筆記本是學(xué)習(xí)實(shí)際部分的好方法。

在Reddit社區(qū)或交叉驗(yàn)證社區(qū)中提問。

當(dāng)您對(duì)自己的工具和實(shí)踐知識(shí)感到滿意時(shí)，我建議您自己為某些問題構(gòu)造數(shù)據(jù)集（例如，您可以刮取數(shù)據(jù)），并對(duì)其應(yīng)用ML算法。ML中最難的是數(shù)據(jù)集的構(gòu)造。你甚至可以用它建立一個(gè)公司。

Kaggle是學(xué)習(xí)實(shí)際部分的一個(gè)很好的方法。

學(xué)習(xí)機(jī)器學(xué)習(xí)的好資源是什么？

我建議您從免費(fèi)資源開始，因?yàn)橛性S多免費(fèi)資源可用于編程、機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)：

• 2020年每個(gè)數(shù)據(jù)科學(xué)家都應(yīng)該閱讀的7本免費(fèi)電子書
• 2020年每個(gè)數(shù)據(jù)科學(xué)家都應(yīng)該閱讀的7本免費(fèi)編程書籍
• 來自常春藤盟校的7大免費(fèi)人工智能課程

我個(gè)人很喜歡吳恩達(dá)的Machine LearningCoursera課程。這門課程開始很容易，然后隨著它的進(jìn)行逐漸變得困難。它的優(yōu)點(diǎn)在于它專注于機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。

我建議你至少聽前幾堂課。如果你不明白所有的事情，也不要擔(dān)心，因?yàn)槟憧梢栽谝院笾販厮Ｎ乙步ㄗh你不要只專注于一個(gè)課程。我們學(xué)得都不一樣，沒關(guān)系。

我們學(xué)得都不一樣，沒關(guān)系。

我?guī)缀鯖]有任何技術(shù)背景。你認(rèn)為最好的學(xué)習(xí)方法是什么？

不要一個(gè)人學(xué)習(xí)！尋找并加入能幫助你學(xué)習(xí)和成長的在線社區(qū)。我在以下文章中寫過關(guān)于數(shù)據(jù)科學(xué)社區(qū)的文章：

• 在家工作時(shí)的數(shù)據(jù)科學(xué)

您可以開始在Excel中練習(xí)機(jī)器學(xué)習(xí)。嘗試在Excel中實(shí)現(xiàn)線性回歸。這是一個(gè)很好的第一個(gè)挑戰(zhàn)，它會(huì)讓你有動(dòng)力。

開始在Excel中練習(xí)機(jī)器學(xué)習(xí)。

我應(yīng)該學(xué)Python還是R？

讓我們對(duì)房間里的大象講話。如果您剛剛起步，我建議您學(xué)習(xí)Python。主要原因有：

• 豐富的數(shù)據(jù)科學(xué)生態(tài)系統(tǒng)，后端…你說什么，Python都有。
• 這種語言的流行勢(shì)頭仍在增強(qiáng)。

使用Python，您可以進(jìn)行分析，從頭開發(fā)模型，然后在生產(chǎn)中運(yùn)行它。雖然我確信R中的模型也在生產(chǎn)中運(yùn)行，但我還沒有聽說過（如果您的經(jīng)驗(yàn)不同，請(qǐng)?jiān)谠u(píng)論中告訴我）。

別誤會(huì)，如果你知道R，那完全沒問題。數(shù)據(jù)科學(xué)團(tuán)隊(duì)通常使用這兩種語言，一些人喜歡R，另一些人喜歡Python。

最后，這并不重要，因?yàn)橛行┠Ｐ捅仨氂镁幾g語言(Java，Go)重新實(shí)現(xiàn)，以便在生產(chǎn)中做出更快的預(yù)測(cè)。

Python使您能夠進(jìn)行分析、從頭開發(fā)模型并在生產(chǎn)中運(yùn)行它。

我應(yīng)該學(xué)習(xí)SQL嗎？

這是個(gè)很棒的問題。答案是肯定的--用大寫字母。

無論您是否使用SQL數(shù)據(jù)庫，您都應(yīng)該了解關(guān)系數(shù)據(jù)庫中的主要概念，如joins、group by、window functions、lag、lead等。即使在使用pandas、R或其他工具時(shí)，這些概念也是必不可少的。

如果您感興趣，我還寫了幾篇關(guān)于SQL的文章：

• 編寫SQL查詢時(shí)的5個(gè)錯(cuò)誤
• 不要在SQL中重復(fù)這5個(gè)錯(cuò)誤

答案是肯定的--用大寫字母。

我應(yīng)該多上數(shù)學(xué)課嗎？

你知道的數(shù)學(xué)越多，從長遠(yuǎn)來看對(duì)你越好。了解數(shù)學(xué)將使您能夠理解黑匣子機(jī)器學(xué)習(xí)模型的幕后發(fā)生了什么。從理論到實(shí)踐的知識(shí)轉(zhuǎn)移也更容易。

有了數(shù)學(xué)，你就會(huì)明白黑匣子模型的幕后發(fā)生了什么。

數(shù)學(xué)和統(tǒng)計(jì)學(xué)在數(shù)據(jù)科學(xué)中重要嗎？

當(dāng)你需要改進(jìn)模型時(shí)，數(shù)學(xué)就變得至關(guān)重要。您需要數(shù)學(xué)來理解不同類型的模型、發(fā)行版等之間的差異。

資深機(jī)器學(xué)習(xí)工程師只需看優(yōu)化函數(shù)就能說出一個(gè)模型的主要性質(zhì)。

當(dāng)你試圖改進(jìn)模型時(shí)，數(shù)學(xué)變得至關(guān)重要。

我應(yīng)該上哪些課才能更好地為數(shù)據(jù)科學(xué)角色做好準(zhǔn)備？

我的建議是提前考慮。每個(gè)領(lǐng)域都需要一名數(shù)據(jù)科學(xué)家，或者將來也會(huì)需要。問問自己，完成學(xué)業(yè)后，你希望在哪家公司實(shí)習(xí)？如果你已經(jīng)聽過一些相關(guān)的課程，就更容易獲得生物信息學(xué)的實(shí)習(xí)機(jī)會(huì)。

提前想想。

我需要博士學(xué)位嗎。從事數(shù)據(jù)科學(xué)工作？

你不需要博士學(xué)位。從事數(shù)據(jù)科學(xué)工作--意味著對(duì)現(xiàn)實(shí)世界的數(shù)據(jù)進(jìn)行分析，并應(yīng)用機(jī)器學(xué)習(xí)模型。

如果你的目標(biāo)是做研究和開發(fā)新的機(jī)器學(xué)習(xí)算法（例如，在Deep Mind工作），那么你應(yīng)該攻讀博士學(xué)位。

你不需要博士學(xué)位。從事數(shù)據(jù)科學(xué)工作，但是...

如何獲得你在數(shù)據(jù)科學(xué)領(lǐng)域的第一份工作？

參加LocalMeetups。公司在那里尋找新雇員。也許從數(shù)據(jù)質(zhì)量評(píng)估部門開始--大公司有這些。在線社區(qū)也能有所幫助。

參加當(dāng)?shù)氐木蹠?huì)。

我怎么知道哪份工作有最好的導(dǎo)師？

最近，我寫道，“當(dāng)你有多個(gè)工作機(jī)會(huì)時(shí)，接受一個(gè)有更好導(dǎo)師的工作機(jī)會(huì)。”

你怎么知道哪家有最好的導(dǎo)師？在面試過程中盡可能多地了解團(tuán)隊(duì)成員、經(jīng)理、他們的背景等信息。查看他們的LinkedIn。他們?cè)赒uora、StackOverflow、Medium上寫嗎？做你的研究。