作者Jo Stichbury，自由技術(shù)作家

數(shù)據(jù)科學(xué)是一個(gè)新興的成熟領(lǐng)域，從數(shù)據(jù)工程和數(shù)據(jù)分析到機(jī)器和深度學(xué)習(xí)，各種工作職能不斷涌現(xiàn)。數(shù)據(jù)科學(xué)家必須結(jié)合科學(xué)、創(chuàng)造性和調(diào)查性的思維，從一系列數(shù)據(jù)集中提取意義，并解決客戶面臨的潛在挑戰(zhàn)。

從零售、交通和金融到醫(yī)療保健和醫(yī)學(xué)研究，生活的各個(gè)領(lǐng)域都產(chǎn)生了越來越多的數(shù)據(jù)。

可用計(jì)算能力的增加和人工智能的最新進(jìn)展將數(shù)據(jù)科學(xué)家--獲取原始數(shù)據(jù)、分析數(shù)據(jù)并使其有用和可用的人--推到了聚光燈下。

根據(jù)收入潛力、報(bào)告的工作滿意度和Glassdoor上的職位空缺數(shù)量等標(biāo)準(zhǔn)，自2016年以來，數(shù)據(jù)科學(xué)一直位居北美50個(gè)最佳職位榜首。

像數(shù)據(jù)科學(xué)家一樣思考

那么成為一名數(shù)據(jù)科學(xué)家需要什么呢？

為了獲得成功的一些技巧，我采訪了Ben Chu，他是atRefinitiv Labs的資深數(shù)據(jù)科學(xué)家。

朱棣文擁有人工智能的背景，尤其是語言學(xué)、語義學(xué)和圖形領(lǐng)域，并在新加坡路孚特實(shí)驗(yàn)室工作了兩年。

好奇

朱棣文在我們的采訪開始時(shí)說，數(shù)據(jù)科學(xué)家應(yīng)該像調(diào)查人員一樣思考。

你需要通過問“為什么？”來感到好奇和興奮?！斑@有點(diǎn)像當(dāng)偵探，把一個(gè)個(gè)點(diǎn)串起來，發(fā)現(xiàn)新線索?！?

在金融領(lǐng)域，數(shù)據(jù)科學(xué)家從一系列數(shù)據(jù)集中提取意義，以通知客戶并指導(dǎo)他們的關(guān)鍵決策。

數(shù)據(jù)科學(xué)家必須放大客戶想要解決的挑戰(zhàn)，并從他們正在處理的數(shù)據(jù)中獲取線索。

從與朱棣文的交談中，我了解到能夠轉(zhuǎn)移焦點(diǎn)并考慮調(diào)查的背景是多么重要。

如果不能解決根本問題，完美的分析是沒有幫助的。有時(shí)你需要回頭，嘗試一種新的方法，重新定義你試圖回答的問題。其核心是好奇心。你需要喜歡問題！

科學(xué)

數(shù)據(jù)科學(xué)家使用一系列工具來管理他們的工作流、數(shù)據(jù)、注釋和代碼。

“我必須非常勤奮。我需要衡量和跟蹤我的進(jìn)展，這樣我就可以備份和嘗試一個(gè)新的方向，重用以前的工作，并比較結(jié)果。

“重要的是要科學(xué)，在你前進(jìn)的過程中進(jìn)行觀察、實(shí)驗(yàn)和記錄，這樣你就可以復(fù)制你的發(fā)現(xiàn)。我需要組織我的觀察，所以我用概念作為我的主要工具，把我所有的筆記、論文和可視化放在一個(gè)地方?！?

朱棣文強(qiáng)調(diào)，需要保存記錄，不僅要追溯到他目前的調(diào)查，還要追溯到所有以前的發(fā)現(xiàn)。

“這就像數(shù)據(jù)科學(xué)日記。當(dāng)我遇到類似的情況時(shí)，我會(huì)保留很好的參考點(diǎn)，并參考它們來指導(dǎo)我的下一步行動(dòng)?！?

有創(chuàng)造力

數(shù)據(jù)科學(xué)不僅僅是有一個(gè)科學(xué)的方法。職稱可能會(huì)誤導(dǎo)人；你不必來自科學(xué)背景，但你確實(shí)需要能夠創(chuàng)造性地思考。通常，另類思維是你應(yīng)對挑戰(zhàn)的關(guān)鍵。

“我必須在解決問題的科學(xué)思維和引導(dǎo)我走上新的和不同的探索道路的創(chuàng)造性思維之間切換。

“邏輯的、科學(xué)的思維對幫助我得出結(jié)論至關(guān)重要，但戴上一頂創(chuàng)造性的帽子同樣重要：我用好的和失敗的例子作為觀察新模式的線索。這都是關(guān)于‘編碼智能’的?！?

了解如何編寫代碼

您需要扎實(shí)的編碼技能，以便能夠使用各種數(shù)據(jù)處理技術(shù)對不同的數(shù)據(jù)源進(jìn)行預(yù)處理，以解決噪聲或不完整的數(shù)據(jù)。

您還需要能夠創(chuàng)建機(jī)器學(xué)習(xí)管道，這將要求您知道如何構(gòu)建模型，并使用工具和框架來評估和分析其性能。

Chu和大多數(shù)數(shù)據(jù)科學(xué)家一樣使用Python，因?yàn)橛泻芏鄡?yōu)秀的包可以操作和建模數(shù)據(jù)。

事實(shí)上，Glassdoor在2017年上半年對其網(wǎng)站上的10,000份數(shù)據(jù)科學(xué)家工作列表進(jìn)行了抽樣，發(fā)現(xiàn)三種特殊的技能--Python、R和SQL--構(gòu)成了數(shù)據(jù)科學(xué)領(lǐng)域大多數(shù)職位空缺的基礎(chǔ)。

Ben Chu的團(tuán)隊(duì)依賴于開源機(jī)器學(xué)習(xí)包，如Tensorflow,Pytorch和Bert。

“我們主要將合流用作文檔工具；用于機(jī)器學(xué)習(xí)的MLFlow,Amazon Sagemaker,Scikit-Learn、Tensorflow,PyTorch和BERT；Apache Spark在大型數(shù)據(jù)集中構(gòu)建快速數(shù)據(jù)管道；和雅典娜作為我們的數(shù)據(jù)庫來存儲(chǔ)我們處理過的數(shù)據(jù)。

“我們還使用Superset來連接數(shù)據(jù)，并更容易地構(gòu)建儀表板來輸出圖表，這使其更加直觀。”

不用擔(dān)心“冒名頂替綜合癥”

朱棣文現(xiàn)在是路孚特實(shí)驗(yàn)室的一名高級數(shù)據(jù)科學(xué)家，但他從小就想成為一名音樂家，并對語言著迷。對于我在自然語言處理領(lǐng)域的工作，我需要很好地理解語言學(xué)，特別是語義學(xué)和語言的細(xì)微差別。

他解釋說，一個(gè)數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要一系列的技能--他和他的同事有來自不同背景的重疊技能。

“你需要的技能將取決于你工作的領(lǐng)域。例如，我需要對金融有很好的了解。

“例如，數(shù)據(jù)分析正被應(yīng)用于減少欺詐，通過建立異常檢測方法來檢測欺詐‘行為'，作為交易數(shù)據(jù)中的不規(guī)則模式。

“像我這樣的數(shù)據(jù)科學(xué)家需要精通如何處理各種孤立的金融數(shù)據(jù)。知道要結(jié)合什么是至關(guān)重要的，因?yàn)闆]有這種理解，我就無法建立一個(gè)成功的模型。“

進(jìn)入數(shù)據(jù)科學(xué)并不一定要成為一名計(jì)算機(jī)科學(xué)家或數(shù)學(xué)家。沒有人在每個(gè)領(lǐng)域都擁有所有的專業(yè)知識(shí)。你可以有法律、經(jīng)濟(jì)或科學(xué)背景。都是關(guān)于你思考的方式。

如果您能夠靈活和系統(tǒng)化，您將能夠在使用工具、框架和數(shù)據(jù)集時(shí)熟悉這些工具、框架和數(shù)據(jù)集的細(xì)節(jié)。

如何開始

對于那些渴望發(fā)展數(shù)據(jù)科學(xué)技能的人，朱棣文提供了一些實(shí)用的建議，盡管新冠肺炎造成了干擾，但你可以很容易地采用這些建議。

你可以在網(wǎng)上尋找研究社區(qū)、參加網(wǎng)絡(luò)研討會(huì)和找到培訓(xùn)課程。一旦面對面的網(wǎng)絡(luò)再次可行，朱建議您積極參與數(shù)據(jù)科學(xué)社區(qū)。

“去參加會(huì)議和黑客馬拉松，這將幫助你建立一個(gè)強(qiáng)大的網(wǎng)絡(luò)來討論你的想法，啟發(fā)你的研究，回答你的問題”。

此外，請記住，數(shù)據(jù)科學(xué)領(lǐng)域是一個(gè)新的領(lǐng)域，而且仍在不斷成熟。

出現(xiàn)了各種不同的職位頭銜，如數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師和數(shù)據(jù)分析師，以及機(jī)器學(xué)習(xí)和深度學(xué)習(xí)工程師。您可能會(huì)發(fā)現(xiàn)一個(gè)角色比另一個(gè)角色更適合您的興趣和技能。

挖掘你的好奇心和創(chuàng)造力，提高你的Python技能，進(jìn)入數(shù)據(jù)科學(xué)！

本文最初出現(xiàn)在2020年4月初的《路孚特透視》上。