作者Jo Stichbury，自由技術作家

數據科學是一個新興的成熟領域，從數據工程和數據分析到機器和深度學習，各種工作職能不斷涌現。數據科學家必須結合科學、創(chuàng)造性和調查性的思維，從一系列數據集中提取意義，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)學研究，生活的各個領域都產生了越來越多的數據。

可用計算能力的增加和人工智能的最新進展將數據科學家--獲取原始數據、分析數據并使其有用和可用的人--推到了聚光燈下。

根據收入潛力、報告的工作滿意度和Glassdoor上的職位空缺數量等標準，自2016年以來，數據科學一直位居北美50個最佳職位榜首。

像數據科學家一樣思考

那么成為一名數據科學家需要什么呢？

為了獲得成功的一些技巧，我采訪了Ben Chu，他是atRefinitiv Labs的資深數據科學家。

朱棣文擁有人工智能的背景，尤其是語言學、語義學和圖形領域，并在新加坡路孚特實驗室工作了兩年。

好奇

朱棣文在我們的采訪開始時說，數據科學家應該像調查人員一樣思考。

你需要通過問“為什么？”來感到好奇和興奮。“這有點像當偵探，把一個個點串起來，發(fā)現新線索?！?

在金融領域，數據科學家從一系列數據集中提取意義，以通知客戶并指導他們的關鍵決策。

數據科學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據中獲取線索。

從與朱棣文的交談中，我了解到能夠轉移焦點并考慮調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

數據科學家使用一系列工具來管理他們的工作流、數據、注釋和代碼。

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

“重要的是要科學，在你前進的過程中進行觀察、實驗和記錄，這樣你就可以復制你的發(fā)現。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地方。“

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

“這就像數據科學日記。當我遇到類似的情況時，我會保留很好的參考點，并參考它們來指導我的下一步行動?！?

有創(chuàng)造力

數據科學不僅僅是有一個科學的方法。職稱可能會誤導人；你不必來自科學背景，但你確實需要能夠創(chuàng)造性地思考。通常，另類思維是你應對挑戰(zhàn)的關鍵。

“我必須在解決問題的科學思維和引導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、科學的思維對幫助我得出結論至關重要，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。這都是關于‘編碼智能’的?！?

了解如何編寫代碼

您需要扎實的編碼技能，以便能夠使用各種數據處理技術對不同的數據源進行預處理，以解決噪聲或不完整的數據。

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

Chu和大多數數據科學家一樣使用Python，因為有很多優(yōu)秀的包可以操作和建模數據。

事實上，Glassdoor在2017年上半年對其網站上的10,000份數據科學家工作列表進行了抽樣，發(fā)現三種特殊的技能--Python、R和SQL--構成了數據科學領域大多數職位空缺的基礎。

Ben Chu的團隊依賴于開源機器學習包，如Tensorflow,Pytorch和Bert。

“我們主要將合流用作文檔工具；用于機器學習的MLFlow,Amazon Sagemaker,Scikit-Learn、Tensorflow,PyTorch和BERT；Apache Spark在大型數據集中構建快速數據管道；和雅典娜作為我們的數據庫來存儲我們處理過的數據。

“我們還使用Superset來連接數據，并更容易地構建儀表板來輸出圖表，這使其更加直觀。”

不用擔心“冒名頂替綜合癥”

朱棣文現在是路孚特實驗室的一名高級數據科學家，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域的工作，我需要很好地理解語言學，特別是語義學和語言的細微差別。

他解釋說，一個數據科學團隊需要一系列的技能--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域。例如，我需要對金融有很好的了解。

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

“像我這樣的數據科學家需要精通如何處理各種孤立的金融數據。知道要結合什么是至關重要的，因為沒有這種理解，我就無法建立一個成功的模型。“

進入數據科學并不一定要成為一名計算機科學家或數學家。沒有人在每個領域都擁有所有的專業(yè)知識。你可以有法律、經濟或科學背景。都是關于你思考的方式。

如果您能夠靈活和系統(tǒng)化，您將能夠在使用工具、框架和數據集時熟悉這些工具、框架和數據集的細節(jié)。

如何開始

對于那些渴望發(fā)展數據科學技能的人，朱棣文提供了一些實用的建議，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。

你可以在網上尋找研究社區(qū)、參加網絡研討會和找到培訓課程。一旦面對面的網絡再次可行，朱建議您積極參與數據科學社區(qū)。

“去參加會議和黑客馬拉松，這將幫助你建立一個強大的網絡來討論你的想法，啟發(fā)你的研究，回答你的問題”。

此外，請記住，數據科學領域是一個新的領域，而且仍在不斷成熟。

出現了各種不同的職位頭銜，如數據科學家、數據工程師和數據分析師，以及機器學習和深度學習工程師。您可能會發(fā)現一個角色比另一個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，進入數據科學！

本文最初出現在2020年4月初的《路孚特透視》上。