自由數(shù)據(jù)科學(xué)家Arnuld談數(shù)據(jù)

埃里克·韋伯（是的，那個(gè)長得不錯(cuò)的家伙帶著一只可愛的狗）最近在LinkedIn上寫了一篇帖子，講述了當(dāng)他開始數(shù)據(jù)科學(xué)生涯時(shí)，他希望自己能少做的10件事。這篇文章是我通過這十點(diǎn)的旅程。首先，你應(yīng)該繼續(xù)閱讀他的帖子。下面是截圖：

首先，這不是一個(gè)“內(nèi)容”的帖子。

已經(jīng)有這么多的文章和博客帖子了，所以看看他們。在這里，我們將談?wù)勀愕闹攸c(diǎn)和方向，當(dāng)你渴望成為一名數(shù)據(jù)科學(xué)家，并得到業(yè)界的關(guān)注。

1）認(rèn)為我需要學(xué)習(xí)一切

是的，這需要你很多時(shí)間和精力。這個(gè)障礙是你應(yīng)該馬上處理的。一開始我和它作斗爭，但幾個(gè)月后，它就消失了。我把這個(gè)突破歸因于我的日常閱讀習(xí)慣。

我一直在閱讀LinkedIn上的帖子（尤其是埃里克·韋伯本人的帖子）。此外，我每天讀很多來自不同數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師的博客，讀一兩個(gè)小時(shí)或更多。這讓我明白了數(shù)據(jù)科學(xué)在工業(yè)工作中的重要性:你用你的技能為組織增加了多少價(jià)值。通過構(gòu)建你感興趣的東西或構(gòu)建解決問題的東西來定義價(jià)值。你通過回答這個(gè)問題來選擇學(xué)什么，它會(huì)給你一個(gè)關(guān)于什么該學(xué)什么不該學(xué)的想法。

我花了幾個(gè)月才意識(shí)到這一點(diǎn)（我猜是6個(gè)月）。我將把這幾個(gè)月加在一起，看我們可以節(jié)省多少時(shí)間。

2）為面試瑣事做準(zhǔn)備。

是的，這是另一場(chǎng)斗爭，主要是因?yàn)橐韵聨讉€(gè)原因：

• 對(duì)于什么是數(shù)據(jù)科學(xué)家，沒有一個(gè)統(tǒng)一的定義。對(duì)他的工作職責(zé)只有一個(gè)模糊的想法，這些職責(zé)與數(shù)據(jù)分析師或機(jī)器學(xué)習(xí)工程師有什么不同？
• 然后是令人困惑的工作描述。由于對(duì)數(shù)據(jù)科學(xué)家沒有一個(gè)令人滿意的定義，你會(huì)看到這樣的描述：機(jī)器學(xué)習(xí)、軟件工程、Python、R、多年的統(tǒng)計(jì)學(xué)、微積分、線性代數(shù)、Big-O等等?？粗ぷ髅枋?，你覺得你需要50歲以上才能申請(qǐng)這些工作。

別上當(dāng)。不要把工作描述放在心上。大多數(shù)“面試瑣事”是數(shù)據(jù)科學(xué)的新事物與組織中人才獲取、數(shù)據(jù)科學(xué)和軟件工程團(tuán)隊(duì)之間溝通渠道不暢的結(jié)合。與其對(duì)此感到不知所措，你需要專注于如何破解它。

解決這個(gè)問題的一個(gè)方法是通過觀察現(xiàn)實(shí)。如果你認(rèn)識(shí)任何現(xiàn)實(shí)生活中的數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析師和機(jī)器學(xué)習(xí)工程師（離線的，在物理世界中），和他們談?wù)勊麄兊墓ぷ鲗⑹且粋€(gè)很好的主意。如果你不認(rèn)識(shí)任何人，那么你可以隨時(shí)查看博客和文章。

我線下不認(rèn)識(shí)這方面的專業(yè)人士。所以我通過閱讀博客和文章來學(xué)習(xí)。我所了解到的是，公司會(huì)招來很多人參加面試，他們都是“懂”東西的人，但很少有“造”東西的人。因此，專注于構(gòu)建材料而不是單純的學(xué)習(xí)和教育（例如，部署和生產(chǎn)是兩件重要的事情）。我花了5-6個(gè)月才意識(shí)到這一點(diǎn)。

6+6=迄今12個(gè)月

3）試圖模仿別人的道路

啊哈，這是我最喜歡的：-）因?yàn)檫@是我浪費(fèi)了大部分時(shí)間的地方：

• Tetiana Ivanovaland6個(gè)月就找到了工作
• 凱利·彭蘭德達(dá)辭去數(shù)據(jù)分析師工作一年后的工作
• Natassha Selvaraj找到了一份工作，她正在大學(xué)學(xué)習(xí)
• Mikko Koskinenen根本不打算成為一名數(shù)據(jù)科學(xué)家
• 托馬斯·赫普納覺得自己比泰坦尼克號(hào)數(shù)據(jù)還失落，一年后，他作為一名數(shù)據(jù)科學(xué)家進(jìn)入了這個(gè)行業(yè)

看看我的個(gè)人資料，我在軟件開發(fā)（C語言）方面有4.5年的經(jīng)驗(yàn)，現(xiàn)在已經(jīng)做了8個(gè)月的數(shù)據(jù)科學(xué)工作，但仍然遠(yuǎn)遠(yuǎn)沒有回答這個(gè)問題：

你最喜歡的機(jī)器學(xué)習(xí)算法是什么？為什么？

是的，我同意我的情況看起來像是big-o：O(n^n)的最壞情況

我讀過成百上千（不，我沒有夸張）的博客帖子和文章，這些人找到了數(shù)據(jù)科學(xué)的工作，改變了行業(yè)。我追蹤并模仿他們的數(shù)據(jù)科學(xué)之旅進(jìn)入我的生活，從他們的思維模式到他們課程的選擇，甚至他們對(duì)某些書中某些章節(jié)的選擇，就像一份完美的復(fù)制品。我仍然沒有回答上面的問題，因?yàn)槲疑踔敛恢罏槭裁次視?huì)喜歡一個(gè)機(jī)器學(xué)習(xí)算法而不是另一個(gè)。畢竟，我只是在無意識(shí)地咀嚼所有的模特，以“變得像他們一樣”的名義。

兩天前，我放棄了它，決定遵循我認(rèn)為我應(yīng)該做的事情。（令人驚訝的是，我今天看到了Eric的帖子。好像宇宙在告訴我，我走在正確的道路上，一條屬于我的道路。）

我認(rèn)為我們每個(gè)人都必須個(gè)性化我們的旅程。我們的環(huán)境、我們的才能、我們的經(jīng)驗(yàn)、我們的態(tài)度、我們的職業(yè)道德、我們的背景和我們的學(xué)習(xí)能力，都是不同和獨(dú)特的。這就是為什么追蹤別人的路徑可能永遠(yuǎn)行不通。

所以我決定我將嘗試和開創(chuàng)自己的道路，成為一名數(shù)據(jù)科學(xué)家。這并不是說我會(huì)停止閱讀別人的旅行，我仍然會(huì)閱讀，但我不會(huì)盲目地跟隨他們，試圖將其復(fù)制到我的生活中，我會(huì)把它們作為指南針，作為指導(dǎo)機(jī)制。這花了我8個(gè)月的時(shí)間。遲來總比不來好。

6+6+8=20個(gè)月

4）關(guān)注完美的解決方案。

我的計(jì)算機(jī)編程經(jīng)驗(yàn)解決了這個(gè)問題。我花了50年的時(shí)間在這個(gè)行業(yè)做編程，寫代碼為我的雇主賺錢，這已經(jīng)教會(huì)了我“完成”比“完美”好。發(fā)現(xiàn)一個(gè)人面臨的問題，并建立一個(gè)解決方案，實(shí)際上是唯一重要的事情。單純的學(xué)習(xí)和教育是不行的。

6+6+8+0=20個(gè)月

5）學(xué)習(xí)我很少使用的高級(jí)統(tǒng)計(jì)數(shù)據(jù)

回到2018年，我花了很多時(shí)間為數(shù)據(jù)科學(xué)學(xué)習(xí)數(shù)學(xué)和統(tǒng)計(jì)學(xué)。我花了4個(gè)月的時(shí)間學(xué)習(xí)：

• 可汗學(xué)院代數(shù)一和二
• 馬里利桑那州立大學(xué)edX學(xué)院級(jí)代數(shù)與解題
• MIT大圖微積分從YouTube
• 西爾瓦納斯·P·湯普森使微積分變得容易?？蓮腉utenberg項(xiàng)目免費(fèi)獲得
• 微積分1A:與MITat edx的微分。
• 可汗學(xué)院微積分1中的極限和積分。
• 閱讀不同的統(tǒng)計(jì)學(xué)書籍以獲得統(tǒng)計(jì)學(xué)思維方式

這是一個(gè)多么大的錯(cuò)誤：-（.據(jù)我今天所知，我所需要的只是：

1. 統(tǒng)計(jì)學(xué)基礎(chǔ)。不是統(tǒng)計(jì)本身，而是機(jī)器學(xué)習(xí)和數(shù)據(jù)分析特別需要的主題
2. 貝葉斯定理基礎(chǔ)
3. 線性代數(shù)基礎(chǔ)（只有一些小東西，如矩陣乘法和轉(zhuǎn)置等）
4. 大O符號(hào)的基礎(chǔ)（查看Outtreature Cake的解釋）

是的，沒有什么花哨的，只有基本的。你找到工作后能做的所有花哨的事情。在此之前，您使用Python或R庫。不要像在學(xué)?；虼髮W(xué)里那樣試圖學(xué)習(xí)數(shù)學(xué)公式，而是嘗試使用Python中的庫調(diào)用來學(xué)習(xí)如何使用它，例如使用Scipy計(jì)算t檢驗(yàn)，并學(xué)習(xí)理解它所需的數(shù)學(xué)知識(shí)：

3.1。Python-Scipy課堂講稿中的統(tǒng)計(jì)學(xué)
一個(gè)簡單的線性回歸給出兩組觀測(cè)值，x和y，我們想檢驗(yàn)y是線性的假設(shè)...

嗯，有8-10個(gè)月：

6+6+8+0+10=30個(gè)月

6）認(rèn)為R與Python的辯論只需要選擇1。

我糾結(jié)于這個(gè)問題：

1. 從R開始的數(shù)據(jù)科學(xué)比哈德利·韋翰。讀了幾章，然后放棄了，因?yàn)槲易x到Python正在工業(yè)世界中取得進(jìn)展。
2. 我從Python開始，嘗試了幾本書，然后我回到了R，因?yàn)間gplot看起來比matplotlib更好。
3. 然后我又回到了Python，因?yàn)樗哂熊浖こ痰母杏X。
4. 回到R，因?yàn)閠idyverse作為一個(gè)包，在數(shù)據(jù)分析和可視化方面比Python工具成熟得多。

當(dāng)我從一家公司得到一個(gè)帶回家的任務(wù)時(shí)，這個(gè)問題就消失了，這家公司找我做R相關(guān)的工作。在使用R和Python完成帶回家的任務(wù)后，我再也不想碰R了。根據(jù)我的經(jīng)驗(yàn)，Python更適合于軟件工程實(shí)踐，而在為實(shí)際工業(yè)工作編寫數(shù)據(jù)科學(xué)代碼時(shí)，軟件工程實(shí)踐是絕對(duì)必要的。它幾乎和你在做軟件開發(fā)時(shí)一樣。從那以后，我完全變成了Python。就我個(gè)人而言，如果我必須使用另一種語言，我會(huì)使用JuliaInstead。大約4-6個(gè)月。

6+6+8+0+10+4=34個(gè)月

7）花大量時(shí)間思考非結(jié)構(gòu)化數(shù)據(jù)

這個(gè)錯(cuò)誤是我在“數(shù)學(xué)錯(cuò)誤”之后做的。我花了幾個(gè)月的時(shí)間思考SQL與NoSQL的對(duì)比。我們看著某件事，我們從我們的觀點(diǎn)來思考它，并認(rèn)為這就是它的意思。我們都知道這是一個(gè)數(shù)據(jù)時(shí)代，每天都有數(shù)百萬兆字節(jié)的數(shù)據(jù)產(chǎn)生。大部分都是非結(jié)構(gòu)化的。我猜我應(yīng)該學(xué)習(xí)NoSQL。但是幾乎所有的工作描述都只提到SQL。然后我會(huì)想到做SQL。

我既沒有學(xué)SQL也沒有學(xué)NoSQL。這就是為什么對(duì)一件事左右為難會(huì)消磨你幾個(gè)月的時(shí)間。

我不再以我的方式來解釋事情，而是開始關(guān)注那些獲得數(shù)據(jù)科學(xué)工作的人以及他們學(xué)到了什么。他們都把SQL列為一種技能。所以我改用SQL。開始ISSQLBolt的好地方。

我不會(huì)在這里考慮任何時(shí)間浪費(fèi)，因?yàn)榧词刮覜]有學(xué)到任何東西，我用這些時(shí)間來學(xué)習(xí)其他東西。所以，到目前為止的等式是：

6+6+8+0+10+4+0=34個(gè)月

8）考慮的是技術(shù)，而不是業(yè)務(wù)

這是一個(gè)你需要認(rèn)真改變心態(tài)的領(lǐng)域，我也需要這樣的改變。我的計(jì)算機(jī)編程背景使我成為一個(gè)百分之百的技術(shù)人員，他真的不知道如何不僅僅是一個(gè)團(tuán)隊(duì)工作者。對(duì)團(tuán)隊(duì)的貢獻(xiàn)是我社交和溝通技巧的終點(diǎn)。

我從一開始就不知道這一點(diǎn)，但由于我的閱讀習(xí)慣，我發(fā)現(xiàn)了數(shù)據(jù)科學(xué)的許多特點(diǎn)，使它與其他技術(shù)工作格格不入。我克服這一點(diǎn)的一個(gè)方法是與我認(rèn)識(shí)或遇到的人談?wù)摯髷?shù)據(jù)。通過向我的朋友和其他人解釋數(shù)據(jù)科學(xué)，機(jī)器學(xué)習(xí)概念。但是由于我的自由職業(yè)工作和數(shù)據(jù)科學(xué)學(xué)習(xí)需要我花很多時(shí)間在電腦前，我沒有得到很多機(jī)會(huì)來鍛煉這種方法。

數(shù)據(jù)科學(xué)不僅僅是編程，數(shù)據(jù)科學(xué)不僅僅是Web開發(fā)，它不僅僅是分析數(shù)據(jù)和建立模型。這是故事的一半。數(shù)據(jù)科學(xué)的另一半是能夠與不太懂技術(shù)的人交流。業(yè)務(wù)利益相關(guān)者、管理層的決策者和客戶是你將要與之打交道的三種不同類型的非技術(shù)人員。因此，如果我們把與人合作視為“另一項(xiàng)技術(shù)工作”，那么它將是一個(gè)巨大的痛苦。Bycole Nussbaumer Knaflic有一本關(guān)于交流數(shù)據(jù)洞察力的優(yōu)秀書籍，書名為“用數(shù)據(jù)講故事”。它是一種必讀的書。

這還有另一面。業(yè)務(wù)問題。你所建立的模型，你所做的比較，以及你所達(dá)到的準(zhǔn)確性，它是如何使業(yè)務(wù)受益的？你看，如果一個(gè)數(shù)據(jù)科學(xué)家不能為業(yè)務(wù)帶來利潤或利益或增值，他的工作就沒有意義。如果你來自像我這樣的技術(shù)背景，這是一件很難掌握和擅長的事情。在這種情況下，技術(shù)心態(tài)所做的是讓您的注意力只集中在構(gòu)建模型和分析數(shù)據(jù)上，因?yàn)檫@是我們所做的。我們沒有業(yè)務(wù)上下文。

我沒有一個(gè)很好的解決辦法，因?yàn)閺膩頉]有任何個(gè)人經(jīng)驗(yàn)。所以在這里半信半疑地接受我的建議。也搜索自己。我只能閱讀博客、帖子和文章來理解該做什么。我也不認(rèn)識(shí)任何產(chǎn)品經(jīng)理（我見過一兩個(gè)IT服務(wù)經(jīng)理，但我不知道這是否合格）。我遇到的唯一解決這個(gè)問題的方法有兩個(gè)：

1. 閱讀案例研究，產(chǎn)品案例研究。這就是產(chǎn)品經(jīng)理所做的。因此，如果你認(rèn)識(shí)任何產(chǎn)品經(jīng)理（甚至是項(xiàng)目經(jīng)理），你應(yīng)該和他們談?wù)勊麄兊漠a(chǎn)品/項(xiàng)目是如何給公司帶來價(jià)值的。
2. 讀一些書，比如蓋爾·拉克曼·麥克道爾·杰基（博?。ぐ屯吡_的《破解首相采訪》

如果你是一名程序員或軟件開發(fā)人員，不了解這一點(diǎn)會(huì)使你在技術(shù)技能上工作時(shí)間長而辛苦。6個(gè)月的損耗：

6+6+8+0+10+4+0+6=40個(gè)月

9）努力跟上所有的報(bào)紙

你需要避免的另一個(gè)陷阱。我在這里面陷了一段時(shí)間。我想自己寫一兩篇論文，但現(xiàn)在我的第一個(gè)重點(diǎn)總是“構(gòu)建某個(gè)東西”。盡可能少地學(xué)習(xí)構(gòu)建某個(gè)東西。

是的，所有這些文件看起來非常非常令人印象深刻，非常漂亮。論文大多是關(guān)于學(xué)術(shù)的。你正試圖在這個(gè)行業(yè)找到一份工作。學(xué)術(shù)界和工業(yè)界并不匹配，除了兩個(gè)可能的例外：

1. 你正在尋找一個(gè)行業(yè)內(nèi)的研究職位。在這種情況下，你的投資組合將僅限于10-20%的雇主。
2. 你想為四大公司工作，即Facebook、亞馬遜、谷歌和微軟。

除了上面所說的，我看不出偏離我的重心在一個(gè)好的一級(jí)或二級(jí)公司找到一個(gè)數(shù)據(jù)科學(xué)家的職位有什么意義。別誤會(huì)我的意思，我喜歡做研究。事實(shí)上，早在大學(xué)時(shí)，我就想讀博士學(xué)位。在微內(nèi)核研究中。研究工作需要大量的時(shí)間和精力。我認(rèn)為更好的生活方式是在職業(yè)生涯中找到平衡點(diǎn):在你的興趣和市場(chǎng)/行業(yè)需求之間找到平衡點(diǎn)。避免在任何一邊摔倒。

與其跟上所有的論文，一個(gè)更好的平衡學(xué)習(xí)的方法是：

1. 使用Pandas學(xué)習(xí)數(shù)據(jù)清理的基本知識(shí)（Kaggle datasets已經(jīng)為你完成了90%的工作。在現(xiàn)實(shí)生活中，你必須完成所有的清理。學(xué)習(xí)刮擦一些數(shù)據(jù)并清理它）
2. 學(xué)習(xí)機(jī)器學(xué)習(xí)建模的基礎(chǔ)知識(shí)，以及為什么我們選擇一個(gè)模型而不是另一個(gè)模型。什么樣的模型適合什么樣的領(lǐng)域問題，例如醫(yī)療保健與財(cái)務(wù)
3. 了解如何將模型部署到生產(chǎn)中（您將了解使用EstrealmLit、Heroku和Voila時(shí)實(shí)際工作的感受。我在這里使用Voila實(shí)現(xiàn)了熊檢測(cè)模型。）

6+6+8+0+10+4+0+6+10=50個(gè)月

10）相信做某事只有一種方法

這個(gè)很大。我想我一輩子都在為此掙扎。有些人有，有些人沒有。我傾向于說，也許聰明人沒有這個(gè)問題（我見過或讀到的聰明人，他們沒有）。像我這樣的人一輩子都在努力戰(zhàn)勝它。這是個(gè)監(jiān)獄，相信我。帶著“做某事只有一種方法”的心態(tài)生活是相當(dāng)令人沮喪的。如果你看現(xiàn)實(shí)生活中的故事，想法沒有任何限制。

這更多的是個(gè)人發(fā)展的障礙，而不是技術(shù)上的障礙，因?yàn)闊o論你在哪個(gè)領(lǐng)域工作，這一個(gè)都會(huì)出現(xiàn)，它絕對(duì)與技術(shù)無關(guān)。我還在努力。到目前為止，我找到的一個(gè)解決辦法是，當(dāng)我在某個(gè)問題上找不到路時(shí)，如果是晚上，我會(huì)下機(jī)器去散步；如果不是晚上，我會(huì)讀一本完全無關(guān)的書（一些非小說類的書），或者騎摩托車，完全忘記這個(gè)問題。然后我會(huì)回來，試著從不同的文章或博客文章中學(xué)習(xí)同樣的東西，而不是提到我被困的原點(diǎn)。只是從別人的角度看待同樣的問題。

我不能給這個(gè)規(guī)定任何時(shí)間限制。我一生都在為這個(gè)奮斗：

6+6+8+0+10+4+0+6+10+壽命=50+壽命

所以，我浪費(fèi)了將近50個(gè)月？

不是真的。

當(dāng)談到我浪費(fèi)時(shí)間的地方時(shí)，所有這些觀點(diǎn)都相互重疊。實(shí)際上是12個(gè)月。2019年12月至2020年11月。在開始的幾個(gè)月里，我甚至不知道我需要做什么。事情直到今年2020年3月才開始有意義。我想如果事情對(duì)我來說更清楚，我可以節(jié)省4-6個(gè)月的時(shí)間，但這只是一個(gè)瘋狂的猜測(cè)，一些真正聰明的人告訴我：需要任何時(shí)間來打破障礙。讓我再重復(fù)一遍：

我們每個(gè)人都有一次個(gè)人數(shù)據(jù)科學(xué)之旅。我們的環(huán)境、我們的才能、我們的經(jīng)驗(yàn)、我們的態(tài)度、我們的職業(yè)道德、我們的背景和我們的學(xué)習(xí)能力，都是不同和獨(dú)特的。這就是為什么也許追蹤別人的道路永遠(yuǎn)行不通。這就是為什么你需要不斷推動(dòng)自己學(xué)習(xí)你能學(xué)到的東西，讓自己了解這個(gè)行業(yè)正在發(fā)生的事情，并不斷糾正你的道路（就像我們智能手機(jī)上的地圖等應(yīng)用程序不斷糾正我們并指明方向）

獎(jiǎng)金--你的精神面貌

我試圖學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，然后才能理解邏輯回歸比線性回歸更適合什么樣的問題。在機(jī)器學(xué)習(xí)有任何意義之前，我就在做深度學(xué)習(xí)。就我而言，這是因?yàn)椋?/em>