
初學者必看丨如何成為一名數(shù)據(jù)科學家
想從事數(shù)據(jù)科學領(lǐng)域的初學者總是很困惑:應(yīng)該學習哪種編程語言?專業(yè)重要嗎?需要掌握哪些工具和技能?在這篇文章中,你的這些問題都能得到解答。
幾星期前,我發(fā)布了我的第二篇Kaggle Kernel( Kernel: Kaggle 中用于探索概念、展示技術(shù)或分享解決方案的短腳本)。我對Kaggle最近發(fā)布的“機器學習和數(shù)據(jù)科學現(xiàn)狀”調(diào)查很感興趣,并認為我可以從中得出一些有趣的見解。我以為大多數(shù)寫Kernel的人都已經(jīng)是數(shù)據(jù)科學家了,比起如何入門,他們應(yīng)該對其他的內(nèi)容更感興趣。
令我驚訝的是,我贏得了每周一次的Kernel獎,我的這篇Kernel最終獲得了超過預期的關(guān)注度。
在這里我把這篇分享給大家,探究如何成為一名數(shù)據(jù)科學家。
一、編程語言
據(jù)我所知,數(shù)據(jù)科學領(lǐng)域有兩種語言是最常用的,即Python和R語言。我個人比較喜歡R語言,但是好奇在實際情況中是什么樣的。
我根據(jù)受訪者的職位,比較選擇Python或R語言作為主要編程語言的人數(shù)。事實證明,除了統(tǒng)計學和運籌學之外,其他職位中使用Python的人數(shù)更多。然而這兩個領(lǐng)域,特別是運籌學由于樣本量太小,以至于結(jié)果的參考價值并不高。
二、專業(yè)和職位
我想知道哪些專業(yè)傾向選擇哪些職位,因此我創(chuàng)建了比較大學專業(yè)和所選職位的圖表。
當然,計算機科學專業(yè)的人群會成為計算機科學家,程序員和軟件工程師。數(shù)學專業(yè)的人群會選擇預測建模,數(shù)據(jù)科學和統(tǒng)計學職位,物理專業(yè)則傾向于進入研究領(lǐng)域。
圖表中一個有趣的信息是,每個職位都有至少一名非此專業(yè)的人士。這表明,只要你有理想,所學專業(yè)不是限制做你想做的事情的理由。
三、學習資源
用來學習數(shù)據(jù)科學的在線資源特別豐富。我很好奇對于調(diào)查的受訪者來說哪些在線資源是最有用的。
事實證明,人們認為創(chuàng)建項目,參加課程,參加Kaggle挑戰(zhàn)是學習和了解數(shù)據(jù)科學最有用的方法。我很喜歡從事數(shù)據(jù)科學的項目,并在完成項目的過程中一步步成長為一名數(shù)據(jù)科學家。
四、重要的工作技能
調(diào)查的另一個問題是詢問受訪者,他們認為在工作中最有用的技能是什么。
掌握Python和統(tǒng)計知識被認為是最有用的工作技能。這方面R語言略微落后于Python,這反映了第一張圖的情況。有趣的是,MOOC(大型開放式網(wǎng)絡(luò)課程)在實用性方面得分最低。然而上一張圖中,人們認為在線課程是學習數(shù)據(jù)科學最有用的資源之一。這也讓我感覺不是跟確定,是不是受訪者認為在找工作時,MOOC不應(yīng)該被用作認證。
五、實際運用的工具
受訪者也被問到,他們認為哪些技術(shù)在日常工作中最有用。在以下圖表中,我分析了所有受訪者的情況,以及具體的職位情況。
Python被評為整個行業(yè)中最需要掌握的技術(shù)。R語言排名第三位。每個職位都說要用到SQL、Jupyter、Unix和TensorFlow了。表明這些可能是不久之后需要掌握的重要技術(shù)。
六、實際運用的方法
與上一個問題類似,受訪者被問到,他們在工作中實際運用到的數(shù)據(jù)科學方法。
我們可以看到,每個職業(yè)的人群都用到了數(shù)據(jù)可視化、交叉驗證、邏輯回歸和決策樹。機器學習工程師則要經(jīng)常使用自然語言處理和神經(jīng)網(wǎng)絡(luò)技術(shù)。其他職位有相應(yīng)的方法需要經(jīng)常使用。
結(jié)論
我喜歡運用龐大的數(shù)據(jù)集,這將非常適合我今后的工作。如果你是一名數(shù)據(jù)科學家新手,并且正在找工作,那么我給你列出以下幾幾條建議:
1.學習 Python
Python和R語言都已經(jīng)存在數(shù)十年了。但正如我們在第一張圖中看到的那樣,在大多數(shù)情況下Python是勝出的。圖四和圖五也反應(yīng)了這一情況。很難找到一家不使用Python的公司,所以學好Python絕對是沒錯的。
2.專業(yè)選擇計算機科學或數(shù)學
正如圖二所示,每個職位都有不同的專業(yè)。然而根據(jù)圖中的比例來看,每個職位中計算機科學和數(shù)學人數(shù)是最多的。雖然這不是必須的,但這兩個專業(yè)能讓你在求職中獲得一些優(yōu)勢。
3.創(chuàng)建項目、參加課程、參與Kaggle挑戰(zhàn)
正如圖三所示,學習數(shù)據(jù)科學方面有些方法特別實用。
4.了解廣泛使用的工具
有無數(shù)的工具可供我們使用,但通過這次調(diào)查,我們了解到哪些是主流的工具。
我希望以上幾點能夠幫助你起步,逐步成為一名數(shù)據(jù)科學家。祝你好運!
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10