初學(xué)者必看丨如何成為一名數(shù)據(jù)科學(xué)家

想從事數(shù)據(jù)科學(xué)領(lǐng)域的初學(xué)者總是很困惑：應(yīng)該學(xué)習(xí)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(xué)習(xí)和數(shù)據(jù)科學(xué)現(xiàn)狀”調(diào)查很感興趣，并認(rèn)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(xué)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(yù)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(xué)家。

一、編程語言

據(jù)我所知，數(shù)據(jù)科學(xué)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(xué)和運籌學(xué)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(xué)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(xué)專業(yè)和所選職位的圖表。

當(dāng)然，計算機科學(xué)專業(yè)的人群會成為計算機科學(xué)家，程序員和軟件工程師。數(shù)學(xué)專業(yè)的人群會選擇預(yù)測建模，數(shù)據(jù)科學(xué)和統(tǒng)計學(xué)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(xué)專業(yè)不是限制做你想做的事情的理由。

三、學(xué)習(xí)資源

用來學(xué)習(xí)數(shù)據(jù)科學(xué)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(rèn)為創(chuàng)建項目，參加課程，參加Kaggle挑戰(zhàn)是學(xué)習(xí)和了解數(shù)據(jù)科學(xué)最有用的方法。我很喜歡從事數(shù)據(jù)科學(xué)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(xué)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(rèn)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(rèn)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(rèn)為在線課程是學(xué)習(xí)數(shù)據(jù)科學(xué)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(rèn)為在找工作時，MOOC不應(yīng)該被用作認(rèn)證。

五、實際運用的工具

受訪者也被問到，他們認(rèn)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(xué)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(xué)習(xí)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(xué)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(xué)習(xí) 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(xué)好Python絕對是沒錯的。

2.專業(yè)選擇計算機科學(xué)或數(shù)學(xué)

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(xué)和數(shù)學(xué)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(xué)習(xí)數(shù)據(jù)科學(xué)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(xué)家。祝你好運！