我是如何從物理學(xué)轉(zhuǎn)行到數(shù)據(jù)科學(xué)領(lǐng)域

很多人問我是如果從物理學(xué)轉(zhuǎn)行到數(shù)據(jù)科學(xué)，本文講述了關(guān)于我為什么決定成為一名數(shù)據(jù)科學(xué)家，以及我是如何追求并實現(xiàn)目標的。希望能夠最終鼓勵更多的人追求自己的夢想。讓我們開始吧！

CERN 暑期項目

2017年CERN暑期項目

CERN(歐洲核子研究組織)暑期項目為物理、計算機和工程專業(yè)的本科生提供了千載難逢的機會，讓他們前往瑞士日內(nèi)瓦，與頂尖科學(xué)家一起參加研究項目。

2017年6月，我非常幸運地被選中參加這個項目。粒子物理學(xué)是我的研究方向，能夠參加CERN的研究項目讓我欣喜不已。在為期2個月的項目期間，針對CMS(緊湊μ子線圈)實驗，我通過世界級LHC(大型強子對撞機)計算網(wǎng)格和云計算進行了相關(guān)分析和模擬。

CMS(緊湊μ子線圈)

此外，暑期項目還包含了一系列圍繞粒子物理和計算領(lǐng)域的講座、研討會。

在此期間，通過參加講座、研討會以及項目，我開始接觸到機器學(xué)習(xí)和大數(shù)據(jù)分析。令我驚訝的是，機器學(xué)習(xí)技術(shù)能夠處理大量的數(shù)據(jù)，并精確的對各種微觀粒子進行分類和檢測。接著我毫不猶豫地投入了對機器學(xué)習(xí)和云計算的探究與學(xué)習(xí)。

誰知道這次經(jīng)歷會成為我人生中的轉(zhuǎn)折點，我打算投身數(shù)據(jù)分析。然而此時我對數(shù)據(jù)科學(xué)的定義仍比較模糊。

數(shù)據(jù)科學(xué)領(lǐng)域初探

當(dāng)我一結(jié)束暑期項目回到新加坡，我就對解數(shù)據(jù)科學(xué)進行了一些探究，令我驚訝的是，這個領(lǐng)域并沒有明確的定義。但總的來說，在我看來，數(shù)據(jù)科學(xué)涵蓋了編程、數(shù)學(xué)、統(tǒng)計知識以及一定專業(yè)知識。

盡管如此，我還是驚訝于數(shù)據(jù)是如何被用來為公司得出分析見解，并驅(qū)動商業(yè)價值。從理解業(yè)務(wù)問題，到收集和進行數(shù)據(jù)可視化，直到構(gòu)建原型開發(fā)階段，進行微調(diào)，并將模型部署到實際應(yīng)用程序中，在這些過程中我發(fā)現(xiàn)了通過使用數(shù)據(jù)解決復(fù)雜問題、完成挑戰(zhàn)的滿足感。

“沒有數(shù)據(jù)，你只是一個空有想法的人”。

—— W. Edwards Deming

我的出發(fā)點—數(shù)據(jù)可視化

Tableau Dashboard

2017年8月，作為進入數(shù)據(jù)科學(xué)領(lǐng)域的第一步，我參加了由Tableau和IMDA(Infocomm Media Development Authority)共同組織的NIC Face-Off 數(shù)據(jù)競賽，當(dāng)中我首次接觸到數(shù)據(jù)可視化。

當(dāng)中我有機會使用Tableau Public對各種開放數(shù)據(jù)源進行可視化，這些數(shù)據(jù)調(diào)查了東南亞霧霾的起源，并提供了可操作性的的見解。

第一份數(shù)據(jù)分析兼職實習(xí)

在同月，我偶然發(fā)現(xiàn)了一個機會成為了mobilityX的一名數(shù)據(jù)分析實習(xí)生，這是一家由SMRT資助的初創(chuàng)公司。考慮到可讀性和廣泛社區(qū)的支持，我使用Python進行編程。

其實在我大一開始學(xué)習(xí)編程時，我想過放棄。為了運行一個簡單的for循環(huán)，我可能要花費好幾天甚至幾周。而且我常常會感覺自己沒有天賦。

直到大三我和教授開始一項研究項目，我才開始對編程產(chǎn)生興趣。我開始使用Python進行構(gòu)建，并喜歡上了這個編程語言。

我開始不在自我懷疑，而是采用以下的步驟學(xué)習(xí)編程：

1. 理解編程的基本邏輯；

2. 選擇一種編程語言并學(xué)習(xí)如何使用(語法等)；

3. 練習(xí)，練習(xí)，再練習(xí)；

4. 重復(fù)步驟1-3 。

實習(xí)一直持續(xù)到2018年3月，期間我的收獲頗多。我學(xué)會使用PostgreSQL和Python進行數(shù)據(jù)清理和操作、web抓取以及數(shù)據(jù)提取。

數(shù)據(jù)科學(xué)全職實習(xí)

之前經(jīng)歷進一步強化了我對數(shù)據(jù)科學(xué)的喜愛。之后我計劃了自己的學(xué)習(xí)時間表，并在2017年12月畢業(yè)后，開始了在Quantum Inventions的數(shù)據(jù)科學(xué)全職實習(xí)。

看到這里你可能會問 ，為什么我選擇去實習(xí)而不是一份數(shù)據(jù)科學(xué)的工作？那就是在申請全職工作之前，能夠通過處理實際的數(shù)據(jù)，獲得更多的技術(shù)知識，并從頭開始體驗數(shù)據(jù)科學(xué)的整個流程。

學(xué)習(xí)資源

以下總結(jié)了我的學(xué)習(xí)過程，當(dāng)中我接受了很多人的幫助，并充分利用了大量的在線資源。

1. 推薦書籍

我讀的第一本數(shù)據(jù)科學(xué)的書是《統(tǒng)計學(xué)習(xí)導(dǎo)論：基于R應(yīng)用》(An Introduction to Statistical Learning?—?with Applications in R)。這本書對于初學(xué)者是非常不錯的選擇，當(dāng)中著重統(tǒng)計建模和機器學(xué)習(xí)的基本概念，并提供詳細而直觀的解釋。如果你很擅長數(shù)學(xué)，那么你肯定會喜歡這本書：《統(tǒng)計學(xué)習(xí)基礎(chǔ)》(The Elements of Statistical Learning)。

還有一些相關(guān)書籍也是不錯的選擇，比如Sebastian Raschka的《面向初學(xué)者的機器學(xué)習(xí)》(Machine Learning for Absolute Beginners)，《Python 和機器學(xué)習(xí)》(Python Machine Learning)；以及Jake VanderPlas的《Python數(shù)據(jù)科學(xué)手冊》( Python Data Science Handbook)。

2. 在線課程

Coursera

我推薦Coursera聯(lián)合創(chuàng)始人吳恩達的《機器學(xué)習(xí)》課程。他能夠把復(fù)雜的概念分解成更簡單內(nèi)容。該課程為期11周，主要圍繞監(jiān)督式學(xué)習(xí)、無監(jiān)督學(xué)習(xí)以及機器學(xué)習(xí)的實際應(yīng)用。當(dāng)構(gòu)建機器學(xué)習(xí)模型時，我仍然會參考該課程講義，用來解決欠擬合或過度擬合的問題。

Udemy

Jose Portilla的《在數(shù)據(jù)科學(xué)和機器學(xué)習(xí)中使用Python》(Python for Data Science and Machine Learning Bootcamp)是不錯的選擇。該課程從Python基礎(chǔ)知識開始，逐步指導(dǎo)你如何使用scikit-learn和TensorFlow實現(xiàn)各種機器學(xué)習(xí)和深度學(xué)習(xí)代碼。本課程詳細介紹了Python中各種庫，用來實現(xiàn)機器學(xué)習(xí)模型。

此外，我強烈推薦Kirill Eremenko和Hadelin de Ponteves的課程《深度學(xué)習(xí)A-Z：人工神經(jīng)網(wǎng)絡(luò)》( Deep Learning A-Z?: Hands-On Artificial Neural Networks )。通過該課程，我第一次接觸到深度學(xué)習(xí)。課程主要通過實際操作的編程教程，把握監(jiān)督和無監(jiān)督深度學(xué)習(xí)。

Lynda

我推薦Lillian Pierson的課程《在數(shù)據(jù)科學(xué)基礎(chǔ)訓(xùn)練中使用Python》( Python for Data Science Essential Training 。該課程以統(tǒng)計分析為基礎(chǔ)，圍繞數(shù)據(jù)管理和數(shù)據(jù)可視化。

3. LinkedIn

LinkedIn是與數(shù)據(jù)科學(xué)社區(qū)有緊密聯(lián)系的的強大平臺。人們愿意在上面分享他們的經(jīng)驗、想法和知識，從而幫助他人。在LinkedIn上，我學(xué)習(xí)到了很多，無論是技術(shù)知識還是職業(yè)咨詢等。

4. 其他資源

許多數(shù)據(jù)科學(xué)領(lǐng)域的初學(xué)者經(jīng)常會被大量的資源所淹沒。除了以上資源平臺以外，還有Towards Data Science、Quora、DZone、KDnuggets、Analytics Vidhya、DataTau、fast.ai 等都是不錯的選擇。

建立作品集

個人作品集能夠展示你的經(jīng)驗和能力，特別是當(dāng)你沒有數(shù)據(jù)科學(xué)方面的博士學(xué)位時。

由于我只有物理學(xué)的學(xué)士學(xué)位，我沒有計算機科學(xué)相關(guān)學(xué)位，在大學(xué)的前三年中我也沒有任何相關(guān)的數(shù)據(jù)科學(xué)作品。建立個人作品集是很重要的，因為公司需要知道你學(xué)了些什么，如何能過為公司業(yè)務(wù)貢獻價值。這也是我決定實習(xí)和學(xué)習(xí)在線課程的原因。

不久之前，我和朋友一起參加由Shopee和工程與科技協(xié)會(IET)組織的Kaggle 機器學(xué)習(xí)挑戰(zhàn)賽。這是我第一次參加Kaggle比賽，我學(xué)習(xí)了如何使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遷移學(xué)習(xí)進行圖像識別。

結(jié)語

我分享了我進入數(shù)據(jù)科學(xué)行業(yè)的一些情況，希望我的經(jīng)歷能夠讓你覺得數(shù)據(jù)科學(xué)其實很有趣，并不那么嚇人。直到我接觸到數(shù)據(jù)科學(xué)，我才愈發(fā)感受到什么是學(xué)無止境。我希望本文能夠激勵你去挑戰(zhàn)自己，實現(xiàn)自己的夢想。