作者 | Mohammad Shahebaz

來源 | 圖靈TOPIA

本文作者Shahebaz，畢業(yè)于JNTUH大學(xué)電子與通信工程學(xué)院。他最近在Kaggle比賽中獲得了4枚銀牌和1枚金牌獎牌，并且擁有31 枚討論金牌，他現(xiàn)在是其所在國家（印度）最年輕（21歲）的Kaggle X2 Master。

他表示，介紹進入數(shù)據(jù)科學(xué)領(lǐng)域所需技能的文章有很多，分享成功經(jīng)驗和意見的訪談也不少。但很少能找到文章具體介紹他們是如何開始自己的數(shù)據(jù)科學(xué)之旅的。所以，近期他在Medium上撰文分享了自己的成長經(jīng)驗。

他表示，剛開始的時候，自己也是個菜鳥，對很多知識并不是很擅長；并且，數(shù)學(xué)也從來不是自己最喜歡的科目。然而，今天他卻很熱愛這個領(lǐng)域。。。

以下是文章具體內(nèi)容：

少有人走的路

我是最近才開始參加比賽的，并且在過去的9個月中，在各種比賽中贏得了一堆獎牌。這聽起來是不是挺神奇的？

我曾經(jīng)特別害怕參加Kaggle比賽，因為 - 覺得它們很難！

那么，這一切是從什么時候開始改變的呢？

2017年，作為Oppia.org的會員和活躍撰稿人，為了更好地工作，我開始學(xué)習(xí)Python 2.7。

后來我學(xué)會了所謂的“過時”的 Python2.7版本，但是又不得不重新學(xué)習(xí)Python 3。

我?guī)缀鯚o法創(chuàng)建列表或add/join字符串，那時我也只是一名新手程序員。

我在開源貢獻期間學(xué)習(xí)了編程，使用git進行軟件版本控制，以及意識到了良好結(jié)構(gòu)和文檔化代碼的重要性。

有一天，我正在搜索Python 2.7還能做什么的時候，瀏覽了一下互聯(lián)網(wǎng)并登陸了Kaggle。著名的Kaggle 聲明（statement）正盯著我，讀完問題聲明后，我驚奇地盯著屏幕。

“在這次挑戰(zhàn)中，我們要求您完成對哪些人可能存活的分析”

當(dāng)我讀到這個。我感覺到了像追星族般的驚奇。預(yù)測幸存的人？這是什么樣的黑魔法？我甚至立刻檢查了Kaggle網(wǎng)站的真實性，第二個驚奇的時刻就是我意識到 -

數(shù)據(jù)科學(xué)聽起來像是21世紀(jì)非常真實的科幻技術(shù)！

就像一部科幻電影突然在我的現(xiàn)實生活中出現(xiàn)，它的概念對我來說完全陌生。

我決定讓自己進入這個領(lǐng)域。而對數(shù)據(jù)科學(xué)學(xué)習(xí)的熱情一直在我身上保持。（老實說，即使今天也沒有任何消減）

我是如何學(xué)習(xí)的？推薦資源！

▲選擇的悖論——越多越少

如今，網(wǎng)上有很多課程。通過谷歌搜索 - “如何成為數(shù)據(jù)科學(xué)家” ，你就會得到許多結(jié)果，也就很容易陷入選擇的悖論。這種感覺就像在餐館里從琳瑯滿目的選擇中選擇一道美味的開胃菜。就本文的范圍而言，我將列出我最喜歡的幾本書。

Python推薦

如果您使用Python編寫代碼并且您的技能處于中間水平，則本書應(yīng)該放在您的書架上。

《Python的數(shù)據(jù)結(jié)構(gòu)和算法》由Michael T. Goodrich，Roberto Tamassia，Michael H. Goldwasser 撰寫。

▲《Python中的數(shù)據(jù)結(jié)構(gòu)和算法》

本書深入探討了Python中的OOP，數(shù)據(jù)結(jié)構(gòu)和算法的概念。我喜歡本章每一節(jié)的練習(xí)。在制作需要優(yōu)化和格式化編碼的車庫項目時，我仍然將其用于日常參考。

著手機器學(xué)習(xí)基礎(chǔ)知識

結(jié)束Python基礎(chǔ)知識之后。我買了幾本關(guān)于機器學(xué)習(xí)的書，我推薦這本書;

▲《用Python學(xué)習(xí)機器學(xué)習(xí)》

《用Python學(xué)習(xí)機器學(xué)習(xí)》，作者是Andreas C. Müllerand Sarah Guido

它涉及機器學(xué)習(xí)的基礎(chǔ)知識，由scikit-learn的創(chuàng)始人自己編寫，它是一本完整的初學(xué)者入門書。

讀這本書讓我非常熟悉scikit-learn，我最終還在官方的scikit-learn存儲庫中推了幾個PR。

但是，如果您熟悉數(shù)據(jù)科學(xué)并已進入任何機器學(xué)習(xí)競賽的前20％，您會發(fā)現(xiàn)上述的書挺無聊的。但是，如果你仔細閱讀，肯定有一些方便的技巧和方法可以幫助你在比賽中獲得優(yōu)勢。

另一本比MOOC更值得推薦的書是《Introduction to Statistical Learning with Applications in R》

如果我是一名面試官，我會找一個在理論和實踐中理解ISLR的人。

▲《ISLR》

這本書是關(guān)于R語言的。但是，我仍然十分推薦它。

通常在研究背景下，對于想要深入挖掘并達到統(tǒng)計核心的人來說，《統(tǒng)計學(xué)習(xí)的要素》是非常推薦的一本書。ISLR和ESL這兩本書都是可以免費下載的。因此，您不必破費，就可以獲得免費的機器學(xué)習(xí)知識。

▲《統(tǒng)計學(xué)習(xí)的要素》

人們經(jīng)常問我 - 你學(xué)習(xí)機器學(xué)習(xí)的MOOC是什么？

答案是None。

我發(fā)現(xiàn)在線課程沒有效果。至少，我注冊的那些沒有效果。有以下幾個原因：

• 與書籍相比，在視頻中很難找到概念參考；
• 書籍會深入足夠的細節(jié)。

這并不意味著我討厭MOOC。事實上，我計劃在今年完成一些工作。我建議你把基礎(chǔ)打牢，而不是專注于觀看只針對單一課程的視頻內(nèi)容。閱讀書籍和資源肯定擴展了我對某些概念的認識，我現(xiàn)在可以從不同的角度來解釋這些概念。

初學(xué)者的生活

我經(jīng)常在LinkedIn上收到想要從事數(shù)據(jù)科學(xué)的人發(fā)來的信息。但痛苦的現(xiàn)實是，根據(jù)你之前所做的，學(xué)習(xí)曲線并不陡峭。我會讓你從我的經(jīng)歷中走出來。

這是我當(dāng)時的問題：

1、如何開始使用數(shù)據(jù)科學(xué)？

2、我完成了一堆算法。接下來做什么？

3、如何找到工作并搞定數(shù)據(jù)科學(xué)面試？

4、做Kaggle值得嗎？比賽會有所作為嗎？

我非?？释玫竭@些問題的答案！

現(xiàn)在，我已經(jīng)通過了系統(tǒng)的學(xué)習(xí)，可以用一句話回答你：事情沒那么簡單，這很復(fù)雜。

部分原因是術(shù)語—數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家和ML工程師是三個不同的頭銜。這份工作的性質(zhì)因公司而異。

數(shù)據(jù)分析師有時只能執(zhí)行SQL查詢，或者構(gòu)建模型或進行業(yè)務(wù)分析。有時他們也會成為項目經(jīng)理。

數(shù)據(jù)科學(xué)家有時制作基本模型，其他角色需要博士學(xué)位。研究工作和很少的其他工作需要在大型系統(tǒng)上進行模型調(diào)優(yōu)和部署。

ML Engineer是融合了數(shù)據(jù)科學(xué)知識的軟件工程專業(yè)知識

問題是……

您的夢想數(shù)據(jù)科學(xué)工作沒有固定的職位描述。

許多公司仍在搞清楚“究竟什么屬于數(shù)據(jù)科學(xué)，應(yīng)該關(guān)注哪些問題”。在這種情況下，你的學(xué)習(xí)必須是連續(xù)的，而不是受MOOC課程時間限制的，這一點變得非常重要。

追隨你的激情，解決問題。比如從你的Android手機上收集數(shù)據(jù)，匯總推文研究你最喜歡的演員的粉絲，在《復(fù)仇者聯(lián)盟3:無限戰(zhàn)爭》中應(yīng)用奇怪的機器學(xué)習(xí)案例等等。

▲我的圖像說明項目

想象力是無限的，ML也有無限的可能性?，F(xiàn)在讓我們來探索成為一名更好的數(shù)據(jù)科學(xué)家的能力技能。

數(shù)據(jù)科學(xué)愛好者的目標(biāo)清單

該列表適用于數(shù)據(jù)科學(xué)家角色，但是如果您申請領(lǐng)域特定的角色，則可能需要更多的技能。

1. 掌握統(tǒng)計和概率:比較容易,這項技能數(shù)據(jù)科學(xué)領(lǐng)域的面包和黃油。我強烈推薦面包優(yōu)先的方法，除非你是寫研究論文或在學(xué)術(shù)界的角色。

在現(xiàn)實世界中，雖然在編寫代碼時不會經(jīng)常使用stats知識。但是，掌握好stas知識不僅能讓你成為更好的數(shù)據(jù)科學(xué)家，還能幫助你做出關(guān)鍵決定。

2. 參與數(shù)據(jù)科學(xué)競賽:主要是學(xué)習(xí)不一定非要贏比賽。我明白在比賽中獲勝并且贏得獎金聽起來有利可圖。我花了100多場比賽才進入我的第一個50強排行榜。沒有人從第一天開始就是贏家。比賽將幫助您在競爭激烈的世界中回顧自己的成長。

3.你的項目是你自己最好的代言人:使您的GitHub配置文件保持活躍并完成至少2-3個項目，包括文檔的最終實現(xiàn)。雖然比賽是應(yīng)用你的技能的一種方式，但是對他們的反對聲很大。

比賽并不是現(xiàn)實世界數(shù)據(jù)科學(xué)任務(wù)的同義詞。他們就像在一家五星級餐廳品嘗現(xiàn)成的拼盤。

從頭開始貢獻或處理項目將使您在實際數(shù)據(jù)科學(xué)任務(wù)中獲得經(jīng)驗，這些任務(wù)才被認為是最重要的。

數(shù)據(jù)科學(xué)&其他

如果你正在尋找一個職位，如果職位描述要求你全能：既要求你是數(shù)據(jù)科學(xué)家又要有8-10年“spark”經(jīng)驗。

趕緊跑吧!(Spark是2011年推出的!)

有很多公司只是因為媒體炒作或者人云亦云的趨勢而想要去推動數(shù)據(jù)科學(xué)。

有時候，他們需要的只是.groupby()，而不是機器學(xué)習(xí)。

未來的工作角色將會大不相同。作為一名數(shù)據(jù)科學(xué)家，請確定您想要進入的領(lǐng)域。目標(biāo)是你在那個領(lǐng)域的項目和競賽。

招聘人員更傾向于雇傭已經(jīng)從事過公司目前正在從事的工作的人。

假設(shè)你要去一家餐廳吃海德拉巴Biryani。你會喜歡一個剛剛在YouTube上看過菜譜的新廚師，還是喜歡一家專門制作正宗海德拉巴Biryani的餐廳?公司也是如此。他們想要的是一個有經(jīng)驗的人。

例如:我經(jīng)常堅持參加金融領(lǐng)域和NLP的競賽。這是我?guī)讉€月前接受采訪時最大的優(yōu)勢。我可以問更多與領(lǐng)域相關(guān)的問題，了解公司目前正在進行哪些項目，以及我認為自己適合哪些領(lǐng)域。

畢竟,比工作更重要的是,可以在你最喜歡的項目度過每個星期一上午。

寫在最后

我遇到了這樣一個奇妙的場景，實際上是一個極端的場景。想象一下，如果Tensorflow消失了會怎樣?

您意識到您不再是數(shù)據(jù)科學(xué)家和ML工程師了!

這個想象很有趣但也合法。

未來可能會有一些新的工具和數(shù)據(jù)科學(xué)庫。曾經(jīng)XGBoost是商業(yè)機密算法，現(xiàn)在它完全開源。明天，其他一些工具將改變數(shù)據(jù)游戲。

AutoML已經(jīng)在引領(lǐng)下一代數(shù)據(jù)科學(xué)解決方案。我親自從H2O.ai中找到無人駕駛 AI ！

當(dāng)重復(fù)性任務(wù)自動化時，業(yè)界總會出現(xiàn)問題。讓自己了解并學(xué)習(xí)核心技能，而不是少數(shù)庫的語法。探索：

• GAN
• 強化學(xué)習(xí)
• 機器學(xué)習(xí)可解釋性

你需要讓自己時刻保持學(xué)習(xí)和成長。

打個比方，如果您自己不進行.transform()和.fit()改進，那么您將成為一個under fit分類器～