作者 | Low Wei Hong

譯者 | Sambodhi

導(dǎo)讀：數(shù)據(jù)科學(xué)其實(shí)就是一門數(shù)學(xué)、計(jì)算機(jī)、軟件相關(guān)的復(fù)合型的技術(shù)，離開編程自然是無法存在的。無論是數(shù)據(jù)科學(xué)家還是數(shù)據(jù)分析師，都需要跨學(xué)科人才，必須知道如何操作代碼以便告訴計(jì)算機(jī)如何分析數(shù)據(jù)。他們要比軟件工程師更擅長(zhǎng)統(tǒng)計(jì)學(xué)，比統(tǒng)計(jì)學(xué)家更擅長(zhǎng)軟件工程，需要掌握的知識(shí)有數(shù)學(xué)統(tǒng)計(jì)、編程能力、機(jī)器學(xué)習(xí)、研究能力等。

如果我了解機(jī)器學(xué)習(xí)算法的全部數(shù)學(xué)邏輯，但我卻不能很好地進(jìn)行編程，那我還有機(jī)會(huì)進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域嗎？ 如果我只是勉強(qiáng)了解哪些機(jī)器學(xué)習(xí)算法背后的數(shù)學(xué)知識(shí)，但我可以很好地進(jìn)行編程，那我有沒有資格成為一名數(shù)據(jù)科學(xué)家？

我希望，在我大學(xué)畢業(yè)前努力進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域之前就能知道這個(gè)答案是什么。

先說一下我的背景。我有數(shù)學(xué)背景，但在大學(xué)期間并沒有學(xué)過多少編程課程。我在大學(xué)學(xué)過的編程語言包括 R、C++ 和 Matlab。

Matlab 并不是開源語言，主要用于研究行業(yè)。R 沒有 Python 那樣擁有龐大的社區(qū)，尤其是在數(shù)據(jù)科學(xué)相關(guān)的庫(kù)中。C++（C 族）仍然是編程的基礎(chǔ)。所以如果你正在學(xué)習(xí)編程的話，我還是建議你學(xué)習(xí) C 族的語言。

當(dāng)我在實(shí)習(xí)期間，Python 在這個(gè)行業(yè)使用得最多。因此，我仍然需要自己去學(xué)習(xí) Python。此外，我就只選修了一門與數(shù)學(xué)有關(guān)的機(jī)器學(xué)習(xí)課程。

我感到有些不知所措，因?yàn)?，我不僅要學(xué)習(xí)數(shù)學(xué)，同時(shí)還要提高我的編程技能。因此，當(dāng)時(shí)我就在想，我應(yīng)該將更多的精力放在編程上呢，還是放在學(xué)習(xí)數(shù)學(xué)上呢？

數(shù)學(xué)，還是編程？

我將分享我的觀點(diǎn)，即在目前的行業(yè)中，哪一個(gè)實(shí)際上更受歡迎。

讓我來問你一個(gè)問題。如果你是數(shù)據(jù)科學(xué)的技術(shù)主管，并且手下已經(jīng)有很多博士在為你工作，同時(shí)，你還想擴(kuò)大團(tuán)隊(duì)。現(xiàn)在你心目中有兩個(gè)候選人，其中一個(gè)更擅長(zhǎng)編程，另一個(gè)更擅長(zhǎng)數(shù)學(xué)概念。那么，你會(huì)選擇哪一個(gè)候選人呢？

這個(gè)問題并沒有正確或錯(cuò)誤的答案，但跟據(jù)我的觀察，他們通常會(huì)喜歡在編程方面擁有更好技能的那些人。

你可能會(huì)想，為什么會(huì)是這樣呢？

原因很簡(jiǎn)單，因?yàn)榇蠖鄶?shù)數(shù)據(jù)科學(xué)項(xiàng)目的方向，都是由博士提供的，他們應(yīng)該有更多的知識(shí)。因此，能夠更快地實(shí)現(xiàn)多種方法的人，將是最后一個(gè)堅(jiān)持到底的人。

然后，你可能會(huì)問，都說統(tǒng)計(jì)是數(shù)據(jù)科學(xué)的基礎(chǔ)，而你卻告訴我，為了進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域，只需學(xué)習(xí)如何編程就可以了？

不是的，數(shù)學(xué)在數(shù)據(jù)科學(xué)中仍然非常重要。 那些更懂?dāng)?shù)學(xué)的人，將會(huì)是能夠提出新想法來改進(jìn)機(jī)器學(xué)習(xí)模型的那些人。

目前市場(chǎng)上有大量的機(jī)器學(xué)習(xí)模型。因此，知道在什么樣的場(chǎng)景中使用哪些模型，肯定會(huì)為你節(jié)省大量時(shí)間。此外，當(dāng)之前表現(xiàn)很好的模型，突然開始出現(xiàn)性能下降時(shí)，你就能找出可能的原因了。

但是，如果你只是想進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的話，就不需要在數(shù)學(xué)部分深入研究太多細(xì)節(jié)。數(shù)據(jù)科學(xué)并不只是關(guān)于如何推導(dǎo)或求解數(shù)學(xué)方程式。 更重要的是，要 知道如何定義并解決業(yè)務(wù)問題。

例如，你在一家電子商務(wù)公司工作。你得到一個(gè)任務(wù)，讓你實(shí)現(xiàn)對(duì)列表進(jìn)行自動(dòng)分類。可能，你需要做的第一步就是定義問題，也許是說明你需要實(shí)現(xiàn)的時(shí)間表和正確性。下一步，你將考慮模型可能面臨的一些問題，并需要澄清這些問題。

假設(shè)，如果列表名稱和圖片屬于不同的類別，那么應(yīng)該如何對(duì)列表進(jìn)行分類？是按圖片進(jìn)行分類呢，還是按列表名稱進(jìn)行分類呢？

在理解了你的團(tuán)隊(duì)同意的標(biāo)準(zhǔn)作業(yè)程序（Standard Operating Procedure，SOP）之后，那么只有你才能啟動(dòng)這個(gè)項(xiàng)目。

回到主題，數(shù)據(jù)科學(xué)迫切需要的技能之一是 分叉 GitHub 代碼并在數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的能力。因此，如果你擅長(zhǎng)編程的話，那么無論編程語言是什么，你都能夠測(cè)試不同的方法。

例如，你正在使用給定的數(shù)據(jù)集來訓(xùn)練 NER（Name Entity Recognition，命名實(shí)體識(shí)別）模型。讓我們想象一下，目前還沒有人用 Python 在 NER 上編寫代碼，而唯一可用的代碼，由斯坦福大學(xué)提供，用 Java 編寫的。遇到這種情況應(yīng)該怎么辦？因此，掌握不同編程語言的知識(shí)絕對(duì)是一個(gè)加分項(xiàng)，這樣，你就可以節(jié)省用 Python 編寫整個(gè)代碼的時(shí)間，以便訓(xùn)練模型。

另一方面，如果你深入學(xué)習(xí)機(jī)器學(xué)習(xí)的數(shù)學(xué)部分，你就 會(huì)對(duì)你應(yīng)該關(guān)注哪些指標(biāo)更加敏感，這要取決于不同的問題。 假設(shè)你正在從事一個(gè)信用欺詐項(xiàng)目。你應(yīng)該關(guān)注的指標(biāo)就不再是正確性，而應(yīng)該是 f1-score 等。因?yàn)槟愕哪繕?biāo)是不僅能夠識(shí)別盡可能多的欺詐案件，而且還要保持準(zhǔn)確率。

最后的感想

在數(shù)據(jù)科學(xué)領(lǐng)域中，數(shù)學(xué)和編程同等重要，但如果你正考慮在數(shù)據(jù)科學(xué)領(lǐng)域轉(zhuǎn)行或者開始你的職業(yè)生涯，我想說的是，對(duì)于各種機(jī)器學(xué)習(xí)模型來說，掌握編程技能要比深入鉆研數(shù)學(xué)更為重要。

開始進(jìn)行更多的實(shí)際項(xiàng)目，并能夠在面試過程中清晰地陳述和回答問題，這肯定會(huì)增加你進(jìn)軍數(shù)據(jù)科學(xué)領(lǐng)域的機(jī)會(huì)。

進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域可沒那么容易，但請(qǐng)記住，不要放棄，繼續(xù)努力！

你所有的努力很快就會(huì)有回報(bào)，不管有多難，要堅(jiān)持你正在做的事情。