开启数据科学职业生涯的8个基本技巧

简介: 本文为数据科学家开创数据科学事业铺平了道路。只要按照这八个小贴士来做,你就能让自己的职业生涯有一个良好的开端。

更多深度文章,请关注:https://yq.aliyun.com/cloud


Nick Bostrom(译者注:Nick Bostrom是牛津大学哲学系的教授,是人类未来研究院的创始人和主任。他的新书《 Superintelligence》(超级智能) 在出版后,包括伊隆·马斯克、史蒂芬·霍金以及比尔·盖茨等杰出的科技人士纷纷对其表示了支持,另外Google也成立伦理委员会来监督AI技术的发展)曾经说过:机器学习是人类最后的发明。我是一名刚刚进入数据科学这个“未来科技”行业的新手,我有一大堆的问题。我应该学习哪些工具和语言?我应该关注哪些新技术?在你从事这个行业的过程中,你通常会遇到这些问题,甚至更多相关的问题。

Faizan Shaikh写的这篇文章为所有的数据科学家开创数据科学事业铺平了道路。只要按照这八个小贴士来做,你就能让自己的职业生涯有一个良好的开端。

下面让我们开始吧!

1. 选择正确的角色

在数据科学行业中有很多不同的角色,包括数据可视化专家、机器学习专家、数据科学家和数据工程师等等。根据自己的背景和相关工作经验,你可以在这些数据科学行业中的重要职位中选择与你相关的职位。

但是,如果你不清楚这些职位之间的区别或者你不确定自己应该怎么做?那么我建议:

  • 与业内人士交流,弄清楚每个角色的工作职责。

    • 接受他人的指导,占用他们少量时间向他们提出相关的问题。我相信没有人会拒绝帮助有需要的人!
  • 弄清楚你自己想要什么、擅长什么,并选择适合于你自己的角色。

对于数据科学家、数据工程师和统计学家这些角色的详细描述, 在Analytics Vidhya博客上有一个详细的介绍,我相信这会帮助你做出相关的决定。

2. 选择一个课程,并学完它

现在你已经定下了一个角色,下一步就是专注于理解这个角色。行业中对数据科学家的需求非常庞大,所以有非常多的课程和研究在那里等着你,你可以学到任何你想学的东西! 找到要学习的资料并不难,但如果不努力,很难学会

你可以选择免费的MOOC(译者注:massive open online courses,大型开放式网络课程),或加入认证计划。

当你学习一门课程的时候,要积极主动地去学习。顺着课程、作业和课程中的讨论一步一步进行。

这里有一些不错的网络课程:

3. 选择一个工具和语言,并坚持下去

正如我之前提到过的,理解你所追求的方向非常重要。此时,你要面对的一个难题是:我应该选择哪种语言和工具?

哪一个是最好的选择?在互联网上有很多有关这个问题的教程和讨论。本人的想法是,你应该从最简单的语言或最熟悉的语言开始。如果你不熟悉编码,那么应该使用基于GUI的工具。在你掌握了这些概念之后,你就可以开始动手编码了。

4. 加入兴趣组

现在你已经知道自己想要选择哪个角色,并且已经准备好了,下一件重要的事情就是加入一个兴趣组。为什么这很重要?因为一个兴趣组能激发你的动力,让你与时俱进。

一个好的兴趣组有着一群能与你互动的人,与你分享共同目标的人,与你分享鼓舞人心的故事的人。

这里有一些不错的兴趣组:

  1. Analytics Vidhya
  2. StackExchange
  3. Reddit

5. 关注实际的应用,而不仅仅是理论

在参加课程学习和培训的同时,你应该关注一下与你当前正在学习的知识相关的实际应用。这不仅可以帮助你理解相关的概念,还可以让你更深入地了解它是如何在现实中得到应用的。

在参加课程时,你应该做到以下这几点:

  • 完成所有的练习和作业来理解相关的应用。加入讨论组,提问和回答问题。
  • 研究一些开放的数据集并应用到你的学习中。
  • 了解业内人士的解决方案,以及行业的发展趋势

6. 寻找合适的资源

永远不要停止学习,你必须掌握你能找到的每一个知识点。最有用的信息常常来源于知名数据科学家的博客。这些数据科学家在社区中非常活跃,并会随着行业的发展不断更新他们的追随者。

请每天阅读数据科学方面的文章,使之养成一个习惯,以了解最近发生的事情以及如何解决现实问题

这里是一个数据科学家的名单,你可以看一下。这里还有几个时事通讯:

  1. WildML
  2. 纽约大学
  3. KDnuggets新闻

7. 沟通技巧很重要

人们通常认为,只要自己在技术上很优秀,就一定能通过面试。这实际上并不一定。面试官在听完你的介绍后说了声“谢谢”,也许就是拒绝了你。

请试着提高你在数据科学方面的沟通技巧,并提前准备好面试问题。与朋友沟通时,也请注意相关的技巧。

当你从事这个行业工作时,沟通技巧甚至更为重要。为了有效地与同事分享你的想法,或者在会议中证明你的观点,你应该知道如何高效地进行交流。

8. 构建关系网,但不要在这上面花太多的时间!

一开始,你应该把自己的重点放在学习上。如果在最开始的时候就做太多的事情,那么最终可能会让你放弃这一切。

渐渐地,一旦对这个领域有了一定的理解,你就可以去参加一些行业活动和会议,甚至是黑客马拉松。你永远不知道谁会帮助到你!

关系网可能会:

  • 向你提供你所感兴趣领域正在发生的事情和内部信息。
  • 提供指导和支持。
  • 帮助你寻找工作。

文章原标题《8 Essential Tips for People Starting a Career in Data Science》,作者: Faizan Shaikh,译者:夏天,审校:主题曲。

文章为简译,更为详细的内容请查看原文

相关文章
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
探索数据科学:从理论到实践的技术感悟
【5月更文挑战第31天】本文通过作者在数据科学领域的学习与实践经历,探讨了理论与实际应用之间的桥梁。文章首先回顾了数据科学的基础知识和核心概念,然后通过案例分析展示了如何将抽象的理论知识转化为解决实际问题的工具。最后,作者分享了个人对数据科学未来发展的看法和建议,旨在为同行提供参考和启发。
|
3月前
|
机器学习/深度学习 存储 供应链
探索数据科学:从理论到实践的旅程
本文深入探讨了数据科学的多个方面,包括其理论基础、实际应用案例以及对现代社会的影响。文章首先定义了数据科学,并概述了其核心组成部分。随后,通过分析具体的行业案例,展示了数据科学如何在实际中发挥作用,改善决策过程并优化业务流程。最后,文章讨论了数据科学面临的挑战和未来发展趋势,为读者提供了一个全面的数据科学视角。
36 0
|
4月前
|
数据采集 机器学习/深度学习 算法
探索数据科学:从理论到实践的技术之旅
【6月更文挑战第15天】本文通过作者的个人经历,探讨了数据科学领域的技术感悟。文章不仅回顾了作者在数据科学学习过程中的关键转折点,还深入讨论了如何将理论知识应用于实际问题解决中。作者分享了自己对于数据预处理、模型选择与调优、以及结果解释的实践经验,旨在为同行提供一条清晰的技术成长路径。
|
机器学习/深度学习 人工智能 数据可视化
【数据科学】反思十年数据科学和可视化工具的未来
【数据科学】反思十年数据科学和可视化工具的未来
|
机器学习/深度学习 人工智能 算法
【数据科学】数据科学难题,怎么解释到底什么是数据科学
【数据科学】数据科学难题,怎么解释到底什么是数据科学
|
机器学习/深度学习 人工智能 算法
数据科学难题,怎么解释到底什么是数据科学
数据科学难题,怎么解释到底什么是数据科学
|
机器学习/深度学习 人工智能 算法
花旗银行创建基于人工智能和数据科学的实用分析系统的实战经验
花旗银行创建基于人工智能和数据科学的实用分析系统的实战经验
183 0
|
机器学习/深度学习 数据可视化 数据挖掘
数据科学求职建议:掌握5种类型的数据科学项目
本文介绍数据科学求职应该掌握的五个相关项目,以便秋招者对应自身情况查漏补缺。
4472 0
|
机器学习/深度学习 TensorFlow 算法框架/工具