数据分析师的自我修养,如何进阶为数据科学家

简介: 本文讲述如何从数据分析师进阶为数据科学家。

有人问我,应该如何从数据分析师进阶为数据科学家呢?很简单,分三步:

  1. 打开LinkedIn,登录。
  2. 点击“编辑我的个人资料”。
  3. 找到“数据分析师”,并用“数据科学家”替代。

完成!非常容易吧。

不幸的是,现实并不那么简单。

掌握必备的技能,从或多或少的数据中得出分析见解,这些都并非易事。

关于如何进入数据科学领域的文章有很多,但是关于从数据分析师转变为数据科学家的文章却很少。

在此之前,我们有必要分别给出这两个职业的定义。

image

数据分析师

对结构化数据进行收集、处理并应用统计算法,从而产生效益和改进决策。

数据科学家

数据科学家有类似的目标,但需要更强的能力,从而能处理大量的非结构化数据,很多情况下需要实时处理。

数据科学家需要发现重要信息,能够对不同来源的数据进行数据清理、处理并运行高级算法。同时,需要很强的沟通描述能力,以及可视化技能。

我经常会遇到许多优秀的数据分析师,他们非常想进阶为数据科学家,但苦于没有机会,或不知道该如何开始。这也是促使我写本文的原因之一。

为什么要成为数据科学家?

原因有很多,主要分为以下几点:

影响力

可能带来巨大的商业利益。更有机会得到领导层青睐,能够更好地提升发展方向。

技能

在快速发展的数据科学领域中,有许多问题需要被解决。例如,构建图像识别器或文本分类器识别社交媒体上的发布的违规言论。

竞争力

有人预测人工智能最终将取代人类的工作。为了保证自己工作,应该不断创新并提高竞争力,而不是等待被自动化取代。

发展机会

会有更多的发展机会,薪水提升空间也更大。目前优秀的数据科学家很少,市场需求量很大。

如何成为数据科学家?

大多数数据分析师都有很好的基础,但是应用先进的方法处理大型数据集需要多年的学习和经验积累。

那么,数据科学家需要哪些技能?

这个问题并没有正确的答案,复杂的数据科学项目涉及到许多专业技能。在投入数据科学领域的最初几年,最好掌握以下技能:

数据科学语言:Python / R

关系数据库:MySQL、Postgress

非关系数据库:MongoDB

机器学习模型:回归、提升树支持向量机(Boosted Trees SVM), 神经网络

绘图:Neo4J、GraphX

分布式计算:Hadoop、Spark

云:GCP / AWS / Azure

API 交互: OAuth、Rest

数据可视化和网页应用:D3、RShiny

专业领域:自然语言处理、OCR和计算机视觉

image

提升树模型在数据科学竞赛中很受欢迎

image

RShiny仪表板是不错的探索数据交互方式

掌握这些技能需要大量的时间(可能比获得专业学位更久)。但每个人都不能满足现状,必须不断学习。如果我们每天能进步一点,那么在未来某天就能达到自己的预期目标。

决心和坚韧有时比聪明才智能有用。

行动计划

首先我们需要一些基本技能:

1.从正确的理念开始

十年前,等待数据课程的资料可能需要数周的时间,但那些日子已经一去不回。如今到处都有很棒的学习资源,我们需要不断学习,不断提升技能。

2.学习一门语言并培养数学技能

可以选择学习Python或R语言。Coursera和Udemy等网站上有大量免费课程。吴恩达的机器学习课程和斯坦福大学的神经网络课程都非常棒,而且很有趣。

许多Python用户喜欢使用Anaconda和Jupyter Notebook。许多R用户喜欢用R Studio。

3.解决实际问题

尝试解决工作中的实际问题,与商业专家和数据工程师一起工作。

4.参加Kaggle比赛

Kaggle任务有一定范围,而且数据比较干净,但能很好的提高建立模型技能,同时能与几千人一起解决挑战性的数据问题。不要担心排名,从零开始。

5.了解行业大神的动向

可以关注Geoffrey Hinton、吴恩达、Yann LeCun、Rachel Thomas、Jeremy Howard等人。

6.使用高效的工作方式

积累一定基础后,使用GitHub等版本控制系统改进自己的工作流程,以便进行部署和代码维护,还可以使用Docker。

7.有效地沟通

我们需要展现自己的工作成果,在跟领导层汇报工作时,需要有效地利用演示文稿等中。

良好的工作环境

即使你掌握了许多技能,但如果所在的公司没有合适的工具和环境,那么开展工作也是很困难的。工作环境中总会存在些不可控的因素,因此我们要考虑哪些因素可以改善和利用。

1.转到合适的团队

大多数大中型企业至少有一个小型数据科学团队,因此要选择合适的企业。

2.与合适的人合作

如果换工作不太现实,那么设法与出色的数据科学家合作。例如,发现相关问题,与专业人员合作解决,而不是委托他们解决。

3.适当的工具和环境

企业有时不太明确该如何数据科学工具进行投入。有些企业制定计划和投入过程比较繁琐,因此只会优先考虑收益明显的商业案例。抓住机会,倡导对分析环境、工具、相关培训的投入。

4.制定明确的用例

了解公司的业务以及能如何应用数据科学,将这两者联系起来,制定明确的用例。

5.与更优秀的人合作

努力成为优秀团队中的一员,你不仅会收获地更多,还能学到很多自己为掌握的知识。

结语

如果你也想进阶为数据科学家,那么现在就是开始的最佳机会,立即开始学习,尽快解决实际问题。在学习的过程中,你会不断提升自己,最终让自己大吃一惊,要珍惜每个机会。

原文发布时间为:2018-07-26
本文作者:Ben Stanbury
本文来自云栖社区合作伙伴“ CDA数据分析师”,了解相关信息可以关注“ CDA数据分析师

相关文章
|
7月前
|
存储 运维 数据可视化
驾驭数据的能力,如同使用ChatGPT一样,是现代职场人的必修课
现代职场所比拼的除了聪明才智、过往经验之外,很多软性技能也尤为重要。现在已经不是像网络游戏开局拿着一根小木棍打天下的时代了,这将是一场武装到牙齿的较量,对于各类“装备”的驾驭能力有时候甚至可以决定胜负。
驾驭数据的能力,如同使用ChatGPT一样,是现代职场人的必修课
|
4月前
|
存储 Java Android开发
探索安卓应用开发:从初学者到专家的旅程
【8月更文挑战第24天】在这篇文章中,我们将一起踏上一段激动人心的旅程,从零基础开始,逐步深入到安卓应用开发的世界。通过简单易懂的语言和实际的代码示例,我们将解锁创建精美安卓应用的秘密。无论你是编程新手还是希望提升现有技能的开发者,这篇文章都将为你提供宝贵的知识和灵感。让我们一起构建你的第一个安卓应用吧!
|
2月前
|
人工智能 前端开发 数据挖掘
技术之旅:从迷茫到明晰的自我探索
在技术的海洋中航行,每个人都是一名探险者。本文通过个人成长的视角,探讨了技术学习过程中的挑战与收获,以及如何通过不断学习和实践来找到自我价值和方向。文章强调了持续学习的重要性,并鼓励读者勇敢面对未知,拥抱变化。
|
2月前
|
测试技术 开发工具 开发者
软件开发者的自我修养:从新手到专家的进阶之路
本文详细探讨了软件开发者从新手成长为专家所需的关键技能与心态。通过持续学习、注重代码可维护性、掌握版本控制、实施测试驱动开发、进行代码审查、提升沟通技巧、有效管理时间和勇敢面对失败等方面,全面分享了实用心得与建议。适合各阶段开发者阅读,助力职业生涯发展。
|
7月前
|
机器学习/深度学习 算法 搜索推荐
数据分析师的职业规划与参考资料
数据分析师的职业规划与参考资料
|
设计模式 算法 程序员
代码能力,程序员自我修养之基石
提高代码能力不是一蹴而就的事,需要我们不断努力,通过持续学习和练习、参与开源项目、阅读优秀的代码、与他人合作、提升解决问题的能力等方式,提高自己的代码能力,为自己为公司创造价值。
241 0
代码能力,程序员自我修养之基石
|
数据库
给软件工程师、数据科学家和数据工程师的面试指南:该做与不该做
7月9日 19:00-21:30 阿里云开发者社区首场“Offer 5000”直播开启!15位团队技术大牛在线招人,《阿里云技术面试红宝书》助你拿下Offer!马上投递简历:https://developer.aliyun.com/special/offerday01,在此,小编奉上数据库面试指南
1414 0
给软件工程师、数据科学家和数据工程师的面试指南:该做与不该做
|
机器学习/深度学习
机器学习工程师第一年的12点体会
成长源于总结,作者转型机器学习工程师的这一年到底踩了哪些坑?了解一下?
2025 0