編譯：周家樂、狗小白、蔣寶尚

數(shù)據(jù)科學家似乎個個都是全才，他們知識面很廣，即寫的了代碼，又分析的了業(yè)務，沒事還能整個數(shù)學模型調調參數(shù)。

似乎，數(shù)據(jù)科學家涉及的領域越廣，越能突出數(shù)據(jù)科學這份職業(yè)的價值。

但是，情況恰恰相反!

有著豐富的數(shù)據(jù)科學經(jīng)驗的SharpestMinds聯(lián)合創(chuàng)始人Jeremie Harris告訴你，千萬不要成為一個數(shù)據(jù)科學通才!

以下是他以第一人稱的論述，enjoy

我在公司幫新手規(guī)劃數(shù)據(jù)科學職業(yè)發(fā)展的時候，通常首先建議他們先去考慮一下自己想成為什么樣的數(shù)據(jù)科學家，而不是直接推薦一個新的庫或工具，或者一些寫簡歷的技巧給他們。

 

 

這個問題之所以如此重要，是因為數(shù)據(jù)科學涉及太多方面，以至于很難被一個人完全掌握。所以，對公司而言，與其雇一個什么都懂一點卻不精通的人，不如雇傭那些專才。

你可以試想一下你是一家計劃雇用數(shù)據(jù)科學家的公司。在你的腦海中幾乎存在一個需要尋求幫助才能解決的具體的問題，該問題需要一些相當專業(yè)的技術知識和項目經(jīng)驗。例如，一些公司將簡單模型應用于大型數(shù)據(jù)集，一些公司將復雜模型應用于小型數(shù)據(jù)集，一些公司需要動態(tài)地訓練他們的模型，還有一些公司根本不使用傳統(tǒng)的模型。

解決上面例子中的每一個問題所需要的技能組合完全不同，而讓人感到特別奇怪的是，每一個有志于數(shù)據(jù)科學的人得到的建議往往是一樣的：“學習如何使用Python，構建一些分類/回歸/聚類的項目。”

其實，出現(xiàn)這一現(xiàn)象的原因是包括我在內(nèi)的圈內(nèi)人造成的。因為在閑聊、博客帖子中，我們把過多的東西放到“數(shù)據(jù)科學”中。

為生產(chǎn)建一個強健的數(shù)據(jù)通道?這是一個“數(shù)據(jù)科學問題”。創(chuàng)造一種新型的神經(jīng)網(wǎng)絡?這是一個“數(shù)據(jù)科學問題”。

這往往導致有志于數(shù)據(jù)科學的人們失去對特定問題的深入研究，從而成為泛泛之輩。要知道，人才市場上已經(jīng)滿是所謂的通才，他們很難再得到市場的青睞或取得突破。

但是，如果你自己不清楚都有哪類常見問題需要你去深入研究，那你就很難避免流于平庸。

我們把圈內(nèi)出現(xiàn)的問題歸結為以下五類：

1. 數(shù)據(jù)工程師

 

 

職位描述：處理大量數(shù)據(jù)的公司，并管理數(shù)據(jù)通道。這意味著，當需要時，你要能確保有效地從數(shù)據(jù)源收集和檢索數(shù)據(jù)，并進行清理和預處理。

為什么它很重要：如果你只處理過相對小的(<5Gb)保存為.csv或.txt文件的數(shù)據(jù)集，那么你可能很難理解為什么會有一些人的全職工作是構建和維護數(shù)據(jù)管道。

這里有幾個原因：

一個50Gb的數(shù)據(jù)集對計算機的RAM來說太大了，所以你通常需要其他方法將其輸入到你的模型中。

處理這么大規(guī)模的數(shù)據(jù)需要花費大量時間，并且經(jīng)常需要冗余存儲。管理數(shù)據(jù)的存儲也需要專門的技術訣竅。

要求：你將使用的技術包括Apache Spark、Hadoop和/或Hive，以及Kafka。你很可能還需要有一個扎實的SQL基礎。

你要處理的問題聽起來像：

“我如何構建一個能夠每分鐘處理10000個請求的數(shù)據(jù)管道?”

“如何清理數(shù)據(jù)集而不用將其全部加載到RAM中?”

2. 數(shù)據(jù)分析員

 

 

職位描述：將數(shù)據(jù)轉換成可指導業(yè)務發(fā)展的商業(yè)洞察力。你會是技術團隊和商業(yè)戰(zhàn)略、銷售或營銷團隊的橋梁。數(shù)據(jù)可視化將成為你日常工作的重要組成部分。

為什么它很重要：純技術人員通常很難理解為什么數(shù)據(jù)分析員如此重要，但事實是他們就是很重要。這些人需要將經(jīng)過訓練和測試的模型和大量用戶數(shù)據(jù)轉換為讓人易于理解的形式，以便根據(jù)數(shù)據(jù)分析結論設計業(yè)務策略。數(shù)據(jù)分析員幫助確保數(shù)據(jù)科學團隊不會浪費時間在不能提供業(yè)務價值的問題上面。

要求：你將使用的技術包括Python、SQL、Tableau和Excel。你還需要成為一個好的溝通者。

你要處理的問題聽起來像：

“什么驅動了用戶的增長?”

“我們?nèi)绾蜗蚬芾韺咏忉�，最近用戶費用的增加會減少客戶?”

3. 數(shù)據(jù)科學家

 

 

職位描述：清理和探索數(shù)據(jù)集，并做出有商業(yè)價值的預測。日常工作包括訓練和優(yōu)化模型，并將它們部署到生產(chǎn)中。

為什么它很重要：當你有一大堆數(shù)據(jù)，以至于人類無法解析，同時這些數(shù)據(jù)也很珍貴以至于不能忽略它們時，你需要通過一些辦法從中提取一些可被接受的見解。這是數(shù)據(jù)科學家的基本工作：將數(shù)據(jù)轉換成可被理解的結論。

要求：你將使用的技術包括Python、scikit-learn、Pandas、SQL，可能還有Flask、Spark和/或TensorFlow/PyTorch。一些數(shù)據(jù)科學職位純粹是技術性的，但是大多數(shù)職位還需要你具有商業(yè)頭腦，這樣你就不會老想著去解決沒有人需要解決的問題。

你要處理的問題聽起來像：

“我們到底有多少種不同類型的用戶?”

“我們能建立一個模型來預測哪些產(chǎn)品能賣給哪些用戶嗎?”

4. 機器學習工程師

職位描述：建立、優(yōu)化和部署機器學習模型到生產(chǎn)中。通常需要把機器學習模型當作API或組件來處理，把它們嵌入到全棧應用程序或硬件中，但是你也可能會被要求自行設計模型。

要求：使用的技術包括Python、JavaScript、scikit-learn、TensorFlow / PyTorch(和/或企業(yè)級深度學習框架)和SQL或MongoDB(通常用作app數(shù)據(jù)庫)。

你要處理的問題聽起來像：

“如何將這種Keras模型集成到我們的Javascript應用程序中?”

“如何減少推薦系統(tǒng)的預測時間和預測成本?”

5. 機器學習研究員

職位描述：尋找新的方法來解決數(shù)據(jù)科學和深度學習中的挑戰(zhàn)性問題。沒有現(xiàn)成的解決方案給你，需要自己去制定。

要求：你將使用的技術包括Python、TensorFlow/PyTorch和SQL。

你要處理的問題聽起來像：

“我如何才能提高我們模型的準確性，使之更接近最新水平?”

“自定義優(yōu)化程序有助于減少訓練時間嗎?”

這里列出的五種工作描述并不是在所有情況下都是獨立的。例如，在初創(chuàng)公司的早期，數(shù)據(jù)科學家可能還必須是數(shù)據(jù)工程師和數(shù)據(jù)分析師。但是，大多數(shù)工作都可以被劃分為這幾類工作中的一種，而且公司規(guī)模越大，數(shù)據(jù)科學工作的劃分越貼近這里所列出的類別。

總而言之，要記住的是，為了得到聘用，你最好能培養(yǎng)一個更加專注的技能集：如果你只是想成為一名數(shù)據(jù)分析員，不要著急去學習TensorFlow;如果你是想成為一名機器學習研究人員，沒必要先去學習Pyspark。

相反，你需要考慮你想幫助公司創(chuàng)造什么樣的價值，并且讓自己善于創(chuàng)造這種價值。相對于任何其它方式，這是得到offer最好的方式。

相關報道：

https://towardsdatascience.com/why-you-shouldnt-be-a-data-science-generalist-f69ea37cdd2c

標簽： 代碼 數(shù)據(jù)分析 數(shù)據(jù)庫 網(wǎng)絡

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。