許多數(shù)據(jù)科學(xué)職業(yè)建議(或求職/面試準(zhǔn)備建議)都有類似的問題：受眾太寬，建議泛泛。

本文作者深受其害，這些繁多的資料使得不少有抱負(fù)的準(zhǔn)數(shù)據(jù)科學(xué)家很困惑，到底如何分配時間到他們想進入的領(lǐng)域。

這篇文章中，本文作者將針對三種不同的、想要進入數(shù)據(jù)科學(xué)領(lǐng)域的人群，給出自己的經(jīng)驗，幫助他們迅速有效入行。

雖然沒有適合每個人的萬能解決方案，但這三類建議值得想轉(zhuǎn)行的你一看。

第1類：新手上路

 

 

如果你剛剛進入數(shù)據(jù)科學(xué)領(lǐng)域，請記住這一點：這個領(lǐng)域發(fā)展很快，我在這里給出的建議基本上在你工作時已經(jīng)過時了。能滿足2017年招聘崗位要求的建議策略，在如今可能就不滿足，而今天的數(shù)據(jù)科學(xué)領(lǐng)域招聘標(biāo)準(zhǔn)與一兩年后的標(biāo)準(zhǔn)之間的差異可能更大。

因此，如果你打算在數(shù)據(jù)科學(xué)領(lǐng)域發(fā)展事業(yè)，并且沒有編程經(jīng)驗和STEM(科學(xué)Science，科技Technology，工程Engineering，數(shù)學(xué)Mathematics四門學(xué)科英文首字母的縮寫)背景，那么這里有一些建議：

首先要保持開放的心態(tài)。如果你是一個新手，那么你實際上并不知道什么是數(shù)據(jù)科學(xué)，所以它完全有可能不是你想要的工作領(lǐng)域。請與LinkedIn上的一些數(shù)據(jù)科學(xué)家進行聯(lián)系，請他們喝咖啡并向他們請教;并關(guān)注數(shù)據(jù)科學(xué)播客。要成為數(shù)據(jù)科學(xué)家需要花費大量的時間和精力，如果僅因你自認(rèn)為駕馭數(shù)據(jù)科學(xué)很酷，然后就一頭扎進去，這并不是冒險的好理由。請確保充分了解數(shù)據(jù)科學(xué)中不好的方面，比如數(shù)據(jù)整理，以及構(gòu)建數(shù)據(jù)生產(chǎn)流水線，而這些工作占了數(shù)據(jù)科學(xué)家日常工作的大部分時間。

如果你決定要從事數(shù)據(jù)科學(xué)領(lǐng)域的工作，那太好了!你首先要做的是學(xué)習(xí)Python。盡快在MOOC(大規(guī)模網(wǎng)絡(luò)公開課平臺即慕課)上選擇相關(guān)的課程項目。當(dāng)熟悉Python基本用法后，請學(xué)習(xí)如何使用Jupyter notebooks工具，并選學(xué)一些數(shù)據(jù)科學(xué)領(lǐng)域的網(wǎng)絡(luò)公開課。

如果你是完全從零開始的，一開始就以高級的數(shù)據(jù)科學(xué)職位為目標(biāo)可能不太好，選擇一些入門級的職位比較好，比如數(shù)據(jù)可視化或數(shù)據(jù)分析職業(yè)的需求量很大，并且市場需求也大。這些崗位的人員通常與數(shù)據(jù)科學(xué)家一起工作，一旦你積累了相關(guān)經(jīng)驗，就為今后的勝任更高級的數(shù)據(jù)科學(xué)相關(guān)職位奠定了基礎(chǔ)。

如何包裝個人品牌：如果你已經(jīng)準(zhǔn)備好申請工作，你可能會驚訝地發(fā)現(xiàn)個人品牌在數(shù)據(jù)科學(xué)中非常重要。由于你沒有任何專業(yè)經(jīng)驗，或者沒有計算機科學(xué)專業(yè)的研究生學(xué)位，你也許會擔(dān)心個人亮點不足。但實際上這可能是最大的優(yōu)勢所在：如自學(xué)成才的開發(fā)人員/數(shù)據(jù)科學(xué)家，這些將成為公司可以利用的快速學(xué)習(xí)和努力工作的優(yōu)點。但問題是，你背負(fù)著去實現(xiàn)那個形象的重?fù)?dān)：這是一座陡峭的山需要你去攀登，但是回報肯定是值得的。

第2類：軟件工程師

 

  在我遇到的專業(yè)數(shù)據(jù)科學(xué)家中約有20%是軟件工程師，一方面，他們有從編寫程序到形成產(chǎn)品的工作經(jīng)驗，是開發(fā)團隊中難得的經(jīng)驗人才。另一方面，對于全棧開發(fā)人員的需求很多，使得公司比較愿意朝著全棧工程師方向培養(yǎng)軟件工程師，即使他們的錄用通知上寫的職位是“數(shù)據(jù)科學(xué)”。所以你要避免被當(dāng)作軟件工程師而不是數(shù)據(jù)科學(xué)家。

 

其他一些建議：

首先可以先往更注重后端/數(shù)據(jù)庫的方向上靠。把深化對數(shù)據(jù)生成線流水線的認(rèn)識作為良好的開端，可以幫助你建立關(guān)鍵的數(shù)據(jù)處理技能;當(dāng)然也可以幫你重塑自己，把自己塑造成一個經(jīng)驗豐富的數(shù)據(jù)管理者。

機器學(xué)習(xí)工程可能是更容易過渡到數(shù)據(jù)科學(xué)領(lǐng)域的，因為它和該領(lǐng)域的研究內(nèi)容最接近。你可以先著手部署模型或?qū)⑺鼈兗�成到現(xiàn)有應(yīng)用程序，因為這可以充分利用你的現(xiàn)有技能，這是邁出第一步的好方法，反正以后你總是可以投入更多精力到模型開發(fā)中的。

為了讓招聘人印象深刻，你很可能需要建立機器學(xué)習(xí)或數(shù)據(jù)科學(xué)項目。那么利用你的軟件工程技能，把這些項目集成到可以向招聘人員和技術(shù)主管展示的應(yīng)用程序中。這會特別有效，因為它很直觀，并體現(xiàn)了你作為一個全棧數(shù)據(jù)科學(xué)家的潛力。

要記住的是：在過渡期，你的薪資極大可能會變少。即使是高級軟件工程師換到數(shù)據(jù)科學(xué)領(lǐng)域時，通常也是要先過渡到初級職位的，但令人驚訝的是，他們中的很多人在做決定時并沒有考慮這個因素，然而拿到的薪資少了，卻又失望。

如何包裝個人品牌：一個最簡單的方法就是充分利用你的軟件開發(fā)經(jīng)驗。作為初級職員，已經(jīng)知道如何編寫干凈、文檔齊全的代碼，以及如何與他人協(xié)作，這是大多數(shù)職位申請者不具備的。如果要真正做到善于寫“干凈的產(chǎn)品代碼”，你還需要盡可能多的去學(xué)習(xí)數(shù)據(jù)科學(xué)領(lǐng)域中類似的好案例。

第3類：新CS、數(shù)學(xué)或物理學(xué)畢業(yè)生

 

如果你是應(yīng)屆理科本科，碩士或博士畢業(yè)生，那么你統(tǒng)計學(xué)和數(shù)學(xué)基礎(chǔ)可能很好。但你可能從來沒有申請過真正的工作職位，也不知道如何準(zhǔn)備面試。而且就算你在讀期間一直有編碼，但很可能無法編寫干凈、組織良好的代碼。

 

所以要記住以下幾點：

你在讀期間所學(xué)的R是不夠的。如果你是一名物理學(xué)家，并且賭定要用MATLAB或Mathematica的技能找到工作，那這可能不太會如愿;所以學(xué)習(xí)Python吧。

你可能需要盡快學(xué)習(xí)這些你沒接觸過的東西：協(xié)作版本控制(學(xué)習(xí)如何用GitHub與其他人一起工作)、容器化(學(xué)習(xí)如何使用Docker)和開發(fā)(學(xué)習(xí)如何用AWS或類似的服務(wù)在云上部署模型)。另外，SQL也是必須的。

學(xué)習(xí)Python中的測試驅(qū)動開發(fā)，如何使用文檔字符串，如何對代碼進行模塊化，以及如何使用Jupyter筆記本(如果還不會的話)。

如果你的領(lǐng)域特別注重數(shù)學(xué)，那么深度學(xué)習(xí)可能是一個很好的探索方向。但你可能會發(fā)現(xiàn)，從更傳統(tǒng)的“scikit-learn”類型的數(shù)據(jù)科學(xué)開始起步，再過渡到深度學(xué)習(xí)可能更容易。最重要的是要入行，并盡快開始編程。

如何包裝個人品牌：：特別是如果你學(xué)的是數(shù)學(xué)或物理專業(yè)，那么最好的策略是要呈現(xiàn)出自己是具有深厚理論知識的人。要做到這一點，你需要能夠自信地解釋各種模型是如何工作的，最好要熟悉文獻中最新的熱點(特別是如果你的目標(biāo)是深度學(xué)習(xí)的話)。

警告：當(dāng)然我所提供的建議并不能涵蓋所有職業(yè)。對于軟件工程師而言，他們確實比其他人走的遠一些，一些有數(shù)學(xué)基礎(chǔ)的初學(xué)者可能是最適合的深度學(xué)習(xí)的研究者。但是以上這些建議能為你的技能精進提供一個好的起點。

最后，無論您是軟件工程師、應(yīng)屆畢業(yè)生，還是完全初學(xué)者，都要問自己一個關(guān)鍵問題：在上述建議中，什么樣的職業(yè)軌跡最接近你。如果你是想成功入門數(shù)據(jù)分析師或數(shù)據(jù)可視化專家，那么這將是協(xié)助你走上正確的職業(yè)軌跡的最好方法。

相關(guān)報道：https://towardsdatascience.com/3-common-data-science-career-transitions-and-how-to-make-them-happen-588c3618942f

標(biāo)簽： 代碼 數(shù)據(jù)分析 數(shù)據(jù)庫 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)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(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。