[分享]送你12个关于数据科学学习的关键提示(附链接)_Hadoop,ERP及大数据讨论区_Weblogic技术|Tuxedo技术|中间件技术|Oracle论坛|JAVA论坛|Linux/Unix技术|hadoop论坛_联动北方技术论坛  
网站首页 | 关于我们 | 服务中心 | 经验交流 | 公司荣誉 | 成功案例 | 合作伙伴 | 联系我们 |
联动北方-国内领先的云技术服务提供商
»  游客             当前位置:  论坛首页 »  自由讨论区 »  Hadoop,ERP及大数据讨论区 »
总帖数
1
每页帖数
101/1页1
返回列表
0
发起投票  发起投票 发新帖子
查看: 1919 | 回复: 0   主题: [分享]送你12个关于数据科学学习的关键提示(附链接)        上一篇   下一篇 
huang.wang
注册用户
等级:中将
经验:17623
发帖:407
精华:1
注册:1970-1-1
状态:离线
发送短消息息给huang.wang 加好友    发送短消息息给huang.wang 发消息
发表于: IP:您无权察看 2019-4-10 16:49:05 | [全部帖] [楼主帖] 楼主


本文转自公众号  数据派THU


image.png

前言: 数据科学家需要强大的数学和编码能力,但沟通能力和其它软技能也是走向成功不可缺少的基本功。 

根据Glassdoor在美国区的统计,“数据科学家”排名为2019年最诱人的工作。平均基础工资为$108k,工作满意度为4.3–5★,加上被预测有大量空缺,这个结果一点都不令人吃惊。

问题是,一个人该如何修炼才能走上正轨并获得胜任这A份工作的资格? 

为了找到答案,我们总结了大量文章里的建议,很多可以归纳为编码与数学上的硬技能(hard skills)。但强大的计算能力并不是全部。一名优秀的数据科学家仍需要和相关业务人员进行有效沟通,这里便需要一些软技能(soft skills)。 

image.png


铸造你的教育地基:3个要点 

Drace Zhan作为 NYC Data Science Academy 的数据科学家,强调了教育基础的必要性,包括编码基础和数学能力: 

NYC Data Science Academy: 

https://nycdatascience.com/ 

R/Python + SQL。如果你没有编码能力,那你就需要大量的网络等其它领域的力量来补充这个缺陷。我见到过一些数据科学家,有的数学能力比较薄弱,或者对相关领域欠缺经验,但他们总有很强的编码能力。Python是很理想,R正在变得有点落后,最好两样武器都带上。SQL对于数据分析师来说同样极其重要。 

R/Python + SQL: 

https://www.techopedia.com/definition/3533/python 

强大的数学能力。对一些常用的理论有着较好的理解:generalized linear models(广义线性模型),decision tree(决策树),K-means(聚类分析)和statistical tests(假设检验)。这好过手握大量模型甚至专业模型如递归神经网络(RNN),却仅仅是浅尝辄止。 

decision tree: 

https://www.techopedia.com/definition/28634/decision-tree 

K-means: 

https://www.techopedia.com/definition/32057/k-means-clustering 

这些都是需要培养的核心技能,尽管一些专家还加入了其它东西。例如,一份 KDnuggests 清单包含了编码成分,Zhan在此基础上还加入了一些其他有用的东西,包括Hadoop平台,Apache Spark,数据可视化,非结构化数据,机器学习和AI。 

Apache Spark 

https://www.techopedia.com/definition/30113/apache-spark 

但如果我们从一份Kaggle调研中寻求线索,关于“那些在实际生活中被使用的最普遍的工具”,我们会有不同的发现。下面这张图是名列前15的硬技能。 

Python,R和SQL排在前三,第四名是 Jupyter notebooks,接下来是 TensorFlow,Amazon Web Services,Unix shell,Tableau,C/C++,NoSQL,MATLAB/Octave和Java,都排在Hadoop和Spark前面。颇让人意外的是,Microsoft’s Excel Data Mining也被列进来了。 

TensorFlow: 

https://www.techopedia.com/definition/32862/tensorflow 

Amazon Web Services: 

https://www.techopedia.com/definition/26426/amazon-web-services-aws 

Unix: 

https://www.techopedia.com/definition/4637/unix 

C++: 

https://www.techopedia.com/definition/26184/c-programming-language 

NoSQL: 

https://www.techopedia.com/definition/27689/nosql-database 

Java: 

https://www.techopedia.com/definition/3927/java 

image.png

图片出自 Kaggle  

https://www.kaggle.com/surveys/2017 

在KDnuggests清单中也包括了关于正规教育的建议。大多数据科学家都拥有高学历,46%是博士,88%的人拥有至少硕士学位。他们的本科学位通常是相关领域。大约1/3是数学和统计学,这也是最受欢迎的职业轨迹。接下来最受欢迎的是计算机科学学位,占有19%,工程学16%。当然专门针对数据科学的技术工具通常不会设在大学课程中,但是可以通过专门的训练营或在线课程习得。 


课程之外:2个要点 

Hank Yun是威尔康奈尔医学院肺科的一名助理研究员,同时也是NYC数据科学学院的学生。他建议有抱负的数据科学家围绕他们将要从事的工作进行计划,并找到一位导师。 

Hank Yun 

https://medium.com/@jhaseon 

他说:“不要犯我曾经犯过的错误。那时我对自己说,我知道数据科学,因为我参加了课程并获得了证书。”这确实是个不错的开始,但当你开始学的时候,脑海中要有一个计划。然后在该领域中找到一名导师,并立刻开始一个令你充满激情的项目。 

当你还是个新手,你不知道你不知道什么。所以如果有个人指导你前行,告诉你,什么是对于现在的你最重要的,什么不是,这将很有帮助。别把时间扔在学习那些最后根本无法施展的东西! 

知道从你的工具包里取出哪样工具:保持领先的要点  

由于数据科学工具的排名不尽相同,有人可能会困惑,到底该把精力集中在哪些上面。Celeste Fralick是McAfee软件安全公司的首席数据科学家。他在CIO article上强调了这个问题:“一名数据科学家需要处在调查曲线的前端,但别忘了去明白,什么技术该什么时候用。” 这句话意思是,别被新鲜与性感的外表蛊惑,而实际问题需要更多工作。意识到对于生态系统的计算成本,可解释性,延迟,带宽,和其它系统边界条件,还有客户的到期时间,它本身就能帮助数据科学家知道,使用什么技术最合适。  

CIO article: 

https://www.cio.com/article/3263790/data-science/the-essential-skills-and-traits-of-an-expert-data-scientist.html 


基本软技能:另外6个要点 

Fralick提到了数据科学工作需要的非技术性技能。这也是为什么KDnuggests清单包括了这4项:求知欲,团队合作,沟通技巧和商业头脑。Zhan给列出的清单中也包含了一些关键的软技能,如 “有效沟通能力”,“领域经验” 与上面的 “商业头脑” 类似。总之,都是指将数据科学实际应用到商业中。 

Olivia Parr-Rud提供了她自己的想法,又加入了另外2项软技能:创新,勇于坚持。她说:“我认为数据科学是科学也是艺术。它需要利用大脑两侧的力量。很多人谈及数据科学,说它主要使用左脑。但我发现,想要成功,数据科学家就得充分调用他们的全脑。” 

她解释道,在该领域前行,不仅需要技术能力,还要有创造性和领导性远见。 

大多数左脑/线性任务可以被自动化或外包。为了提供身为一名数据科学家的竞争优势,我们必须能识别大量信息中的模式(patterns)和综合性(synthesize),也就要用到左右脑。我们必须是有创造力的思考者。很多优秀的结论都是来自于左右脑的协同工作。  

她还强调为什么清晰地表达远见是基本的: 

“作为数据科学家,我们的目标是帮助客户增长利润。大多数主管不理解我们是做什么的,我们是如何去做的。所以我们需要像领导者一样去思考,以股东们可以理解和信任的方式,表达我们的发现与建议。” 


总结 

这个提示单里包含大量地技术工具,技能,和能力,还有可量化的品质,像创造力,领导力。数据科学不仅仅是个数字游戏。数据科学家也不是在虚空中建模,而是要能提出实用的,能解决商业中实际问题的灼见。那些可以在该领域中获得成功的人,不仅仅精通技术,还能理解工作中团队各成员的需求。



我超级酷,但是如果你回复我的话我可以不酷那么一小会儿。


——来自logo.png


赞(0)    操作        顶端 
总帖数
1
每页帖数
101/1页1
返回列表
发新帖子
请输入验证码: 点击刷新验证码
您需要登录后才可以回帖 登录 | 注册
技术讨论