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!
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。
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:
edX上的Analytics Edge
Andrew Ng的机器学习课程
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。
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
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。
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:
WildML
纽约大学
KDnuggets新闻
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。
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。
来源:网络大数据