初学者必看丨如何成为一名数据科学家

想从事数据科学领域的初学者总是很困惑:应该学习哪种编程语言?专业重要吗?需要掌握哪些工具和技能?在这篇文章中,你的这些问题都能得到解答。

几星期前,我发布了我的第二篇Kaggle Kernel( Kernel: Kaggle 中用于探索概念、展示技术或分享解决方案的短脚本)。我对Kaggle最近发布的“机器学习和数据科学现状”调查很感兴趣,并认为我可以从中得出一些有趣的见解。我以为大多数写Kernel的人都已经是数据科学家了,比起如何入门,他们应该对其他的内容更感兴趣。

令我惊讶的是,我赢得了每周一次的Kernel奖,我的这篇Kernel最终获得了超过预期的关注度。

在这里我把这篇分享给大家,探究如何成为一名数据科学家。

一、编程语言

据我所知,数据科学领域有两种语言是最常用的,即Python和R语言。我个人比较喜欢R语言,但是好奇在实际情况中是什么样的。

我根据受访者的职位,比较选择Python或R语言作为主要编程语言的人数。事实证明,除了统计学和运筹学之外,其他职位中使用Python的人数更多。然而这两个领域,特别是运筹学由于样本量太小,以至于结果的参考价值并不高。

二、专业和职位

我想知道哪些专业倾向选择哪些职位,因此我创建了比较大学专业和所选职位的图表。

当然,计算机科学专业的人群会成为计算机科学家,程序员和软件工程师。数学专业的人群会选择预测建模,数据科学和统计学职位,物理专业则倾向于进入研究领域。

图表中一个有趣的信息是,每个职位都有至少一名非此专业的人士。这表明,只要你有理想,所学专业不是限制做你想做的事情的理由。

三、学习资源

用来学习数据科学的在线资源特别丰富。我很好奇对于调查的受访者来说哪些在线资源是最有用的。

事实证明,人们认为创建项目,参加课程,参加Kaggle挑战是学习和了解数据科学最有用的方法。我很喜欢从事数据科学的项目,并在完成项目的过程中一步步成长为一名数据科学家。

四、重要的工作技能

调查的另一个问题是询问受访者,他们认为在工作中最有用的技能是什么。

掌握Python和统计知识被认为是最有用的工作技能。这方面R语言略微落后于Python,这反映了第一张图的情况。有趣的是,MOOC(大型开放式网络课程)在实用性方面得分最低。然而上一张图中,人们认为在线课程是学习数据科学最有用的资源之一。这也让我感觉不是跟确定,是不是受访者认为在找工作时,MOOC不应该被用作认证。

五、实际运用的工具

受访者也被问到,他们认为哪些技术在日常工作中最有用。在以下图表中,我分析了所有受访者的情况,以及具体的职位情况。

Python被评为整个行业中最需要掌握的技术。R语言排名第三位。每个职位都说要用到SQL、Jupyter、Unix和TensorFlow了。表明这些可能是不久之后需要掌握的重要技术。

六、实际运用的方法

与上一个问题类似,受访者被问到,他们在工作中实际运用到的数据科学方法。

我们可以看到,每个职业的人群都用到了数据可视化、交叉验证、逻辑回归和决策树。机器学习工程师则要经常使用自然语言处理和神经网络技术。其他职位有相应的方法需要经常使用。

结论

我喜欢运用庞大的数据集,这将非常适合我今后的工作。如果你是一名数据科学家新手,并且正在找工作,那么我给你列出以下几几条建议:

1.学习 Python

Python和R语言都已经存在数十年了。但正如我们在第一张图中看到的那样,在大多数情况下Python是胜出的。图四和图五也反应了这一情况。很难找到一家不使用Python的公司,所以学好Python绝对是没错的。

2.专业选择计算机科学或数学

正如图二所示,每个职位都有不同的专业。然而根据图中的比例来看,每个职位中计算机科学和数学人数是最多的。虽然这不是必须的,但这两个专业能让你在求职中获得一些优势。

3.创建项目、参加课程、参与Kaggle挑战

正如图三所示,学习数据科学方面有些方法特别实用。

4.了解广泛使用的工具

有无数的工具可供我们使用,但通过这次调查,我们了解到哪些是主流的工具。

我希望以上几点能够帮助你起步,逐步成为一名数据科学家。祝你好运!

原文链接:

https://towardsdatascience.com/how-to-become-a-data-scientist-8c0ea546ab81

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间:2017-12-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ATYUN订阅号

情感分析:利用上下文语义搜索算法获得更深入的信息

情感分析是文本的上下文挖掘,它识别和提取源材料中的主观信息,并帮助企业了解其品牌、产品或服务的社会情感,同时监控在线对话。然而,对社交媒体流的分析通常仅限于基本...

537120
来自专栏数据科学与人工智能

【陆勤阅读】什么是机器学习?

大家好!我是John Platt,我在微软创建和使用机器学习(简称ML)算法已经17年了。最近这几年机器学习开始受到广泛关注,所以人们经常问我:“什么是机器学习...

21860
来自专栏数据科学与人工智能

人工智能技术在移动互联网发展中的应用

随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: ●一方面是促生新的智能化应用,如自动驾...

37040
来自专栏人工智能头条

掌握 Google 深度学习框架的正确姿势——专访 TensorFlow 贡献者唐源

25630
来自专栏灯塔大数据

手把手教你如何利用“社交媒体分析学”挖掘潜在客户

与传统媒体不同,社交媒体让信息的传播者和接受者形成互动,成为了现今互联网世界不可忽视的重要组成部分,从Facebook和Twitter这样的社交网站,到YouT...

57280
来自专栏机器人网

推荐:10本好书,让你成为机器学习领域的专家

机器学习是个跨领域的学科,而且在实际应用中有巨大作用,但是没有一本书能让你成为机器学习的专家。 在这篇文章中,我挑选了 10 本书,这些书有不同的风格,主题也不...

38180
来自专栏CDA数据分析师

基于大数据的用户画像构建(理论篇)

文 | 罗宇矗 什么是用户画像? 简而言之,用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户...

49780
来自专栏企鹅号快讯

如何成为一名数据科学家

来源Jack Cook 编译 Mika 本文为 CDA 数据分析师原创作品,转载需授权 想从事数据科学领域的初学者总是很困惑:应该学习哪种编程语言?专业重要吗...

20690
来自专栏机器人网

机器学习领域10本好书由浅入深

机器学习是个跨领域的学科,而且在实际应用中有巨大作用,但是没有一本书能让你成为机器学习的专家。

13050
来自专栏数据科学与人工智能

R语言玩数据:数据+算法+计算引擎+知识表达

作者:陆勤 ---- 摘要:介绍玩数据的四部曲,分别是数据、算法、计算引擎和知识表达。 文章《R语言玩数据:R语言和数据》介绍了R语言和数据。 文章《R语言玩数...

30860

扫码关注云+社区

领取腾讯云代金券