专栏首页木东居士的专栏如何成为数据科学家?这有一条完整的学习路线和方法!

如何成为数据科学家?这有一条完整的学习路线和方法!

0x00 前言

数据科学家,一个被评为21世纪最“性感”的职业,近些年一直备受推崇。

从事数据科学家的工作,不仅意味着你将能够在工作中实践前沿的技术去解决业务问题,同时意味着丰厚的薪水。这两者都能给你带来巨大的成就感。

那么,问题来了,该如何成为一名数据科学家呢?

本文将提供如下三方面的思路和方法:

  1. 一个完善的学习路线
  2. 一种能够督促你学习的机制
  3. 数据科学领域一线工作者的技术和经验分享

0x01 学习路线

数据科学家是一个要求综合实力很强的职位。它和数据开发、数据仓库、数据分析、数据挖掘等岗位很大的一个不同就在于它要求任职者:

  1. 对整个数据链条都有一定的了解和造诣
  2. 懂业务,能用数据为业务赋能
  3. 综合素质强,能沟通,能汇报,能管理项目

而这些素质在其它岗位中并没有过多的要求,或者很少需要三者兼备。

这三点的第一点,就是我们要核心掌握的内容,有此技能为基础,再结合业务和综合素质,你将成为一名优秀的数据科学家。

那么,如何去掌握整个数据的链条呢,可以参考下图:

将数据科学家的内容做了一个大致的拆分后,就是如上的内容了。

不用怕,首先,成为数据科学家并不是让你必须掌握这么多内容,大家做到一精多通即可。就是说,你有一个领域很擅长,其余领域做了解即可。

比如你是一名数据开发,你要对数据平台的能力有很深的掌握,这是立身之本。在此基础上,你还要懂数据仓库、数据分析甚至是数据产品的内容,这并不是说要去和他们比拼实力,而是说你要成为数据开发中最懂其它领域的人,这样才是你的竞争力。

0x02 如何学习

关于如何学习,仁者见仁,智者见智,每个人都有自己的学习方法,这里我分享两个自己的学习方法:

  1. 费曼学习法,简单一点理解就是:站在给别人讲课的角度去学习。
  2. 木东学习法,直观的解释就是:组成学习小组,大家一起学。(木东学习法,此处为杜撰)

那么,将两种方法结合起来,就是我们的学习小组了。截止目前,我们已经组织了6次数据科学兴趣学习小组。

注意,这些学习小组都不是以盈利为目的的培训班,是组织大家一起成长的学习小组。

这些学习小组都是以带着大家学习为出发点,组织大家一起学习、总结和成长,后续会逐步组织:深度学习、Python、Sql、项目管理等一系列的小组,也欢迎大家关注和参加。

  1. 【数据科学家学习小组】论文阅读(第一期):https://github.com/dantezhao/paper-notes
  2. 【数据科学家学习小组】统计学(第一期):https://mp.weixin.qq.com/s/f3pBK9uK-S7lX7IvdDx63A
  3. 【数据科学家学习小组】统计学(第二期):https://mp.weixin.qq.com/s/ZiEvx2Va_sHT-dlDBSSw8A
  4. 【数据科学家学习小组】机器学习(第一期):https://mp.weixin.qq.com/s/G52a4j0lX4ncJYQXMgiJ4A
  5. 【数据科学家学习小组】数据可视化(第一期):https://mp.weixin.qq.com/s/Dqa822NIf_WK_EqSz7nClA
  6. 【数据科学家学习小组】数据埋点(第一期):https://mp.weixin.qq.com/s/zFFb3kYDYW5a7PJQwkwz-A

0x03 精彩内容分享

在我们的学习小组基础上,很多一起学习的小伙伴们逐渐进入了各个大厂(BAT、TMD以及各个互联网以及传统行业中)。大家也有了更多了经验分享给大家:

  1. 《七天数据埋点之旅》
  2. 《七天数据可视化之旅》
  3. 《数据仓库系列》
  4. 《特征工程系列》
  5. 《数据挖掘面试题系列》
  6. 《AI算法工程师系列》
  7. 《大厂的面试系列》
  8. 《数据团队思考系列》
  9. 《思考感悟系列》
  10. ......

因此,我们组成了一个数据科学家联盟,大家在一起组织更多的学习小组,同时分享更多的精彩内容。

本文分享自微信公众号 - 木东居士(Data_Engineering)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-11-12

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据百问系列:现在是否还看好大数据的发展

    最近职业上遇到了很多困惑,感觉都在说大数据不行了,过了红利期,现在有点凉凉的感觉,也不知道是我的感觉还是行业就是这样。希望大家能够谈谈自己的看法和感受。

    木东居士
  • 【好书推荐:第5期】数据产品经理:实战进阶(文末赠书)

    最近很多小伙伴都来找居士咨询关于数据产品经理相关的问题,而市面上也一直缺少这样专门针对数据产品经理的体系性书籍。

    木东居士
  • 下一个风口-基于数据湖架构下的数据治理

    随着大数据、人工智能、云计算、物联网等数字化技术的普及和广泛应用,传统的数据仓库模式,在快速发展的企业面前已然显的力不从心。数据湖,是可以容纳大量的原始数据的存...

    木东居士
  • 从业多年,总结几点关于机器学习的经验教训

    纯机器学习(ML)模型的训练与建立端到端的数据科学解决方案与实际企业需要之间存在巨大差异。 本文总结了我们团队与来自不同行业的数十家企业客户(包括制造业,金融服...

    深度学习与Python
  • 机器学习正遭遇“可重复性危机”,或已成“炼金术”?

    机器学习以其特有的优势逐渐在科学研究中得到大量应用,然而,其内在的“黑箱”特点也带来了一系列问题,有研究者认为正是机器学习的这种不可解释性导致了当下科学研究的“...

    AI科技评论
  • 【数据科学】数据科学入门指南

    数据科学虽然刚刚兴起,却发展迅速。 只要有数据的地方,就需要数据科学团队来分析、挖掘数据。 因而,在各个行业都需要大量的数据科学家。 2015年,数据科学家的平...

    陆勤_数据人网
  • 如果数据有质量,地球将成黑洞?

    假设你经营着一家网站,出售自己编写的软件。现在想让网站为用户提供更加个性化的服务,所以你开始收集访问者的数据,比如他们的电脑型号、操作系统、浏览器、居住的国家,...

    华章科技
  • 一篇文章告诉你如何成为数据科学家

    通常来说,年轻人都很容易立志成为什么,例如成为一名科学家,然后又很快放弃。这一方面是因为摆在他们面前的诱惑太多,同时也因为成为一名科学家真的很不容易。 这一点放...

    AI研习社
  • 如何入门AI?五大新手项目奉上

    人工智能风头正盛,无论你是支持还是怀疑,AI对这个时代的影响都已逐渐渗透到各行各业当中,哪怕身处非互联网行业,也能感受到AI的滚滚浪潮。

    量子位
  • 小白上路?工程师转型?应届毕业生?三种“圈外人”的数据科学入行指南

    本文作者深受其害,这些繁多的资料使得不少有抱负的准数据科学家很困惑,到底如何分配时间到他们想进入的领域。

    大数据文摘

扫码关注云+社区

领取腾讯云代金券