数据科学家的升职之路

在大数据时代，每天都有大量的数据涌现出来，因此各地的企业都摩拳擦掌想从海量数据中挖宝。他们越来越依赖数据科学家利用数据创造的商业价值。

数据科学家的需求因此猛增。数据科学家是一个相对较新的职业岗位，公司请他们担任初级、中级、高级、首席数据科学家和经理等不同级别的职务。

对于不熟悉数据科学事业，但渴望成为一名数据科学家的人来说，你必须清楚如何从底层助理晋升为经理。

数据科学家职业道路：

数据科学家应当具备数据科学、统计和工程方面的技能和知识。 数据科学家的典型发展道路如下所示：

助理/初级数据科学家：1.0级

作为初级/助理数据科学家，你应该检验新模型，调试和重构现有模型。作为出色的团队成员，你可以提出新想法，承担责任，提高代码质量和影响力。

如果以成为数据科学专家为目标，那么毕业生们可以在精通Python，Java，R和SQL / MySQL等编程语言的同时，重新学习应用数学和统计知识。

尽早接触该领域是一个很好的开端，并且还有助于判断数据科学职业是否符合你的兴趣。最受毕业生欢迎的学科是计算机科学、信息技术、数学、统计和数据科学。

有许多大学/学院提供数据科学专业课程在线MS，例如哈森大学、约翰·霍普金斯大学、乔治·梅森大学、圣约瑟夫大学、北伊利诺伊大学等。

你应该精通数据科学、机器学习、Python、R、调研、SQL、数据分析、分析技能、团队合作和沟通能力。

中级数据科学家：2.0级

有了三年的工作经验之后，你有机会晋升高级数据科学家。如果对AI专业更感兴趣，可以转行机器学习，成为AI工程师。在此阶段，比起非认证专业人员，公司更喜欢认证数据科学家。因此，建议考取一两个数据科学相关证书。

高级数据科学家：

作为高级数据科学家，你应该设计结构良好的产品。高级数据科学家通常不会犯低级错误和出现模型中的逻辑缺陷问题，能够反复访问高性能系统，编写可重用的代码，在云环境中建立弹性数据管道，并准备无懈可击的数据。他们还能够指导同事并回答上级主管部门和管理层的业务问题。

大多数高级数据科学家已经获得了硕士甚至博士学位，并持有高级数据科学家证书。

AI /机器学习工程师：

数据科学家必须懂得利用新兴的机器学习和人工智能（AI）。机器学习已成为公司任务的核心。因此，现任和即将上任的数据科学家必须采用端到端机器学习解决方案。你必须能够设计、创建、评估或部署模型以进行产品的生产、监测和记录，并可视化数据。

必须熟悉人工智能、深度学习、机器学习、自然语言处理、数据科学、Python、C ++、SQL、Java和软件工程等知识和技能。除了获得最佳的数据科学家认证之外，获得机器学习或人工工程证书也是非常有必要的。

II级中等数据科学家：3.0级

在中等阶层，软技能变得非常重要。不仅要精通技术，也要了解业务、整个行业及不同类型的数据分析技术，将方案应用于有价值的身份验证，防止欺诈并维护预算。建议你了解并行化、可伸缩性和复杂性分析。至关重要的是，要使数据产品与公司战略保持一致，并提供能洞悉业务方向的数据见解。

首席数据科学家：

首席数据科学家是数据科学团队中经验最丰富的成员，具有5年以上的经验，并且精通数据科学模型。他们参与了具有高影响力的商业项目。他们大多数是博士学位，并被认证为首席数据科学家。首席数据科学家（PDS）的任务是利用其机器学习的能力，在规定要求下率先指出战略方向。

首席数据科学家要了解多个业务领域中的行情，发现新的商机，并拥有领导数据科学实践的卓越才能。此外，他们精通科学和工业，同时提供设计和算法来进行并量化跨公司交易。

此外，PDS在培养其他初级人员方面也发挥着重要作用，他们担任产品经理的技术顾问，是数据科学项目的重要人物。

数据科学经理/架构师：

这是数据科学领域另外一个更高级职位，他们拥有数据库系统和编程语言方面的综合技能，领导团队，为团队设定优先级业务，并将结果传达给管理层。

他们中的大多数都是Microsoft、Certified Analytics Professional认证专家，或在不同公司项目中拥有SAS / SQL认证从业人员资格证书。由于该职位主要是团队领导和项目管理，因此推荐工商管理硕士担任。

高级数据科学家：4.0级

为了攀升至这一职位，必须展现出相应的能力，可以指导团队，监督战略数据分析，了解最新技术。正确地组合技能，有助于公司的整个数据科学运营。他们做出的决定决定了公司的成败。

注意

数据科学家的职业道路充满乐趣与挑战性，有趣且有意义。学得越深入，越容易获得同事的认可。准备好了吗？将你的想法付诸于产品生产，成为高级数据科学家吧。想办法晋升，评估自己的能力，并学习新的技能，让数据为你和你的公司服务。