从阔别7年数学的文科生到数据科学家，我是如何转行的？

2年前，我还是一名7年没学数学的文科生，现在的我已经是一名在东京工作的数据科学家了。在机器学习热，数据分析热的大环境下，简单的谈谈作为一名文科生，我是如何转行的。

这波人工智能的浪潮早在几年前就开始了。那时候经常听到相关的新闻：AI会下棋，能认识人脸，能自动驾驶，但相比于对最新技术的憧憬，更害怕哪一天我被机器取代。我本身是一名在日本留学的文科生，毕业前小钻研了一下Java，运气比较好，碰上日本IT缺人，找到了一份儿系统工程师的工作，也算边学边干。工作一年，我发现我手头的工作基本是将一些业务逻辑自动化。而我更想用计算机做一些更酷的事情。所以决定转行数据科学这个行业。

很多人问，我是文科生能不能转行？我数学不好，能不能转行？

我想说的是，首先一定要纠正的思想是：“因为我专业不对口，所以我干不了那个”，或者“因为我不会，所以不能干”。我原来也有这种思想。没有谁生来就啥都会，写字说话都是我们一点一点学来的。如果把思想转换成：“因为我想干那个，可是我不会，所以我要学那个”，是不是更积极一点？

我自己的经历是，作为一个大学+研究生六七年没有学数学的文科生，不怕丢人的说，开始学习的时候，高中数学我只记得y=kx+b，看到Σ更不知道是啥东西。但不会的知识慢慢啃，到现在啃论文都不是什么问题了。

数据科学家在做什么？

我在一家专门做数据分析的公司。简单的说，我的工作是定义问题处理数据分析，建模撰写报告，跟教科书里的数据分析流程是一模一样的。

具体一点，就以前段时间接触的电话营销公司的项目举例：

我需要通过建模预测他们的潜在客户。谁会在哪一个时间段内接听电话？谁更容易推销成功？原本的电话营销就是拿着手里的名单，随便给人打电话，效率极低。而通过这个模型，接通率和成交率都成功提升了好几倍。

那之后也接到过这个电话营销公司的文本数据，即客户通话录音转化成的文本。原始的数据真的脏到一定程度，而我那时候还是个刚入职不久的小白，每天回家学习到很晚，在公司也各种跟大佬请教。最终写了一套还算复杂的算法，可以直接分析哪些语句利于成交，为电话营销员的话术提供优化方案。公司之后的确是打算提供自然语言解决方案，而我写的那套东西正是解决方案的第一步。对于刚入职的我来说，真正做出有商业价值的东西，给了我很大的成就感。

转行之后，有一个关键的软技能是成为数据科学家之前没有关注到的：沟通能力。

作为一名数据科学家，你必须了解如何将你的“数据故事”讲给不同背景的人：技术大佬、非技术背景的同事、关心其业务的雇主等（法律也规定涉及建模的时候，必须向客户解释这个模型的原理），沟通的重要性远比想象的重要。

文科生如何转行？

我的主要学习方法是网课+书。

【网课】：udacity的机器学习进阶纳米学位，Coursera机器学习

我曾经听有人说这两个课几乎成了找工作的标配。不管这句话是否严谨，但是我真觉得这两个是互补且必要的。Udacity偏实战，Coursera偏理论，真心推荐。

许多大佬鄙视调包侠，说许多人理论都没有消化透，只是会用调用Scikit-learn。但是代码和算法本身不是目的，目的是运算出的结果，以及是否能给客户带来利益、产生真正的商业价值。我认为用包算出来结果，比会手推公式本身重要得多。Udacity循序渐进地教授算法，同时通过项目巩固（类似kaggle？），最重要的是有reviewer给你纠错。不然你也不知道自己哪里对了哪里错了，盲目学习效率很低。

【书】

因为在国外，我就说一些国际通用的好了。

《Python for Data Analysis》

《Introduction to Machine Learning with Python》

这两本书是基本中的基本了，但是把这两本儿书看完，写一遍代码，就可以胜任一些最基本的数据分析的工作了。里面没有复杂的理论，但是足够调包了。

《Deep Learning from Scratch》

（中文名：深度学习入门：于python的理论与实践）

这个系列有两册，第一册是深度学习基本原理 还有CNN，第二册是自然语言处理相关+RNN系列（gru lstm等等）不调包，需要徒手装深度学习模型。（现在一方面做完感觉对深度学习恍然大悟，一方面发现读完后不会调包，无法用到实际工作中，又开始看《Deep Learning with Keras》之类的了）

我看市面上中文好像只有第一册，我贴个github好了T_T https://github.com/oreilly-japan/deep-learning-from-scratch

《机器学习》西瓜书大概看了一下 写的很好+很全，建议一看。

《深度学习》花书还没看，近期打算过一遍，没有发言权。

你以为学完课看完书就完了？Too simple

应该是所有data scientist 都在说的，要多读 多读 多读！我看的零碎文章，查的东西可能比书+课都多。可以搜一下data scientist roadmap，然后一点一点查漏补缺啦。

附带转行注意事项：

1. 没有工作经验、不是科班出生不用怕，只要有作品说话还是硬道理。当然只是嘴上说熟练使用ABC，面试官也不确定你说的熟练有多么熟练。你需要通过真正做过的项目，证明你懂这些知识方法。以及勤刷kaggle。

2. 面试：基本任何工作都离不开两个主要话题，会不会干和想不想干。前者是专业知识，后者包括转行/辞职的理由、工作的动力，提前准备好。

总体而言，相比之前的工作只是让业务效率化的，现在数据科学的工作能够利用数据为公司创造更多附加价值。同时，接触到了更多种多样的业务场景、用到更多新的技术、学到了更多知识，获得了更大的成就感。

-----------------------------------------------------------------------------------------

最后，第一份工作也是在Udacity学的Java，这次转行还是在Udacity学习的，蛮感激的。平心而论几乎是这里独特的reviewer的机制真的是很有帮助。（Udacity里面也有很多免费的课程，体验体验课程也很赞！！！）