應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡(jiǎn)單，分三步：
1. 打開(kāi)LinkedIn，登錄。
2. 點(diǎn)擊“編輯我的個(gè)人資料”。
3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。
完成！非常容易吧。
不幸的是，現(xiàn)實(shí)并不那么簡(jiǎn)單。
掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見(jiàn)解，這些都并非易事。
關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)化為數(shù)據(jù)科學(xué)家的文章卻很少。
在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。
數(shù)據(jù)分析師
對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。
數(shù)據(jù)科學(xué)家
有類(lèi)似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。
數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏?lái)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級(jí)算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。
我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒(méi)有機(jī)會(huì)，或不知道該如何開(kāi)始。這也是促使我寫(xiě)本文的原因之一。
為什么要成為數(shù)據(jù)科學(xué)家？
原因有很多，主要分為以下幾點(diǎn)：
* 影響力
可能帶來(lái)巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。
* 精通
在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問(wèn)題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類(lèi)器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。
* 相關(guān)性
有人預(yù)測(cè)人工智能最終將取代人類(lèi)的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新，而不是等待被自動(dòng)化取代。
* 加薪與發(fā)展機(jī)會(huì)
薪水和發(fā)展機(jī)會(huì)會(huì)得到提升，優(yōu)秀的數(shù)據(jù)科學(xué)家很少，需求量很大。
數(shù)據(jù)科學(xué)——需要學(xué)習(xí)很多技能
機(jī)器人取代人類(lèi)工作
如何成為數(shù)據(jù)科學(xué)家？
大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。
那么，數(shù)據(jù)科學(xué)家需要哪些技能？
這個(gè)問(wèn)題可能沒(méi)有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專(zhuān)業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：
數(shù)據(jù)科學(xué)語(yǔ)言：Python / R
關(guān)系數(shù)據(jù)庫(kù)：MySQL、Postgress
非關(guān)系數(shù)據(jù)庫(kù)：MongoDB
機(jī)器學(xué)習(xí)模型：回歸、提升樹(shù)支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)
繪圖：Neo4J、GraphX
分布式計(jì)算：Hadoop、Spark
云：GCP / AWS / Azure
API 交互 ：OAuth、Rest
數(shù)據(jù)可視化和網(wǎng)頁(yè)應(yīng)用：D3、RShiny
專(zhuān)業(yè)領(lǐng)域：自然語(yǔ)言處理、OCR和計(jì)算機(jī)視覺(jué)
提升樹(shù)模型在數(shù)據(jù)科學(xué)競(jìng)賽中很受歡迎
RShiny儀表板是不錯(cuò)的探索數(shù)據(jù)交互方式。
掌握這些技能需要大量的時(shí)間（可能比獲得專(zhuān)業(yè)學(xué)位更久）。但每個(gè)人都不能滿(mǎn)足現(xiàn)狀，必須不斷學(xué)習(xí)。如果我們每天能進(jìn)步一點(diǎn)，那么在未來(lái)某天就能達(dá)到自己的預(yù)期目標(biāo)。
決心和堅(jiān)韌有時(shí)比聰明才智能有用。
行動(dòng)計(jì)劃
首先我們需要一些基本技能：
1. 從正確的理念開(kāi)始
十年前，等待數(shù)據(jù)課程的資料可能需要數(shù)周的時(shí)間，但那些日子已經(jīng)一去不回。如今到處都有很棒的學(xué)習(xí)資源，我們需要不斷學(xué)習(xí)，不斷提升技能。
2. 學(xué)習(xí)一門(mén)語(yǔ)言并培養(yǎng)數(shù)學(xué)技能
可以選擇學(xué)習(xí)Python或R語(yǔ)言。Coursera和Udemy等網(wǎng)站上有大量免費(fèi)課程。吳恩達(dá)的機(jī)器學(xué)習(xí)課程和斯坦福大學(xué)的神經(jīng)網(wǎng)絡(luò)課程都非常棒，而且很有趣。
許多Python用戶(hù)喜歡使用Anaconda和Jupyter Notebook。許多R用戶(hù)喜歡用R Studio。
3. 解決實(shí)際問(wèn)題
嘗試解決工作中的實(shí)際問(wèn)題，與商業(yè)專(zhuān)家和數(shù)據(jù)工程師一起工作。
4. 參加Kaggle比賽
Kaggle任務(wù)有一定范圍，而且數(shù)據(jù)比較干凈，但能很好的提高建立模型技能，同時(shí)能與幾千人一起解決挑戰(zhàn)性的數(shù)據(jù)問(wèn)題。不要擔(dān)心排名，從零開(kāi)始。
5. 了解行業(yè)大神的動(dòng)向
可以關(guān)注Geoffrey Hinton、吳恩達(dá)、Yann LeCun、Rachel Thomas、Jeremy Howard等人。
6. 使用高效的工作方式
積累一定基礎(chǔ)后，使用GitHub等版本控制系統(tǒng)改進(jìn)自己的工作流程，以便進(jìn)行部署和代碼維護(hù)，還可以使用Docker。
7. 有效地溝通
我們需要展現(xiàn)自己的工作成果，在跟領(lǐng)導(dǎo)層匯報(bào)工作時(shí)，需要有效地利用演示文稿等中。
良好的工作環(huán)境
即使你掌握了許多技能，但所在的公司沒(méi)有合適的工具和環(huán)境，那么開(kāi)展工作也是很困難的。工作環(huán)境中總會(huì)存在些不可控的因素，因此我們要考慮哪些因素可以改善和利用。
1. 轉(zhuǎn)到合適的團(tuán)隊(duì)
大多數(shù)大中型企業(yè)至少有一個(gè)小型數(shù)據(jù)科學(xué)團(tuán)隊(duì)，因此要選擇合適的企業(yè)。
2. 與合適的人合作
如果換工作不太現(xiàn)實(shí)，那么設(shè)法與出色的數(shù)據(jù)科學(xué)家合作。例如，發(fā)現(xiàn)相關(guān)問(wèn)題，與專(zhuān)業(yè)人員合作解決，而不是委托他們解決。
3. 適當(dāng)?shù)墓ぞ吆铜h(huán)境
企業(yè)有時(shí)不太明確該如何數(shù)據(jù)科學(xué)工具進(jìn)行投入。有些企業(yè)制定計(jì)劃和投入過(guò)程比較繁瑣，因此只會(huì)優(yōu)先考慮收益明顯的商業(yè)案例。抓住機(jī)會(huì)，倡導(dǎo)對(duì)分析環(huán)境、工具、相關(guān)培訓(xùn)的投入。
4. 制定明確的用例
了解公司的業(yè)務(wù)以及能如何應(yīng)用數(shù)據(jù)科學(xué)，將這兩者聯(lián)系起來(lái)，制定明確的用例。
5. 與更優(yōu)秀的人合作
努力成為優(yōu)秀團(tuán)隊(duì)中的一員，你不僅會(huì)收獲地更多，還能學(xué)到很多自己為掌握的知識(shí)。
結(jié)語(yǔ)
現(xiàn)在就是開(kāi)始的最佳機(jī)會(huì)，立即開(kāi)始學(xué)習(xí)，盡快解決實(shí)際問(wèn)題。在學(xué)習(xí)的過(guò)程中，你會(huì)不斷提升自己，最終讓自己大吃一驚，要珍惜每個(gè)機(jī)會(huì)。
應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡(jiǎn)單，分三步：
1. 打開(kāi)LinkedIn，登錄。
2. 點(diǎn)擊“編輯我的個(gè)人資料”。
3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。
完成！非常容易吧。
不幸的是，現(xiàn)實(shí)并不那么簡(jiǎn)單。
掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見(jiàn)解，這些都并非易事。
關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)化為數(shù)據(jù)科學(xué)家的文章卻很少。
在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。
數(shù)據(jù)分析師
對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。
數(shù)據(jù)科學(xué)家
有類(lèi)似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。
數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏?lái)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級(jí)算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。
我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒(méi)有機(jī)會(huì)，或不知道該如何開(kāi)始。這也是促使我寫(xiě)本文的原因之一。
為什么要成為數(shù)據(jù)科學(xué)家？
原因有很多，主要分為以下幾點(diǎn)：
* 影響力
可能帶來(lái)巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。
* 精通
在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問(wèn)題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類(lèi)器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。
* 相關(guān)性
有人預(yù)測(cè)人工智能最終將取代人類(lèi)的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新，而不是等待被自動(dòng)化取代。
* 加薪與發(fā)展機(jī)會(huì)
薪水和發(fā)展機(jī)會(huì)會(huì)得到提升，優(yōu)秀的數(shù)據(jù)科學(xué)家很少，需求量很大。
數(shù)據(jù)科學(xué)——需要學(xué)習(xí)很多技能
機(jī)器人取代人類(lèi)工作
如何成為數(shù)據(jù)科學(xué)家？
大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。
那么，數(shù)據(jù)科學(xué)家需要哪些技能？
這個(gè)問(wèn)題可能沒(méi)有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專(zhuān)業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：
數(shù)據(jù)科學(xué)語(yǔ)言：Python / R
關(guān)系數(shù)據(jù)庫(kù)：MySQL、Postgress
非關(guān)系數(shù)據(jù)庫(kù)：MongoDB
機(jī)器學(xué)習(xí)模型：回歸、提升樹(shù)支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)
繪圖：Neo4J、GraphX
分布式計(jì)算：Hadoop、Spark
云：GCP / AWS / Azure
API 交互 ：OAuth、Rest
數(shù)據(jù)可視化和網(wǎng)頁(yè)應(yīng)用：D3、RShiny
專(zhuān)業(yè)領(lǐng)域：自然語(yǔ)言處理、OCR和計(jì)算機(jī)視覺(jué)
提升樹(shù)模型在數(shù)據(jù)科學(xué)競(jìng)賽中很受歡迎
應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡(jiǎn)單，分三步：
1. 打開(kāi)LinkedIn，登錄。
2. 點(diǎn)擊“編輯我的個(gè)人資料”。
3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。
完成！非常容易吧。
不幸的是，現(xiàn)實(shí)并不那么簡(jiǎn)單。
掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見(jiàn)解，這些都并非易事。
關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)化為數(shù)據(jù)科學(xué)家的文章卻很少。
在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。
數(shù)據(jù)分析師
對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。
數(shù)據(jù)科學(xué)家
有類(lèi)似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。
數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏?lái)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級(jí)算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。
我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒(méi)有機(jī)會(huì)，或不知道該如何開(kāi)始。這也是促使我寫(xiě)本文的原因之一。
為什么要成為數(shù)據(jù)科學(xué)家？
原因有很多，主要分為以下幾點(diǎn)：
* 影響力
可能帶來(lái)巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。
* 精通
在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問(wèn)題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類(lèi)器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。
* 相關(guān)性
有人預(yù)測(cè)人工智能最終將取代人類(lèi)的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新，而不是等待被自動(dòng)化取代。
* 加薪與發(fā)展機(jī)會(huì)
薪水和發(fā)展機(jī)會(huì)會(huì)得到提升，優(yōu)秀的數(shù)據(jù)科學(xué)家很少，需求量很大。
數(shù)據(jù)科學(xué)——需要學(xué)習(xí)很多技能
機(jī)器人取代人類(lèi)工作
如何成為數(shù)據(jù)科學(xué)家？
大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。
那么，數(shù)據(jù)科學(xué)家需要哪些技能？
這個(gè)問(wèn)題可能沒(méi)有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專(zhuān)業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：
數(shù)據(jù)科學(xué)語(yǔ)言：Python / R
關(guān)系數(shù)據(jù)庫(kù)：MySQL、Postgress
非關(guān)系數(shù)據(jù)庫(kù)：MongoDB
機(jī)器學(xué)習(xí)模型：回歸、提升樹(shù)支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)
繪圖：Neo4J、GraphX
分布式計(jì)算：Hadoop、Spark
云：GCP / AWS / Azure
API 交互 ：OAuth、Rest
數(shù)據(jù)可視化和網(wǎng)頁(yè)應(yīng)用：D3、RShiny
專(zhuān)業(yè)領(lǐng)域：自然語(yǔ)言處理、OCR和計(jì)算機(jī)視覺(jué)
提升樹(shù)模型在數(shù)據(jù)科學(xué)競(jìng)賽中很受歡迎
RShiny儀表板是不錯(cuò)的探索數(shù)據(jù)交互方式。
掌握這些技能需要大量的時(shí)間（可能比獲得專(zhuān)業(yè)學(xué)位更久）。但每個(gè)人都不能滿(mǎn)足現(xiàn)狀，必須不斷學(xué)習(xí)。如果我們每天能進(jìn)步一點(diǎn)，那么在未來(lái)某天就能達(dá)到自己的預(yù)期目標(biāo)。
決心和堅(jiān)韌有時(shí)比聰明才智能有用。
行動(dòng)計(jì)劃
首先我們需要一些基本技能：
1. 從正確的理念開(kāi)始
十年前，等待數(shù)據(jù)課程的資料可能需要數(shù)周的時(shí)間，但那些日子已經(jīng)一去不回。如今到處都有很棒的學(xué)習(xí)資源，我們需要不斷學(xué)習(xí)，不斷提升技能。
2. 學(xué)習(xí)一門(mén)語(yǔ)言并培養(yǎng)數(shù)學(xué)技能
可以選擇學(xué)習(xí)Python或R語(yǔ)言。Coursera和Udemy等網(wǎng)站上有大量免費(fèi)課程。吳恩達(dá)的機(jī)器學(xué)習(xí)課程和斯坦福大學(xué)的神經(jīng)網(wǎng)絡(luò)課程都非常棒，而且很有趣。
許多Python用戶(hù)喜歡使用Anaconda和Jupyter Notebook。許多R用戶(hù)喜歡用R Studio。
3. 解決實(shí)際問(wèn)題
嘗試解決工作中的實(shí)際問(wèn)題，與商業(yè)專(zhuān)家和數(shù)據(jù)工程師一起工作。
4. 參加Kaggle比賽
Kaggle任務(wù)有一定范圍，而且數(shù)據(jù)比較干凈，但能很好的提高建立模型技能，同時(shí)能與幾千人一起解決挑戰(zhàn)性的數(shù)據(jù)問(wèn)題。不要擔(dān)心排名，從零開(kāi)始。
5. 了解行業(yè)大神的動(dòng)向
可以關(guān)注Geoffrey Hinton、吳恩達(dá)、Yann LeCun、Rachel Thomas、Jeremy Howard等人。
6. 使用高效的工作方式
積累一定基礎(chǔ)后，使用GitHub等版本控制系統(tǒng)改進(jìn)自己的工作流程，以便進(jìn)行部署和代碼維護(hù)，還可以使用Docker。
7. 有效地溝通
我們需要展現(xiàn)自己的工作成果，在跟領(lǐng)導(dǎo)層匯報(bào)工作時(shí)，需要有效地利用演示文稿等中。
良好的工作環(huán)境
即使你掌握了許多技能，但所在的公司沒(méi)有合適的工具和環(huán)境，那么開(kāi)展工作也是很困難的。工作環(huán)境中總會(huì)存在些不可控的因素，因此我們要考慮哪些因素可以改善和利用。
1. 轉(zhuǎn)到合適的團(tuán)隊(duì)
大多數(shù)大中型企業(yè)至少有一個(gè)小型數(shù)據(jù)科學(xué)團(tuán)隊(duì)，因此要選擇合適的企業(yè)。
2. 與合適的人合作
如果換工作不太現(xiàn)實(shí)，那么設(shè)法與出色的數(shù)據(jù)科學(xué)家合作。例如，發(fā)現(xiàn)相關(guān)問(wèn)題，與專(zhuān)業(yè)人員合作解決，而不是委托他們解決。
3. 適當(dāng)?shù)墓ぞ吆铜h(huán)境
企業(yè)有時(shí)不太明確該如何數(shù)據(jù)科學(xué)工具進(jìn)行投入。有些企業(yè)制定計(jì)劃和投入過(guò)程比較繁瑣，因此只會(huì)優(yōu)先考慮收益明顯的商業(yè)案例。抓住機(jī)會(huì)，倡導(dǎo)對(duì)分析環(huán)境、工具、相關(guān)培訓(xùn)的投入。
4. 制定明確的用例
了解公司的業(yè)務(wù)以及能如何應(yīng)用數(shù)據(jù)科學(xué)，將這兩者聯(lián)系起來(lái)，制定明確的用例。
5. 與更優(yōu)秀的人合作
努力成為優(yōu)秀團(tuán)隊(duì)中的一員，你不僅會(huì)收獲地更多，還能學(xué)到很多自己為掌握的知識(shí)。
結(jié)語(yǔ)
現(xiàn)在就是開(kāi)始的最佳機(jī)會(huì)，立即開(kāi)始學(xué)習(xí)，盡快解決實(shí)際問(wèn)題。在學(xué)習(xí)的過(guò)程中，你會(huì)不斷提升自己，最終讓自己大吃一驚，要珍惜每個(gè)機(jī)會(huì)。
應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡(jiǎn)單，分三步：
1. 打開(kāi)LinkedIn，登錄。
2. 點(diǎn)擊“編輯我的個(gè)人資料”。
3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。
完成！非常容易吧。
不幸的是，現(xiàn)實(shí)并不那么簡(jiǎn)單。
掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見(jiàn)解，這些都并非易事。
關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)化為數(shù)據(jù)科學(xué)家的文章卻很少。
在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。
數(shù)據(jù)分析師
對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。
數(shù)據(jù)科學(xué)家
有類(lèi)似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。
數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏?lái)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級(jí)算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。
我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒(méi)有機(jī)會(huì)，或不知道該如何開(kāi)始。這也是促使我寫(xiě)本文的原因之一。
為什么要成為數(shù)據(jù)科學(xué)家？
原因有很多，主要分為以下幾點(diǎn)：
* 影響力
可能帶來(lái)巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。
* 精通
在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問(wèn)題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類(lèi)器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。
* 相關(guān)性
有人預(yù)測(cè)人工智能最終將取代人類(lèi)的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新，而不是等待被自動(dòng)化取代。
* 加薪與發(fā)展機(jī)會(huì)
薪水和發(fā)展機(jī)會(huì)會(huì)得到提升，優(yōu)秀的數(shù)據(jù)科學(xué)家很少，需求量很大。
數(shù)據(jù)科學(xué)——需要學(xué)習(xí)很多技能
機(jī)器人取代人類(lèi)工作
如何成為數(shù)據(jù)科學(xué)家？
大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。
那么，數(shù)據(jù)科學(xué)家需要哪些技能？
這個(gè)問(wèn)題可能沒(méi)有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專(zhuān)業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：
數(shù)據(jù)科學(xué)語(yǔ)言：Python / R
關(guān)系數(shù)據(jù)庫(kù)：MySQL、Postgress
非關(guān)系數(shù)據(jù)庫(kù)：MongoDB
機(jī)器學(xué)習(xí)模型：回歸、提升樹(shù)支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)
繪圖：Neo4J、GraphX
分布式計(jì)算：Hadoop、Spark
云：GCP / AWS / Azure
API 交互 ：OAuth、Rest
數(shù)據(jù)可視化和網(wǎng)頁(yè)應(yīng)用：D3、RShiny
專(zhuān)業(yè)領(lǐng)域：自然語(yǔ)言處理、OCR和計(jì)算機(jī)視覺(jué)
提升樹(shù)模型在數(shù)據(jù)科學(xué)競(jìng)賽中很受歡迎
應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡(jiǎn)單，分三步：
1. 打開(kāi)LinkedIn，登錄。
2. 點(diǎn)擊“編輯我的個(gè)人資料”。
3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。
完成！非常容易吧。
不幸的是，現(xiàn)實(shí)并不那么簡(jiǎn)單。
掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見(jiàn)解，這些都并非易事。
關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)化為數(shù)據(jù)科學(xué)家的文章卻很少。
在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。
數(shù)據(jù)分析師
對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。
數(shù)據(jù)科學(xué)家
有類(lèi)似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。
數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏?lái)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級(jí)算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。
我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒(méi)有機(jī)會(huì)，或不知道該如何開(kāi)始。這也是促使我寫(xiě)本文的原因之一。
為什么要成為數(shù)據(jù)科學(xué)家？
原因有很多，主要分為以下幾點(diǎn)：
* 影響力
可能帶來(lái)巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。
* 精通
在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問(wèn)題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類(lèi)器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。
* 相關(guān)性
有人預(yù)測(cè)人工智能最終將取代人類(lèi)的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新，而不是等待被自動(dòng)化取代。
* 加薪與發(fā)展機(jī)會(huì)
薪水和發(fā)展機(jī)會(huì)會(huì)得到提升，優(yōu)秀的數(shù)據(jù)科學(xué)家很少，需求量很大。
數(shù)據(jù)科學(xué)——需要學(xué)習(xí)很多技能
機(jī)器人取代人類(lèi)工作
如何成為數(shù)據(jù)科學(xué)家？
大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。
那么，數(shù)據(jù)科學(xué)家需要哪些技能？
這個(gè)問(wèn)題可能沒(méi)有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專(zhuān)業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：
數(shù)據(jù)科學(xué)語(yǔ)言：Python / R
關(guān)系數(shù)據(jù)庫(kù)：MySQL、Postgress
非關(guān)系數(shù)據(jù)庫(kù)：MongoDB
機(jī)器學(xué)習(xí)模型：回歸、提升樹(shù)支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)
繪圖：Neo4J、GraphX
分布式計(jì)算：Hadoop、Spark
云：GCP / AWS / Azure
API 交互 ：OAuth、Rest
數(shù)據(jù)可視化和網(wǎng)頁(yè)應(yīng)用：D3、RShiny
專(zhuān)業(yè)領(lǐng)域：自然語(yǔ)言處理、OCR和計(jì)算機(jī)視覺(jué)
提升樹(shù)模型在數(shù)據(jù)科學(xué)競(jìng)賽中很受歡迎
RShiny儀表板是不錯(cuò)的探索數(shù)據(jù)交互方式。
掌握這些技能需要大量的時(shí)間（可能比獲得專(zhuān)業(yè)學(xué)位更久）。但每個(gè)人都不能滿(mǎn)足現(xiàn)狀，必須不斷學(xué)習(xí)。如果我們每天能進(jìn)步一點(diǎn)，那么在未來(lái)某天就能達(dá)到自己的預(yù)期目標(biāo)。
決心和堅(jiān)韌有時(shí)比聰明才智能有用。
行動(dòng)計(jì)劃
首先我們需要一些基本技能：
1. 從正確的理念開(kāi)始
十年前，等待數(shù)據(jù)課程的資料可能需要數(shù)周的時(shí)間，但那些日子已經(jīng)一去不回。如今到處都有很棒的學(xué)習(xí)資源，我們需要不斷學(xué)習(xí)，不斷提升技能。
2. 學(xué)習(xí)一門(mén)語(yǔ)言并培養(yǎng)數(shù)學(xué)技能
可以選擇學(xué)習(xí)Python或R語(yǔ)言。Coursera和Udemy等網(wǎng)站上有大量免費(fèi)課程。吳恩達(dá)的機(jī)器學(xué)習(xí)課程和斯坦福大學(xué)的神經(jīng)網(wǎng)絡(luò)課程都非常棒，而且很有趣。
許多Python用戶(hù)喜歡使用Anaconda和Jupyter Notebook。許多R用戶(hù)喜歡用R Studio。
3. 解決實(shí)際問(wèn)題
嘗試解決工作中的實(shí)際問(wèn)題，與商業(yè)專(zhuān)家和數(shù)據(jù)工程師一起工作。
4. 參加Kaggle比賽
Kaggle任務(wù)有一定范圍，而且數(shù)據(jù)比較干凈，但能很好的提高建立模型技能，同時(shí)能與幾千人一起解決挑戰(zhàn)性的數(shù)據(jù)問(wèn)題。不要擔(dān)心排名，從零開(kāi)始。
5. 了解行業(yè)大神的動(dòng)向
可以關(guān)注Geoffrey Hinton、吳恩達(dá)、Yann LeCun、Rachel Thomas、Jeremy Howard等人。
6. 使用高效的工作方式
積累一定基礎(chǔ)后，使用GitHub等版本控制系統(tǒng)改進(jìn)自己的工作流程，以便進(jìn)行部署和代碼維護(hù)，還可以使用Docker。
7. 有效地溝通
我們需要展現(xiàn)自己的工作成果，在跟領(lǐng)導(dǎo)層匯報(bào)工作時(shí)，需要有效地利用演示文稿等中。
良好的工作環(huán)境
即使你掌握了許多技能，但所在的公司沒(méi)有合適的工具和環(huán)境，那么開(kāi)展工作也是很困難的。工作環(huán)境中總會(huì)存在些不可控的因素，因此我們要考慮哪些因素可以改善和利用。
1. 轉(zhuǎn)到合適的團(tuán)隊(duì)
大多數(shù)大中型企業(yè)至少有一個(gè)小型數(shù)據(jù)科學(xué)團(tuán)隊(duì)，因此要選擇合適的企業(yè)。
2. 與合適的人合作
如果換工作不太現(xiàn)實(shí)，那么設(shè)法與出色的數(shù)據(jù)科學(xué)家合作。例如，發(fā)現(xiàn)相關(guān)問(wèn)題，與專(zhuān)業(yè)人員合作解決，而不是委托他們解決。
3. 適當(dāng)?shù)墓ぞ吆铜h(huán)境
企業(yè)有時(shí)不太明確該如何數(shù)據(jù)科學(xué)工具進(jìn)行投入。有些企業(yè)制定計(jì)劃和投入過(guò)程比較繁瑣，因此只會(huì)優(yōu)先考慮收益明顯的商業(yè)案例。抓住機(jī)會(huì)，倡導(dǎo)對(duì)分析環(huán)境、工具、相關(guān)培訓(xùn)的投入。
4. 制定明確的用例
了解公司的業(yè)務(wù)以及能如何應(yīng)用數(shù)據(jù)科學(xué)，將這兩者聯(lián)系起來(lái)，制定明確的用例。
5. 與更優(yōu)秀的人合作
努力成為優(yōu)秀團(tuán)隊(duì)中的一員，你不僅會(huì)收獲地更多，還能學(xué)到很多自己為掌握的知識(shí)。
結(jié)語(yǔ)
現(xiàn)在就是開(kāi)始的最佳機(jī)會(huì)，立即開(kāi)始學(xué)習(xí)，盡快解決實(shí)際問(wèn)題。在學(xué)習(xí)的過(guò)程中，你會(huì)不斷提升自己，最終讓自己大吃一驚，要珍惜每個(gè)機(jī)會(huì)。
應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡(jiǎn)單，分三步：
1. 打開(kāi)LinkedIn，登錄。
2. 點(diǎn)擊“編輯我的個(gè)人資料”。
3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。
完成！非常容易吧。
不幸的是，現(xiàn)實(shí)并不那么簡(jiǎn)單。
掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見(jiàn)解，這些都并非易事。
關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)化為數(shù)據(jù)科學(xué)家的文章卻很少。
在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。
數(shù)據(jù)分析師
對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。
數(shù)據(jù)科學(xué)家
有類(lèi)似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。
數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏?lái)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級(jí)算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。
我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒(méi)有機(jī)會(huì)，或不知道該如何開(kāi)始。這也是促使我寫(xiě)本文的原因之一。
為什么要成為數(shù)據(jù)科學(xué)家？
原因有很多，主要分為以下幾點(diǎn)：
* 影響力
可能帶來(lái)巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。
* 精通
在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問(wèn)題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類(lèi)器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。
* 相關(guān)性
有人預(yù)測(cè)人工智能最終將取代人類(lèi)的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新，而不是等待被自動(dòng)化取代。
* 加薪與發(fā)展機(jī)會(huì)
薪水和發(fā)展機(jī)會(huì)會(huì)得到提升，優(yōu)秀的數(shù)據(jù)科學(xué)家很少，需求量很大。
數(shù)據(jù)科學(xué)——需要學(xué)習(xí)很多技能
機(jī)器人取代人類(lèi)工作
如何成為數(shù)據(jù)科學(xué)家？
大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。
那么，數(shù)據(jù)科學(xué)家需要哪些技能？
這個(gè)問(wèn)題可能沒(méi)有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專(zhuān)業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：
數(shù)據(jù)科學(xué)語(yǔ)言：Python / R
關(guān)系數(shù)據(jù)庫(kù)：MySQL、Postgress
非關(guān)系數(shù)據(jù)庫(kù)：MongoDB
機(jī)器學(xué)習(xí)模型：回歸、提升樹(shù)支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)
繪圖：Neo4J、GraphX
分布式計(jì)算：Hadoop、Spark
云：GCP / AWS / Azure
API 交互 ：OAuth、Rest
數(shù)據(jù)可視化和網(wǎng)頁(yè)應(yīng)用：D3、RShiny
專(zhuān)業(yè)領(lǐng)域：自然語(yǔ)言處理、OCR和計(jì)算機(jī)視覺(jué)
提升樹(shù)模型在數(shù)據(jù)科學(xué)競(jìng)賽中很受歡迎
111222333
京公網(wǎng)安備11011102001293號(hào)
