跨界_圈外人该如何闯入数据科学家的世界?
2017-06-06 00:00
239 查看
[b][b]
![](http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl=http://mmbiz.qpic.cn/mmbiz_jpg/wc7YNPm3YxUDN11BicLoBmicQpib4Hia8GLF5cFSkEDYSYzebXJuf4QI20cebH5cA3jAxhzdHiaDib4XR2f986fh6fKw/0?wx_fmt=jpeg)
[/b][/b]
你已经下定决心要做一名数据科学家了,很好你已经开始了。但是现在你有了另外一种选择:你想做哪一种数据额科学家呢?因为(认识到这个很重要)虽然数据科学被承认是一种职业已经有很多年了,但是有关于它到底是什么还没有一个大家都认可的定义。
在现实生活,“数据科学家”这个词可以指代非常广泛的工种,因此它存在很多种形式,考虑到工业界以及商业界各种需求的不同,还有问题中目标与输出角色的不同。因此,在某些方面拥有技能的话比其他要更好一些,这就是为什么通向数据科学的路径是不相同的,可以通过多种领域如统计、计算机科学与其他科学学科来实现。
目的是决定数据科学形式类别的最大因素,这也与相应的A类以及B类相关联。广义上来说,分类可以总结如下:
面向人类的数据科学(A类),举例:分析支持以证据为基础的决策
面向软件的数据科学(B类),举例:智能推荐系统,如Netflix和Spotify
当这个领域越来越成熟之后,我们可以见到这些定义会愈加完善,在这里我们也要介绍我们第一个专家:Yanir Seroussi,Yanir目前是Car Next Door的首席数据科学家。
然而,业界中职位名称貌似越来越宽松了,并不是所有的数据科学家都是真正的科学家。可以这样问你自己:你能证明自己是一个科学家即便你的工作并不包含真正的科学呢?个人来说,我不认为“分析师”不能作为一个选项 ,或者其他的最合适的也能作为选项。但是这可能只是我个人意见,也许我最好称自己为招聘科学家。
通过讨论的方式我们将继续探索,哪些领域的专业知识你还需要掌握(如果你还没有的话)。
解决问题
如果这个不是你清单中的首位的话,马上去修改。所有科学核心都是解决问题:一个伟大的数据科学家也是一个伟大的问题解决者;就是这么简单。需要更进一步的证明吗,基本我在这个项目中碰到的每一个人(不管其背景和目前工作环境如何)都提到数据科学中最重要的因素就是解决问题。
很明显,你需要有工具去解决问题,但是它们只是:工具。在这种情况下,即便是统计/机器学习技术也可以认为是你解决问题的工具。新的技术出现了,科技进步了。唯一不变的就是解决问题。
在某种程度上,你解决问题的能力是由天赋决定的,但是与此同时有且仅有一个方式来进行提高:那就是练习、练习、练习。在后面我们会回顾这部分内容,但是现在你只需要记住:你只能通过尝试来掌握某件事情。
阅读全文
[/b][/b]
[b][b]◆ ◆ ◆[/b][/b]
什么是数据科学?你已经下定决心要做一名数据科学家了,很好你已经开始了。但是现在你有了另外一种选择:你想做哪一种数据额科学家呢?因为(认识到这个很重要)虽然数据科学被承认是一种职业已经有很多年了,但是有关于它到底是什么还没有一个大家都认可的定义。
在现实生活,“数据科学家”这个词可以指代非常广泛的工种,因此它存在很多种形式,考虑到工业界以及商业界各种需求的不同,还有问题中目标与输出角色的不同。因此,在某些方面拥有技能的话比其他要更好一些,这就是为什么通向数据科学的路径是不相同的,可以通过多种领域如统计、计算机科学与其他科学学科来实现。
目的是决定数据科学形式类别的最大因素,这也与相应的A类以及B类相关联。广义上来说,分类可以总结如下:
面向人类的数据科学(A类),举例:分析支持以证据为基础的决策
面向软件的数据科学(B类),举例:智能推荐系统,如Netflix和Spotify
当这个领域越来越成熟之后,我们可以见到这些定义会愈加完善,在这里我们也要介绍我们第一个专家:Yanir Seroussi,Yanir目前是Car Next Door的首席数据科学家。
探讨职位头衔
在我们深入研究之前,值得花一点时间来反思“数据科学”中的“科学”,因为在某种意义上,所有的科学家都是数据科学家,因为他们都是与各种各样的数据进行打交道。但要考虑到通常被认为是数据科学的这个行业,究竟是什么使它成为一门科学?这个问题很好!答案应该是:“科学方法”。考虑到科学的多学科性,科学方法是把这些领域结合在一起。然而,业界中职位名称貌似越来越宽松了,并不是所有的数据科学家都是真正的科学家。可以这样问你自己:你能证明自己是一个科学家即便你的工作并不包含真正的科学呢?个人来说,我不认为“分析师”不能作为一个选项 ,或者其他的最合适的也能作为选项。但是这可能只是我个人意见,也许我最好称自己为招聘科学家。
通过讨论的方式我们将继续探索,哪些领域的专业知识你还需要掌握(如果你还没有的话)。
解决问题
如果这个不是你清单中的首位的话,马上去修改。所有科学核心都是解决问题:一个伟大的数据科学家也是一个伟大的问题解决者;就是这么简单。需要更进一步的证明吗,基本我在这个项目中碰到的每一个人(不管其背景和目前工作环境如何)都提到数据科学中最重要的因素就是解决问题。
很明显,你需要有工具去解决问题,但是它们只是:工具。在这种情况下,即便是统计/机器学习技术也可以认为是你解决问题的工具。新的技术出现了,科技进步了。唯一不变的就是解决问题。
在某种程度上,你解决问题的能力是由天赋决定的,但是与此同时有且仅有一个方式来进行提高:那就是练习、练习、练习。在后面我们会回顾这部分内容,但是现在你只需要记住:你只能通过尝试来掌握某件事情。
阅读全文
相关文章推荐
- 如何用Docker成为更高效的数据科学家?
- 如何八步练成数据科学家
- 如何成为一名数据科学家
- “大数据”如何驱动世界的未来?
- 懒人创造世界------------如何将Excel数据导入到mysql的数据库当中
- 如何成为数据科学家( http://gkkgo.com/guide/44)
- 分步教程:如何成为一名数据科学家?
- 与美国数据科学家对话:大数据如何影响我们的生活?
- 教你如何成为数据科学家(七)
- 教你如何成为数据科学家(十)完
- 大数据如何聚焦业务价值 | 世界500强美的大数据建设启示
- 世界顶尖数据科学家看未来十年大数据发展
- 当今世界最NB的25位大数据科学家
- 【转载】IT屌丝如何成为数据科学家?
- 如何成为一名数据科学家?
- 数据科学家如何优雅的运行R在spark内存计算引擎上
- 如何成为一名数据科学家
- 如何成为一名数据科学家?
- 如何从码农蜕变成年薪500k数据科学家
- 雪晴网上海沙龙+在线直播:如何成为数据科学家?