许多“如何将科学数据化”的课程和文章,包括我自己的课程和文章,都倾向于强调统计学、数学和编程等基本技能。然而,最近,我通过自己的经历注意到,这些基本技能很难转化为实际技能,从而使你能够就业。
因此,我想创建一个唯一列表,其中包含实用技能,这些技能将使您具有工作能力。
我谈到的前四项技能对任何数据科学家来说都是绝对关键的,无论你是什么专业的。以下技能(5-11)都是重要的技能,但用法会因你的专业而异。
例如,如果你最有统计基础,你可能会花更多的时间在推断统计上。相反,如果你对文本分析更感兴趣,你可能会花更多的时间学习NLP,或者如果你对决策科学感兴趣,你可能会专注于解释性建模。你明白重点了。
说到这里,让我们深入研究一下我认为最实用的11项数据科学技能:
学习如何编写健壮的SQL查询,并在像Airflow这样的工作流管理平台上调度它们,将使您成为一名数据科学家,这是第1点的原因。
为什么?原因有很多:
因此,作为数据科学家,您必须是SQL方面的专家。没有例外。
资源
无论您是在构建模型、探索要构建的新特性,还是在进行深度挖掘,您都需要知道如何处理数据。
数据争论意味着将数据从一种格式转换为另一种格式。
特征工程是数据争论的一种形式,但具体指从原始数据中提取特征。
如何操作数据并不重要,不管是使用Python还是SQL,但您应该能够随心所欲地操作数据(当然,在可能的参数范围内)。
资源
当我说“版本控制”时,我特别指的是GitHub和Git。Git是世界上使用的主要版本控制系统,GitHub本质上是一个基于云的文件和文件夹存储库。
虽然Git不是一开始学习的最直观的技能,但对于几乎每一个与编码相关的角色来说,了解它是必不可少的。为什么?
花时间学习GIT。它会带你走很远的!
建造一个视觉上令人惊叹的仪表板或一个精确度超过95%的复杂模型是一回事。但是如果你不能把你的项目的价值传达给其他人,你就不会得到你应得的认可,最终,你的职业生涯就不会像你应该做的那样成功。
讲故事指的是你“如何”交流你的见解和模型。从概念上来说,如果你想一本图画书,洞察力/模型就是图画,而“讲故事”指的是连接所有图画的叙述。
在科技界,讲故事和交流是被严重低估的技能。从我职业生涯中所见,这种技能是大三学生与大四学生和经理人之间的区别。
构建回归和分类模型(即预测模型)并不是你总是要做的事情,但如果你是一名数据科学家,雇主会希望你知道这一点。
即使这不是你经常做的事情,也是你必须擅长的事情,因为你希望能够构建高性能的模型。在我的职业生涯中,到目前为止,我只生产了两个机器学习模型,但它们都是对业务产生重大影响的关键任务模型。
因此,您应该很好地理解数据准备技术、增强算法、超参数调优和模型评估度量。
资源
许多机器学习算法在很长一段时间内被认为是“黑箱”,因为不清楚这些模型是如何基于各自的输入得出预测的。这种情况现在正在改变,因为广泛采用了可解释的机器学习技术,如SHAP和Lime。
SHAP和LIME是两种技术,它们不仅告诉您每个特征的特征重要性,还告诉您对模型输出的影响,类似于线性回归方程中的系数。
使用SHAP和LIME,您可以创建解释性模型,也可以更好地交流预测模型背后的逻辑。
资源
a/B测试是一种实验形式,您可以比较两个不同的组,根据给定的指标,看看哪个组表现更好。
A/B测试可以说是企业界最实用、应用最广泛的统计概念。为什么?A/B测试允许您将100s或1000s的小改进组合在一起,从而随着时间的推移产生重大的变化和改进。
如果您对数据科学的统计方面感兴趣,A/B测试对于理解和学习是必不可少的。
资源
就我个人而言,我在职业生涯中没有使用过集群,但它是数据科学的核心领域,每个人至少都应该熟悉。
集群是有用的,原因有很多。您可以找到不同的客户细分,您可以使用聚类来标记未标记的数据,您甚至可以使用聚类来为模型找到截止点。
下面是一些参考资料,介绍了您应该了解的最重要的集群技术。
资源
虽然我一生中还没有构建过推荐系统,但它是数据科学中最实际的应用之一。推荐系统之所以如此强大,是因为它们有能力推动收入和利润。事实上,亚马逊声称在2019年,由于他们的推荐系统,他们的销售额提高了29%。
因此,如果您曾经在一家公司工作,其中的用户必须做出选择,并且有许多选项可供选择,推荐系统可能是一个有用的应用程序。
NLP,或自然语言处理,是人工智能的一个分支,专注于文本和语音。与机器学习不同,我认为NLP还远未成熟,这正是它如此有趣的原因。
NLP有很多用例…
总的来说,NLP是数据科学世界中一个非常有趣和有用的利基领域。
资源
最近,数据科学家采用了度量开发的职责,因为表面度量依赖于1)数据来计算度量和2)代码来计算和输出度量。
度量开发涉及几个方面:
我希望这有助于指导你的学习,并给你一些未来一年的方向。有很多东西要学,所以我肯定会选择几个听起来对你来说最有趣的技能,然后从那里开始。
请记住,这更多的是一篇由轶事经验支持的固执己见的文章,所以从这篇文章中获取你想要的东西。但我一如既往地祝你在学习上取得最好的成绩!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14