罗曼·奥拉克,数据科学家。
我收到许多信息,向有抱负的数据科学家寻求建议。我不是职业建议方面的专家,所以对我写的一切都持怀疑态度。
我根据我对这个领域的观察和我多年来积累的经验给出建议。这是我,建议年轻的我,因为我有类似的问题,在我的职业生涯开始。
我的建议是从实际项目开始,然后慢慢地进行理论研究。Kaggle笔记本是学习实际部分的好方法。
在Reddit社区或交叉验证社区中提问。
当您对自己的工具和实践知识感到满意时,我建议您自己为某些问题构造数据集(例如,您可以刮取数据),并对其应用ML算法。ML中最难的是数据集的构造。你甚至可以用它建立一个公司。
Kaggle是学习实际部分的一个很好的方法。
我建议您从免费资源开始,因为有许多免费资源可用于编程、机器学习和数据科学:
我个人很喜欢吴恩达的Machine LearningCoursera课程。这门课程开始很容易,然后随着它的进行逐渐变得困难。它的优点在于它专注于机器学习的基础知识。
我建议你至少听前几堂课。如果你不明白所有的事情,也不要担心,因为你可以在以后重温它。我也建议你不要只专注于一个课程。我们学得都不一样,没关系。
我们学得都不一样,没关系。
不要一个人学习!寻找并加入能帮助你学习和成长的在线社区。我在以下文章中写过关于数据科学社区的文章:
您可以开始在Excel中练习机器学习。尝试在Excel中实现线性回归。这是一个很好的第一个挑战,它会让你有动力。
开始在Excel中练习机器学习。
让我们对房间里的大象讲话。如果您刚刚起步,我建议您学习Python。主要原因有:
使用Python,您可以进行分析,从头开发模型,然后在生产中运行它。虽然我确信R中的模型也在生产中运行,但我还没有听说过(如果您的经验不同,请在评论中告诉我)。
别误会,如果你知道R,那完全没问题。数据科学团队通常使用这两种语言,一些人喜欢R,另一些人喜欢Python。
最后,这并不重要,因为有些模型必须用编译语言(Java,Go)重新实现,以便在生产中做出更快的预测。
Python使您能够进行分析、从头开发模型并在生产中运行它。
这是个很棒的问题。答案是肯定的--用大写字母。
无论您是否使用SQL数据库,您都应该了解关系数据库中的主要概念,如joins、group by、window functions、lag、lead等。即使在使用pandas、R或其他工具时,这些概念也是必不可少的。
如果您感兴趣,我还写了几篇关于SQL的文章:
答案是肯定的--用大写字母。
你知道的数学越多,从长远来看对你越好。了解数学将使您能够理解黑匣子机器学习模型的幕后发生了什么。从理论到实践的知识转移也更容易。
有了数学,你就会明白黑匣子模型的幕后发生了什么。
当你需要改进模型时,数学就变得至关重要。您需要数学来理解不同类型的模型、发行版等之间的差异。
资深机器学习工程师只需看优化函数就能说出一个模型的主要性质。
当你试图改进模型时,数学变得至关重要。
我的建议是提前考虑。每个领域都需要一名数据科学家,或者将来也会需要。问问自己,完成学业后,你希望在哪家公司实习?如果你已经听过一些相关的课程,就更容易获得生物信息学的实习机会。
提前想想。
你不需要博士学位。从事数据科学工作--意味着对现实世界的数据进行分析,并应用机器学习模型。
如果你的目标是做研究和开发新的机器学习算法(例如,在Deep Mind工作),那么你应该攻读博士学位。
你不需要博士学位。从事数据科学工作,但是...
参加LocalMeetups。公司在那里寻找新雇员。也许从数据质量评估部门开始--大公司有这些。在线社区也能有所帮助。
参加当地的聚会。
最近,我写道,“当你有多个工作机会时,接受一个有更好导师的工作机会。”
你怎么知道哪家有最好的导师?在面试过程中尽可能多地了解团队成员、经理、他们的背景等信息。查看他们的LinkedIn。他们在Quora、StackOverflow、Medium上写吗?做你的研究。
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