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
数据分析在当今市场营销领域扮演着至关重要的角色,为企业提供洞察力和决策支持。通过Python作为强大的数据分析工具,我们可以利 ...
2024-12-11学历与实践经验 数据架构师的职业道路既需要坚实的学术基础,也需要丰富的实践经验。通常,相关要求包括: 本科及以上学历:大 ...
2024-12-11数据分析师是当今数字化时代的关键角色之一,他们的工作范围涵盖了政府机关、企业、研究机构、医疗保健行业、教育机构、咨询公司 ...
2024-12-11数据分析这门技术,看似“高大上”,但真正懂得其原理的人却不多。很多人以为掌握了几种软件工具就算会数据分析了,但事实上,数 ...
2024-12-11数据分析在当今商业决策中扮演着至关重要的角色,而有效的数据可视化是沟通洞见和启发行动的关键。从中级数据分析师的职责出发, ...
2024-12-10在当今世界,我们看到许多行业呈现出令人兴奋的增长和发展态势。这些领域不仅满足了当下的需求,更是塑造着未来的经济格局。让我 ...
2024-12-10中国数字经济的崛起与影响力 多份报告和研究显示,中国的数字经济正以惊人的速度增长,并在经济各个层面产生广泛影响。让我们一 ...
2024-12-10中国数字经济的蓬勃发展 中国的数字经济在过去几年呈现出了惊人的增长势头,成为国民经济中不可或缺的引擎。截至2023年,中国数 ...
2024-12-10数据科学作为一门跨学科的领域,结合了统计学、计算机科学和专业知识,旨在从大量复杂数据中提取有意义的信息,为决策提供支持。 ...
2024-12-10数据分析专员在企业中扮演着至关重要的角色,通过专业的数据分析技能帮助企业从数据中提取价值,支持业务决策和增长。他们的工作 ...
2024-12-10欢迎走进数据分析的精彩世界!随着信息时代的到来,数据成为无处不在的宝贵资源。想要掌握数据分析的精髓,不仅需要扎实的基础知 ...
2024-12-10数据分析作为一门跨学科的领域,需要学习和掌握多方面的基础知识和技能。以下是数据分析所需的基础知识: 统计学和概率论 统计学 ...
2024-12-10数据分析的关键要素 数据分析作为一门跨学科的领域,涵盖广泛的基础知识和技能,是探索数据背后价值的重要工具。让我们深入了解 ...
2024-12-10在当今大数据时代,数据分析技能变得愈发重要。教育机构和在线平台提供了多样化的数据分析课程,覆盖各层次学习者需求。选择适合 ...
2024-12-10重要技能概览 作为现代商业和科学领域中不可或缺的角色,数据分析师需要掌握一系列关键技能和知识。这些技能涵盖了技术和软技能 ...
2024-12-10数据分析师的职业发展是一个持续演进的旅程,从掌握基础技能到拓展高级分析能力,贯穿于各个行业的实际应用。这篇文章将深入探讨 ...
2024-12-10在当今数字化时代,数据分析师扮演着至关重要的角色,他们不仅需要具备坚实的技术基础,还需具备业务洞察力和沟通技巧。让我们一 ...
2024-12-10数据分析师在当今就业市场中拥有广泛的职业发展机会,尤其是在大数据和人工智能迅速发展的背景下。让我们深入探讨数据分析模型的 ...
2024-12-10就业前景展望 统计与大数据分析专业的发展在数码化时代蓬勃发展,为热门领域之一。这个领域吸引着越来越多的专业人才,满足不断 ...
2024-12-10制作漂亮的数据分析图表不仅需要一定的数据分析技巧,还需要了解如何直观、易于理解地呈现数据。选择合适的图表类型、讲究色彩搭 ...
2024-12-10