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
4. 区间估计 还以为你被上节课的内容唬住了~终于等到你,还好没放弃! 本节我们将说明两个问题:总体均值 的区间估计和总体比例 ...
2024-10-04大数据分析师在现代企业中扮演着至关重要的角色。他们通过分析大量数据,帮助企业做出明智的决策。要成为一名成功的大数据分析师 ...
2024-10-033. 数据分布 t分布、F分布和卡方分布是统计学中常用的三种概率分布,它们分别用于样本均值的推断、方差的比较和数据的拟合优度检 ...
2024-10-03大数据分析师在现代企业中扮演着至关重要的角色。他们通过分析大量数据,帮助企业做出明智的决策。要成为一名成功的大数据分析师 ...
2024-10-022. 描述性统计 上一篇介绍了数据的分类、统计学是什么、以及统计学知识的大分类,本篇我们重点学习描述性统计学。 我们描述一组 ...
2024-10-02大数据专业的毕业生可以选择多种就业方向和岗位,主要集中在数据分析、系统研发和应用开发三大领域。以下是一些具体的岗位: 大 ...
2024-10-011.统计学简介 听说你已经被统计学劝退,被Python唬住……先别着急划走,看完这篇再说! 先说结论,大多数情况下的学不会都不是知 ...
2024-10-01大数据的全球市场规模在 2023 年估计为 1850 亿美元,预计到 2030 年将达到 3834 亿美元,2023 年至 2030 年的复合年增长率为 11 ...
2024-09-30大数据分析是指收集、分析和处理大量数据以发现市场趋势、洞察力和模式,帮助公司做出更好的商业决策的过程。这些信息可以快速、 ...
2024-09-30大数据分析是当今世界一些最重要行业进步背后的推动力,包括医疗、政府和金融等领域。了解更多关于如何处理大数据以及开始时使用 ...
2024-09-30大数据已经成为日常生活不可或缺的一部分,影响着我们的活动。对大量数据的分析已经成为一个重要的行业,对大数据分析师的需求也 ...
2024-09-30数据分析师证书报名官网指南 数据分析师在现代企业中扮演着越来越重要的角色,掌握数据分析技能不仅能够提升个人职场竞争力,也 ...
2024-09-29大数据分析师培训学什么 课程简介 大数据分析师课程以大数据分析技术为主线,以大数据分析师为培养目标,从数据分析基础、linux ...
2024-09-29随着大数据在各行各业中的应用日益广泛,数据分析师这一职业变得越来越重要。作为一名数据分析师,不仅需要具备扎实的技术能力, ...
2024-09-29引言 在当今数字化转型的浪潮中,大数据分析师的角色变得愈发重要。作为这个领域的专业人士,拥有权威认证不仅能够提升个人职业 ...
2024-09-29数据架构师是企业中负责设计、规划和管理数据架构的关键角色。他们的职责广泛且复杂,涵盖了从数据模型设计到数据治理和管理的各 ...
2024-09-28数据分析专员在现代企业中扮演着至关重要的角色。他们通过数据驱动的洞察力帮助企业做出明智的决策。本文将详细探讨数据分析专员 ...
2024-09-28数据开发和数据分析是两个密切相关但有显著区别的领域。尽管它们在现代企业中都至关重要,但在定义、目标、流程、方法、技能要求 ...
2024-09-28数据分析是一个涉及多个领域的综合性学科,需要掌握多种技能和知识。本文将详细介绍数据分析专业课程的主要内容,帮助您全面了解 ...
2024-09-28数据分析师需要具备的能力 数据分析师在现代商业环境中扮演着至关重要的角色,他们通过数据分析为企业提供有价值的商业洞察。要 ...
2024-09-28