京公网安备 11010802034615号
经营许可证编号:京B2-20210330
由数据科学家米斯拉·图尔普
作为一名资深数据科学家被视为一种圣杯,尽管许多人并不知道担任一个高级职位的真正含义。最常见的印象是,作为一名资深数据科学家意味着你知道关于数据科学的一切,你是一名真正的专家。这是真的,但只是在一定程度上,因为数据科学中的收入永远不会结束。此外,作为一名资深数据科学家,不仅仅是技术知识,还有很多东西要做。
你可能会想,是的,但我为什么要关心呢?我相信了解数据科学家遵循的标准路径是很重要的,这样你就可以更明智地决定你想走哪条路。简单地说,你了解的越多,就越容易在两家公司、两个职位或两个项目之间做出选择。
[参加免费数据科学入门迷你课程,可以更好地了解什么是数据科学,它如何在更大的人工智能世界中定位,以及对学习有什么要求。]
让我们来看看数据科学家平时的职业是什么样子。
背景
作为一名初级数据科学家,对你的期望是拥有基本的数据科学知识。你的能力应该足以独自完成你的任务,或者在更资深的同事的帮助下完成任务。在这个时间点上,你不会有太多专业的动手经验。
学习
你应该对学习持开放态度,不要害怕问很多问题。更多的资深同事会很乐意帮助你学习。作为一名初级数据科学家,如果你每天都学到一些新东西,这并不奇怪。
项目
你的主要责任将是分配给你的任务。你会在遇到问题时得到更资深数据科学家的协助。除了您的技术能力之外,您还需要很好地理解与您的特定任务相关的领域的各个部分。
在初级数据科学家之后,您可能会处于一个过渡角色,在这个角色中,您将被简单地称为:数据科学家。
背景
在这一点上,您对数据科学的主要概念和技术的知识必须是扎实的。虽然这并不意味着你已经知道了一切。相反,它意味着你知道很多事情,你也知道你不知道的。你可能已经在这个级别上获得了一些很好的实践经验。
学习
学习永远不会结束,所以你仍然对新的想法和方法持开放态度。你仍然会问很多问题,但你也会被别人问到问题。初级同事带着他们的问题来找你。你仍然学习新的东西,也许不是每天,而是每隔一个月。您试图更深入地了解某些技术和工具。
项目
您是项目决策过程的一部分。你对项目的背景有一个很好的整体理解,但你仍然不需要知道比你需要做你的工作更多的东西。
然后是高级数据科学家的职位。在这一点上,您基本上是数据科学家的一切,具有一些额外的能力和责任。让我们看看它们是什么。
背景
您对主要概念和技术有坚实的理解,也对它们的陷阱有更深的了解。你在从事项目时获得了这些知识。现在你有了扎实的实践经验。
学习
因为你已经掌握了基本概念,所以你更容易学习更高级的主题。你仍然对学习持开放态度。教和支持更多的初级同事是你工作的一部分。
项目
你是项目的领导者。你不仅是决策过程的一部分,而且你领导着它。项目的成功是你的责任,在许多情况下,也是你团队成员的幸福。在领导项目的同时,你还需要与外界沟通。向业务方汇报是你的责任。在项目中工作时,您需要记住非技术约束,并确保将技术团队推向正确的方向。您必须对上下文和域有一个整体和完整的理解。保持目标和交付是你的责任。
当然,这并不是世界上每个公司的每个数据科学家的职业生涯都是这样的。此外,你可能是一个自由数据科学家,或者你可能创办你的公司,成为一个CTO,那么你的道路看起来会非常不同。但总的来说,从我和数据科学界的人交谈所学到的,这是一个普通数据科学家职业道路的很好的表现。
我们今天研究这个问题的原因是,每家公司都有自己的结构,自己的规则和自己的道路,当你得到选择时,你想知道该选择哪一个。有些人会倾向于更多的技术工作,因为你得到了更高的职位,有些人会倾向于更多的管理和行政工作。你可以用这篇文章中的解释作为一个基线,来找出你在旅途的高级阶段想要达到的位置,并相应地校准你的求职。当然,计划和偏好会随着时间而改变。但是,有一个想法,你想在哪里结束比盲目地进入它要好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26