
作者Jo Stichbury,自由技术作家
数据科学是一个新兴的成熟领域,从数据工程和数据分析到机器和深度学习,各种工作职能不断涌现。数据科学家必须结合科学、创造性和调查性的思维,从一系列数据集中提取意义,并解决客户面临的潜在挑战。
从零售、交通和金融到医疗保健和医学研究,生活的各个领域都产生了越来越多的数据。
可用计算能力的增加和人工智能的最新进展将数据科学家--获取原始数据、分析数据并使其有用和可用的人--推到了聚光灯下。
根据收入潜力、报告的工作满意度和Glassdoor上的职位空缺数量等标准,自2016年以来,数据科学一直位居北美50个最佳职位榜首。
那么成为一名数据科学家需要什么呢?
为了获得成功的一些技巧,我采访了Ben Chu,他是atRefinitiv Labs的资深数据科学家。
朱棣文拥有人工智能的背景,尤其是语言学、语义学和图形领域,并在新加坡路孚特实验室工作了两年。
朱棣文在我们的采访开始时说,数据科学家应该像调查人员一样思考。
你需要通过问“为什么?”来感到好奇和兴奋。“这有点像当侦探,把一个个点串起来,发现新线索。”
在金融领域,数据科学家从一系列数据集中提取意义,以通知客户并指导他们的关键决策。
数据科学家必须放大客户想要解决的挑战,并从他们正在处理的数据中获取线索。
从与朱棣文的交谈中,我了解到能够转移焦点并考虑调查的背景是多么重要。
如果不能解决根本问题,完美的分析是没有帮助的。有时你需要回头,尝试一种新的方法,重新定义你试图回答的问题。其核心是好奇心。你需要喜欢问题!
数据科学家使用一系列工具来管理他们的工作流、数据、注释和代码。
“我必须非常勤奋。我需要衡量和跟踪我的进展,这样我就可以备份和尝试一个新的方向,重用以前的工作,并比较结果。
“重要的是要科学,在你前进的过程中进行观察、实验和记录,这样你就可以复制你的发现。我需要组织我的观察,所以我用概念作为我的主要工具,把我所有的笔记、论文和可视化放在一个地方。“
朱棣文强调,需要保存记录,不仅要追溯到他目前的调查,还要追溯到所有以前的发现。
“这就像数据科学日记。当我遇到类似的情况时,我会保留很好的参考点,并参考它们来指导我的下一步行动。“
数据科学不仅仅是有一个科学的方法。职称可能会误导人;你不必来自科学背景,但你确实需要能够创造性地思考。通常,另类思维是你应对挑战的关键。
“我必须在解决问题的科学思维和引导我走上新的和不同的探索道路的创造性思维之间切换。
“逻辑的、科学的思维对帮助我得出结论至关重要,但戴上一顶创造性的帽子同样重要:我用好的和失败的例子作为观察新模式的线索。这都是关于‘编码智能’的。“
您需要扎实的编码技能,以便能够使用各种数据处理技术对不同的数据源进行预处理,以解决噪声或不完整的数据。
您还需要能够创建机器学习管道,这将要求您知道如何构建模型,并使用工具和框架来评估和分析其性能。
Chu和大多数数据科学家一样使用Python,因为有很多优秀的包可以操作和建模数据。
事实上,Glassdoor在2017年上半年对其网站上的10,000份数据科学家工作列表进行了抽样,发现三种特殊的技能--Python、R和SQL--构成了数据科学领域大多数职位空缺的基础。
Ben Chu的团队依赖于开源机器学习包,如Tensorflow,Pytorch和Bert。
“我们主要将合流用作文档工具;用于机器学习的MLFlow,Amazon Sagemaker,Scikit-Learn、Tensorflow,PyTorch和BERT;Apache Spark在大型数据集中构建快速数据管道;和雅典娜作为我们的数据库来存储我们处理过的数据。
“我们还使用Superset来连接数据,并更容易地构建仪表板来输出图表,这使其更加直观。”
朱棣文现在是路孚特实验室的一名高级数据科学家,但他从小就想成为一名音乐家,并对语言着迷。对于我在自然语言处理领域的工作,我需要很好地理解语言学,特别是语义学和语言的细微差别。
他解释说,一个数据科学团队需要一系列的技能--他和他的同事有来自不同背景的重叠技能。
“你需要的技能将取决于你工作的领域。例如,我需要对金融有很好的了解。
“例如,数据分析正被应用于减少欺诈,通过建立异常检测方法来检测欺诈‘行为',作为交易数据中的不规则模式。
“像我这样的数据科学家需要精通如何处理各种孤立的金融数据。知道要结合什么是至关重要的,因为没有这种理解,我就无法建立一个成功的模型。“
进入数据科学并不一定要成为一名计算机科学家或数学家。没有人在每个领域都拥有所有的专业知识。你可以有法律、经济或科学背景。都是关于你思考的方式。
如果您能够灵活和系统化,您将能够在使用工具、框架和数据集时熟悉这些工具、框架和数据集的细节。
对于那些渴望发展数据科学技能的人,朱棣文提供了一些实用的建议,尽管新冠肺炎造成了干扰,但你可以很容易地采用这些建议。
你可以在网上寻找研究社区、参加网络研讨会和找到培训课程。一旦面对面的网络再次可行,朱建议您积极参与数据科学社区。
“去参加会议和黑客马拉松,这将帮助你建立一个强大的网络来讨论你的想法,启发你的研究,回答你的问题”。
此外,请记住,数据科学领域是一个新的领域,而且仍在不断成熟。
出现了各种不同的职位头衔,如数据科学家、数据工程师和数据分析师,以及机器学习和深度学习工程师。您可能会发现一个角色比另一个角色更适合您的兴趣和技能。
挖掘你的好奇心和创造力,提高你的Python技能,进入数据科学!
本文最初出现在2020年4月初的《路孚特透视》上。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25