
我们最近有一个博客,在那里我谈论了18个学习数据科学的在线资源。显然,对于一个人来说,18个平台太多了,而且不是所有的平台都与你相关,这取决于你的经验水平和你在旅途中的位置。
因此,我想做的是根据经验和目标将您的数据科学旅程或数据科学家职业道路分为不同的阶段,并推荐一些在线资源,以帮助您在数据科学家职业道路上所处的阶段。
我所做的是与社区中的一群数据科学家交谈,询问他们的旅程,并收集了一些对他们的职业生涯有帮助的在线资源的建议。然后我将这些信息与我的数据科学家职业道路和我成为数据科学家所用的资源进行了匹配。
我想做的是与你分享一个数据科学的4步旅程,从完全的新手到获得一份数据科学工作,以及在你的数据科学家职业道路上每一步都可以使用的资源。
我从与社区的交谈以及我自己的旅程中收集到的是,作为一名数据科学家,你的职业生涯可以分为四个不同的阶段。从一个完全的新手到获得一份数据科学工作,有四个阶段:
学习语法和工具是数据科学家职业道路上的第一次接触。
你在这个阶段的目标是:
整个阶段的重点是学习如何编码,统计和数学,建模,所有的理论,并测试您将在工作中使用的工具和平台。在这个阶段,每个人都是初学者。所以,你可能已经从大学毕业,也可能还在上学,或者你可能已经换了职业,但你可能只有一两门编码课,或者你可能根本没有任何编码经验,但这个阶段是为了获得一些关于平台、代码和数据科学类型问题的知识。
因此,您想利用这些在线资源来学习和接触数据科学,实际上是在下图的底部,您是一个初学者:
我自己从模式分析开始,这在一定程度上帮助我很好地学习了SQL和Python,然后我不得不切换到下一个平台来提升我的水平。但是在第一个阶段,当您开始接触时,上面图表中的任何一个平台都将帮助您接触编码和数据科学类型的问题。
除了模式分析之外,我还推荐Coursera或Udemy提供的完整的数据科学课程,让您了解并了解您是否对数据科学感兴趣。
现在,您已经学习了这些工具,并了解了在数据科学中要处理的问题类型,您希望摆脱教程模式,进入稍微复杂一点的内容。这让你进入第二阶段。
在第二阶段,您要做的是摆脱教程模式,进入对行业或您想要进入的数据科学类型更专业的主题。
对我来说,DataCamp使我摆脱了教程模式。他们有一系列专门的主题,让我能够利用数据科学的主题,比如开发机器学习模型,并将其专门化或应用到我感兴趣的特定行业中。
如果您看看下图中的一些其他建议,我们不仅有DataCamp,而且还有其他在线资源,如CodeAcademy、StrataScratch和LeadCode。
所有这些平台都可以帮助您提高专业类型主题的技能,这些主题可以应用于数据科学或软件开发。
在数据科学家职业道路的这个阶段,你不仅要尝试走出教程模式,进入一些更复杂和更复杂的事情,而且你还在努力学习数据科学职业的实际含义。
为了更多地了解这一点,我和我的一些同事在这个数据科学社区中所做的是从其他人那里学习,比如从YouTube、Reddit和其他可能可用的讨论论坛。
观看YouTube视频或潜伏在Reddit的一些帖子的目的是了解其他数据科学家正在经历和暴露哪些问题。这就是你如何理解数据科学的职业生涯可能是什么感觉,以及你在未来可能会经历什么。
总之,数据科学职业道路的第二阶段是摆脱教程模式,进入更复杂、更复杂的数据科学主题,最终可以应用到工作中。除此之外,你还可以去Reddit等讨论论坛或观看其他数据科学家的YouTube视频,了解他们的经历,因为这将使你能够想象数据科学职业在你这一端可能会是什么样子。
现在,你在数据科学和编码方面有了一些进步,你对数据科学家的职业生涯有了一些了解,你对成为一名数据科学家感到兴奋。让我们进入数据科学家职业道路的第三阶段。
数据科学职业道路的第三步是那些已经决定真正进入数据科学作为一个职业并最终变得认真的人。现在,你要做的是离开DataCamp这样的教育平台,开始做那些将测试你的技能的项目。
对于这个用例,您希望尝试像Kaggle这样的非教育平台来完成一些项目,并与其他数据科学家进行排名。
如果你觉得你不想做Kaggle,想做一个在线或面对面的数据科学训练营,那么大会是一个非常受欢迎的,他们会教你如何进入数据科学。
很明显,一旦你完成了Kaggle,或者你完成了新兵训练营,你想面试prep成为一名数据科学家。那么你肯定应该试试这些面试准备平台中的一个,比如LeetCode或StratasCratch。
在这些平台上,你会发现大量来自真实公司的数据科学面试问题,这些问题可以让你在面试中获得成功所需的实践。
在这个阶段,目标是更认真地成为一名数据科学家。你应该做的是提高你的技能,这样你就可以在项目上工作,你可以产生有意义的影响,你可以在数据科学面试中非常迅速地回答和解决问题,而不需要太多的挣扎。所以,你需要的是在这些项目和面试问题上的大量练习。
现在唯一缺少的是找到一份工作并获得报酬,成为一名数据科学家,这将把我们带到数据科学家职业道路的第四步。
如果你以前没有任何行业或专业经验,也没有数据科学家的工作,走出第三阶段可能很难。所以,你需要做的是认真对待第三阶段。尽可能多地准备和学习,这样你就会知道编码和回答这些技术问题。当你找到第一份工作时,它将使你能够应用这些技能。
在这个阶段,您期待的是了解您感兴趣的项目类型。作为一个数据科学家,有很多不同类型的角色,也有很多不同类型的数据科学家。
您可以每天创建推荐引擎,您可以将东西部署到生产中或将东西保存在开发服务器上,您可以创建数据管道,您可以做更多类似于R&D类型的分析或其他任何事情。在最初的几年里,你可能会把它们都做完,然后随着你的专业和职业生涯的发展,你可能会在某些角色上做得更少,更专业。
在作为第一份工作的数据科学家职业道路的这个阶段,关键是要了解作为一名数据科学家,你喜欢什么,喜欢什么样的角色和职责。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
正态分布与偏态分布的核心区别解析 在统计学中,数据的分布形态是理解数据特征、选择分析方法的基础。正态分布与偏态分布作为两 ...
2025-08-06基于 SPSS 的中介效应分析结果解读:揭示变量间的隐性关联 在社会科学与自然科学研究中,变量之间的关系往往并非简单的直接作用 ...
2025-08-06抖音数据分析师:驱动平台增长的幕后推手 在抖音这个日活用户数以亿计的超级平台上,每一次用户的滑动、点赞、评论,每一条 ...
2025-08-06解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-05大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-05CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-05CDA认证在国际市场上的认可度正在逐渐增长。CDA(Certified Data Analyst)认证,源自中国,面向全球,旨在提升数字化人才的数据 ...
2025-08-04本次活动市场价2000元,现面向会员免费开放,会员朋友更可以邀请一位非会员免费参加。 【活动目标】 ...
2025-08-04MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-04反向传播神经网络:突破传统算法瓶颈的革命性力量 在人工智能发展的历史长河中,传统算法曾长期主导着数据处理与模式识别领域 ...
2025-08-04CDA 数据分析师行业标准:构建数据人才的能力坐标系 在数据驱动决策成为企业核心竞争力的时代,CDA(数据分析师)行业标准作为 ...
2025-08-04评判两组数据与初始数据准确值的方法 在数据分析与研究中,我们常常会面临这样的情况:需要对通过不同方法、不同过程得到的两组 ...
2025-08-01通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-01CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-01K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-07-31大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-07-31CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-07-31SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-07-30SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-07-30人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-07-30