我对数据科学的热情始于大约两年半前。我在做一份与数据科学无关的工作。对我来说,转行是一个很大的挑战,因为我有很多东西要学。
经过两年的学习和奉献,我终于找到了第一份数据科学家的工作。当然,我的学习之旅并没有停止。当我做数据科学家的时候,我学到了很多新东西。
学习部分不会改变。然而,我学什么和怎么学发生了巨大的变化。在本文中,我想详细说明这些变化。如果你正在努力成为一名数据科学家,你可能会经历同样的事情。
重要的是要强调,作为一名数据科学家需要不断学习。数据科学仍在发展,你需要时刻保持新鲜。我认为数据科学还不是一个成熟的领域,所以新的技术和概念经常被引入。
对于一个现实生活中的问题来说,1000万行并不多。
对我来说,最明显的变化是数据的大小。当我自己学习的时候,我正在练习最多有10万行的数据集。我现在认为它是一个小数据集。数据的大小取决于您正在处理的字段和问题。一般来说,1000万行对于一个实际的问题来说并不多。
使用大型数据集有其自身的挑战。首先,我需要学习能够处理此类数据集的新工具。在我开始做数据科学家之前,熊猫对我来说绰绰有余。然而,它并不是一个拥有大规模数据的高效工具。
允许分布式计算的工具更受青睐。Spark是其中最受欢迎的一个。它是一个用于大规模数据处理的分析引擎。Spark允许您将数据和计算分散到集群中,以实现性能的大幅提升。
幸运的是,可以将Spark与Python代码一起使用。PySpark是一个用于Spark的Python API,它结合了Python的简单性和Spark的高效性。
另一个大的变化是从本地环境到云环境。当我学习的时候,我在电脑里做所有的事情(即本地工作)。这对练习和学习来说已经足够了。
然而,一家公司在当地经营的可能性极小。大多数公司都在云中工作。数据存储在云中,计算在云中完成,等等。
为了高效地完成工作,获得对云工具和服务的全面理解是非常重要的。云提供商多种多样,但主要参与者是AWS、Azure、Google云平台。我必须学习如何使用他们的服务和管理存储在云中的数据。
作为一名数据科学家,我经常使用的另一个工具是ISGit。我在学习的时候学会了基本的git命令。但是,在生产环境中工作时就不同了。Git是一个版本控制系统。它维护对代码所做的所有更改的历史记录。
Git允许协作工作。你可能会作为一个团队在项目上工作。因此,即使你在一家小型初创企业工作,git也是一项必备技能。项目是用Git开发和维护的。
Git比它从外部看起来要复杂一点。然而,你在做了几个项目后就习惯了。
工具并不是我学习过程中唯一改变的东西。我处理数据的方式也发生了变化。当您处理一个可随时使用的数据集时,在清理和处理数据方面,您无能为力。例如,在机器学习任务的情况下,您可以在几个简单的步骤后应用模型。
在你的工作中情况会不同。一个项目的很大一部分花费在准备数据上。我不是说只是清理原始数据。这也是重要的一步。然而,探索数据中的底层结构和理解特征之间的关系是至关重要的。
如果您正在处理一个新问题,定义数据需求也将是您的工作。这是另一个需要一套特殊技能的挑战。领域知识是其中必不可少的一部分。
特征工程比机器学习模型的超参数调整重要得多。通过超参数调优可以实现的功能是有限的,因此可以在一定程度上提高性能。另一方面,一个信息特性有可能大大改善一个模型。
在我作为一名数据科学家开始工作之前,我专注于理解机器学习算法和如何调整模型。我现在把大部分时间都花在准备数据上。
我所说的就绪包括许多步骤,例如
统计知识对这些步骤非常重要。因此,我强烈建议提高你在这方面的知识。它会在你的数据科学生涯中帮助你很多。
有大量的资源来学习数据科学。您可以使用它们来提高您在数据科学的任何构建块中的技能。然而,这些资源并不能提供真正的工作经验。没有错。当你找到第一份工作时,让自己准备好学习一套不同的材料。
谢谢你的阅读。如果你有任何反馈请让我知道。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14