初学者必看丨如何成为一名数据科学家

想从事数据科学领域的初学者总是很困惑：应该学习哪种编程语言？专业重要吗？需要掌握哪些工具和技能？在这篇文章中，你的这些问题都能得到解答。

几星期前，我发布了我的第二篇Kaggle Kernel( Kernel: Kaggle 中用于探索概念、展示技术或分享解决方案的短脚本)。我对Kaggle最近发布的“机器学习和数据科学现状”调查很感兴趣，并认为我可以从中得出一些有趣的见解。我以为大多数写Kernel的人都已经是数据科学家了，比起如何入门，他们应该对其他的内容更感兴趣。

令我惊讶的是，我赢得了每周一次的Kernel奖，我的这篇Kernel最终获得了超过预期的关注度。

在这里我把这篇分享给大家，探究如何成为一名数据科学家。

一、编程语言

据我所知，数据科学领域有两种语言是最常用的，即Python和R语言。我个人比较喜欢R语言，但是好奇在实际情况中是什么样的。

我根据受访者的职位，比较选择Python或R语言作为主要编程语言的人数。事实证明，除了统计学和运筹学之外，其他职位中使用Python的人数更多。然而这两个领域，特别是运筹学由于样本量太小，以至于结果的参考价值并不高。

二、专业和职位

我想知道哪些专业倾向选择哪些职位，因此我创建了比较大学专业和所选职位的图表。

当然，计算机科学专业的人群会成为计算机科学家，程序员和软件工程师。数学专业的人群会选择预测建模，数据科学和统计学职位，物理专业则倾向于进入研究领域。

图表中一个有趣的信息是，每个职位都有至少一名非此专业的人士。这表明，只要你有理想，所学专业不是限制做你想做的事情的理由。

三、学习资源

用来学习数据科学的在线资源特别丰富。我很好奇对于调查的受访者来说哪些在线资源是最有用的。

事实证明，人们认为创建项目，参加课程，参加Kaggle挑战是学习和了解数据科学最有用的方法。我很喜欢从事数据科学的项目，并在完成项目的过程中一步步成长为一名数据科学家。

四、重要的工作技能

调查的另一个问题是询问受访者，他们认为在工作中最有用的技能是什么。

掌握Python和统计知识被认为是最有用的工作技能。这方面R语言略微落后于Python，这反映了第一张图的情况。有趣的是，MOOC(大型开放式网络课程)在实用性方面得分最低。然而上一张图中，人们认为在线课程是学习数据科学最有用的资源之一。这也让我感觉不是跟确定，是不是受访者认为在找工作时，MOOC不应该被用作认证。

五、实际运用的工具

受访者也被问到，他们认为哪些技术在日常工作中最有用。在以下图表中，我分析了所有受访者的情况，以及具体的职位情况。

Python被评为整个行业中最需要掌握的技术。R语言排名第三位。每个职位都说要用到SQL、Jupyter、Unix和TensorFlow了。表明这些可能是不久之后需要掌握的重要技术。

六、实际运用的方法

与上一个问题类似，受访者被问到，他们在工作中实际运用到的数据科学方法。

我们可以看到，每个职业的人群都用到了数据可视化、交叉验证、逻辑回归和决策树。机器学习工程师则要经常使用自然语言处理和神经网络技术。其他职位有相应的方法需要经常使用。

结论

我喜欢运用庞大的数据集，这将非常适合我今后的工作。如果你是一名数据科学家新手，并且正在找工作，那么我给你列出以下几几条建议：

1.学习 Python

Python和R语言都已经存在数十年了。但正如我们在第一张图中看到的那样，在大多数情况下Python是胜出的。图四和图五也反应了这一情况。很难找到一家不使用Python的公司，所以学好Python绝对是没错的。

2.专业选择计算机科学或数学

正如图二所示，每个职位都有不同的专业。然而根据图中的比例来看，每个职位中计算机科学和数学人数是最多的。虽然这不是必须的，但这两个专业能让你在求职中获得一些优势。

3.创建项目、参加课程、参与Kaggle挑战

正如图三所示，学习数据科学方面有些方法特别实用。

4.了解广泛使用的工具

有无数的工具可供我们使用，但通过这次调查，我们了解到哪些是主流的工具。

我希望以上几点能够帮助你起步，逐步成为一名数据科学家。祝你好运！