我的第一份数据科学实习

在写本文时，这是我在Quantum Inventions公司实习的最后一天。当我坐在电脑屏幕前，反思过去几个月的学习历程，我感到非常的满足。

在实习即将结束时，萦绕在我脑中的问题是：我学到了些什么？这是我想要的吗？

作为一名物理学家，我习惯通过推理解答问题从而来寻求真相。事实上，对数据科学家来说，问合适的问题也是至关重要的。

本文分为三个部分：实习前，实习期间，实习后。当中记叙了在这段经历中我所得到的收获。也欢迎阅读我上一篇文章《我是如何从物理学转行到数据科学领域》。

实习前

我仍然清楚地记得，在2017年11月的期末时我开始阅读《统计学习导论：基于R应用》(An Introduction to Statistical Learning — with Applications in R)。这是第一次接触到基础的机器学习知识。

一旦掌握了这些概念之后，我就开始学习热门的课程Coursera上吴恩达的《机器学习》。虽然刚开始的时候并不那么轻松，但是吴恩达能够吸引人们的注意力，用简单的方式解读复杂的概念。这也许就是我喜欢上机器学习的原因之一。我也强烈建议你试试，机器学习并没有听上去那么高大上和复杂。

同时，我开始学习人工智能的另一个重要领域——深度学习。

在掌握了一定的基础知识之后，我在2017年12月开始了我的第一份数据科学实习。

实习期间

Quantum Inventions专注于向消费者、企业和政府智能交通服务。我是第一位加入研发和分析团队的数据科学实习生。

在刚开始的几天，我认识到了许多出色的同事，接触到许多行业术语以及正在进行的项目。在这次实习中，Quantum Inventions给了我足够的信任和自由，让我能够选择感兴趣的项目，并为其而努力。

令我吃惊的是，目前我着手的这个项目是之前没有人做过的。这时就需要大量的研究，存在许多不确定性和困难，但是我仍然乐在其中。为什么呢？很简单，因为我能够有机会从头开始体验整个数据科学工作流程。

下面我将列出我所经历的工作流程，在这一过程中为我进入数据科学领域打下了一定的基础。希望能够给你带来一些帮助。

1. 了解业务问题

我所选的项目是预测短期高速公路行程时间。正如我所说的，提出合适的问题对数据科学家来说非常重要。 在项目完成前，需要提出大量的问题，从而了解实际的业务问题：可用的数据源，项目的最终目标等等。我们的目标是更准确地预测新加坡高速公路行程时间。

2. 收集数据源

我对新项目感到十分兴奋，然后我开始从数据库等渠道收集数据源。收集正确的数据源类似在不同网站抓取数据，以便稍后进行数据预处理。这一过程非常重要，这可能会影响你在后期建立模型的准确性。

3. 数据预处理

真实世界的数据并不那么理想。我们不能期望会获得Kaggle比赛中那样格式良好且干净的数据。因此，数据预处理(也称为数据管理或数据清理)至关重要。该过程占到整个工作流程的40％-70％，对提供给模型的数据进行清理。

Garbage in, Garbage out。(无用输入，无用输出)

我喜欢数据科学的一点在于，你必须对自己诚实。如果你没有把握，认为预处理的数据已经足够干净，并可以提供给模型，那么将存在使用错误数据构建模型的风险。换句话说，你需要从专业的角度质疑自己，确认数据是否可以使用。严格用阈值检查数据，确认整个数据集中是否存在其他异常、缺失或不一致的数据。

我对这个过程格外谨慎，之前我仅仅因为预处理步骤中的小疏忽就给模型提供了错误的数据。

4. 建立模型

经过一番研究，对于项目我提出了以下四个模型：支持向量回归(SVR)，多层感知器(MLP)，长期短期记忆网咯(LSTM)和状态空间神经网络(SSNN)。

对于还在学习在线课程的我来说，从头开始构建不同的模型无疑是十分困难的。幸运的是，Scikit-learn and Keras拯救了我，因为它们很容易学习，能够快速构建原型模型，并用Python进行编写。此外，我还学习了如何使用多种技术优化模型，并调整每个模型的参数。

5. 模型评估

为了评估每个模型的性能，我主要使用了以下指标：

· 平均绝对误差(MAE)

· 均方误差(MSE)

· 测定系数(R2)

在这个阶段，重复步骤3-5(可互换)，直到得出的最佳模型能够超越基线估计。

实习后

这次实习加深了我对数据科学领域的热爱，这段经历为我之后的工作也提供了一些动力。我也大大提高了自身的能力，比如与不同人群进行利益的沟通技巧，利用数据解决业务问题等等。

数据科学行业还是一个新兴领域，对于我们这些求职者来说，有时当中的一些工作描述可能有些模棱两可。因此在求职时，发现自己不具备岗位所需的全部技能是完全正常的，因为大多数工作描述都是按照理想的方式写的，从而符合雇主的期望。

当在学习或工作中遇到疑问时，你可以从在线课程、书籍和文章中进行学习，这也是我仍在做的，并通过个人项目或实习来应用所学到的知识。请耐心一点，学习的过程需要大量的精力和时间。

在最后，记得问自己：你学到了什么？这是你要的吗？