|
更多干貨內(nèi)容請關(guān)注微信公眾號“AI 前線”,，（ID：ai-front） 365 Data Science 收集了來自 LinkedIn 的 1001 數(shù)據(jù)科學(xué)家的信息，發(fā)現(xiàn)需求量最大的編程語言為 R 語言,、Python 和 SQL,。另外,，還要求具備 MATLAB、Java,、Scala 和 C/C++ 方面的知識,。為了能夠脫穎而出，需要熟練掌握 Weka 和 NumPy 這類工具,。 你需要牢固掌握概率統(tǒng)計(jì)學(xué)，并學(xué)習(xí)和掌握一些算法,，比如樸素貝葉斯,、高斯混合模型、隱馬爾可夫模型,、混淆矩陣,、ROC 曲線、P-Value 等,。 不但要理解這些算法,，還要知道它們的工作原理。你需要牢固掌握梯度下降,、凸優(yōu)化,、拉各朗日方法論、二次規(guī)劃,、偏微分方程,、求積法等相關(guān)算法。 如果你想找一份高薪的工作,，還需要掌握機(jī)器學(xué)習(xí)技術(shù)和算法,，比如 k-NN、樸素貝葉斯,、SVM 和決策森林等,。 現(xiàn)在大部分機(jī)器學(xué)習(xí)都需要海量數(shù)據(jù)，所以你無法在單臺機(jī)器上進(jìn)行機(jī)器學(xué)習(xí),。所以,，你需要用到集群，需要掌握 Apache Hadoop 和一些云服務(wù),，如 Rackspace,、Amazon EC2、Google Cloud Platform,、OpenStack 和 Microsoft Azure 等,。 你還需要掌握各種 Unix 工具，如 cat,、grep,、find,、awk、sed,、sort,、cut、tr 等,。因?yàn)闄C(jī)器學(xué)習(xí)基本上都是在 Unix 系統(tǒng)上運(yùn)行的,，所以需要掌握這些工具，知道它們的作用以及如何使用它們,。 傳統(tǒng)關(guān)系型數(shù)據(jù)庫已經(jīng)老去,。除了 Hadoop 之外,，你還需要掌握 SQL,、Hive 和 Pig，以及 NoSQL 數(shù)據(jù)庫,，如 MongoDB,、Casssandra、HBase,。 基于 NoSQL 分布式數(shù)據(jù)庫的基礎(chǔ)設(shè)施已經(jīng)成為大數(shù)據(jù)倉庫的基礎(chǔ),。原先在一個(gè)中心關(guān)系型數(shù)據(jù)庫上需要 20 個(gè)小時(shí)才能處理完的任務(wù)，在一個(gè)大型的 Hadoop 集群上可能只需要 3 分鐘時(shí)間,。當(dāng)然,，你也可以使用 MapReduce、Cloudera,、Tarn,、PaaS、Chef,、Flume 和 ABAP 這些工具,。 在掌握編程語言和算法的同時(shí)，不要忽略了數(shù)據(jù)可視化的作用,。如果無法讓你自己或別人理解數(shù)據(jù),，那么它們就變得毫無意義。數(shù)據(jù)可視化就是指如何在正確的時(shí)間向正確的人展示數(shù)據(jù),，以便讓他們從中獲得價(jià)值,。主要的數(shù)據(jù)可視化工具包括：Tableau、QlikView,、Someka Heat Maps,、FusionCharts、Sisense,、Plotly,、Highcharts,、Datawrapper、D3.js,、ggplot 等,。 要成為數(shù)據(jù)科學(xué)家，不一定非要拿到數(shù)據(jù)科學(xué)方面的學(xué)位,。事實(shí)上,，你完全不需要這么做，這樣做反而不是個(gè)好主意,。如果你能拿到計(jì)算機(jī)學(xué)位,、工程學(xué)學(xué)位、經(jīng)濟(jì)學(xué)學(xué)位,、數(shù)學(xué)學(xué)位,、統(tǒng)計(jì)學(xué)學(xué)位、精算師學(xué)位,、金融學(xué)學(xué)位或者自然科學(xué)學(xué)位（物理,、化學(xué)或生物）都是可以的。甚至是人文科學(xué)（包括社會科學(xué)）也是可以的,。 365 Data Science 的研究表明,，20% 的數(shù)據(jù)科學(xué)家擁有計(jì)算機(jī)學(xué)位，19% 擁有統(tǒng)計(jì)學(xué)或數(shù)學(xué)背景,，19% 主攻經(jīng)濟(jì)和社會科學(xué)專業(yè),。只有 13% 擁有存粹的數(shù)據(jù)科學(xué)學(xué)位。不過很少有大學(xué)提供數(shù)據(jù)科學(xué)本科學(xué)位,，他們大部分都提供了碩士學(xué)位,。因?yàn)樵撀殬I(yè)是一個(gè)新興職業(yè)，所以毫無疑問,，很多人在本科階段并不會接觸到數(shù)據(jù)科學(xué),。 如果能夠繼續(xù)深造，拿到數(shù)據(jù)科學(xué)或機(jī)器學(xué)習(xí) /AI 相關(guān)的碩士或博士學(xué)位,，自然會助你一臂之力,，特別是如果你想在世界 500 強(qiáng)公司里找到一份數(shù)據(jù)科學(xué)家的工作。365 Data Science 研究發(fā)現(xiàn),，擁有碩士和博士學(xué)位的 1001 數(shù)據(jù)科學(xué)家比例分別是 48% 和 27%,。 不過，碩士學(xué)位確實(shí)不是那么好拿到的,，但如果能夠拿到,，那絕對是如虎添翼。如果你想從事數(shù)據(jù)分析工作,，但不一定要接觸數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí),，那么碩士學(xué)位就不是必需的,。你完全可以在沒有碩士學(xué)位的情況下獲得一份數(shù)據(jù)分析的工作。不要把數(shù)據(jù)科學(xué)和數(shù)據(jù)分析混淆起來了,。 在實(shí)習(xí)結(jié)束后,，有 18% 的人可以直接進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域。所以,，如果你已經(jīng)有了碩士學(xué)位,，最好先找一個(gè)實(shí)習(xí)崗位，而不是直接繼續(xù)讀博,。 在現(xiàn)實(shí)當(dāng)中,，很少有公司會直接正式招聘應(yīng)屆的數(shù)據(jù)科學(xué)家。他們大部分人都是從分析員（數(shù)據(jù)分析,、BI 分析）,、實(shí)習(xí)生、IT 專員,、軟件工程師和咨詢顧問做起的,。只有 2% 的人在一開始就從事數(shù)據(jù)科學(xué)工作。 有意思的是,，數(shù)據(jù)科學(xué)家中有 27% 是博士，所以大學(xué)自然就成為培養(yǎng)數(shù)據(jù)科學(xué)家的搖籃,，有一些高校學(xué)者直接被聘請成為數(shù)據(jù)科學(xué)家,。另外，從事 IT 工作的人比從事顧問工作的人更容易成為數(shù)據(jù)科學(xué)家,，所以扎實(shí)的編程功底絕對是個(gè)優(yōu)勢,。 一組研究數(shù)據(jù)表明,，排名靠前的高校會培養(yǎng)出更多數(shù)據(jù)科學(xué)家,。 28% 高收入數(shù)據(jù)科學(xué)家來自世界排名前 50 的高校，不過也有 25% 來自不在排名之列的高校,。 所以,，這個(gè)與學(xué)校排名有一定的關(guān)系，但不是全部,。知識,、技術(shù)實(shí)力和實(shí)戰(zhàn)經(jīng)驗(yàn)比畢業(yè)院校更重要。實(shí)際的經(jīng)驗(yàn)和良好的編程技能是必需的,，而好學(xué)校是錦上添花,，但不是決定因素。 我參加在線課程有很長一段時(shí)間了,。為了獲得一份數(shù)據(jù)科學(xué)家的工作,，或者為了拿到數(shù)據(jù)科學(xué)家碩士學(xué)位,，需要努力自學(xué)。 40% 的數(shù)據(jù)科學(xué)家參加過在線教育課程,。另外,，平均每人獲得 3.33 個(gè)證書。所以,，為了成為好的數(shù)據(jù)科學(xué)家,，你需要通過參加在線課程、觀看視頻資料和獲得 MOOC 證書的方式進(jìn)行自學(xué),。 數(shù)據(jù)科學(xué)都是關(guān)于數(shù)學(xué),、編程和技術(shù)。但在現(xiàn)今以數(shù)據(jù)為驅(qū)動(dòng)的工作場所,，軟技能也是很重要的,，如溝通技能、求知欲,、創(chuàng)造力,、文化智能、情商和商業(yè)敏銳度,。 數(shù)據(jù)科學(xué)的終極目標(biāo)就是探索,，以創(chuàng)新的方式發(fā)現(xiàn)新的想法。好的數(shù)據(jù)科學(xué)家受求知欲的驅(qū)使,，以各種創(chuàng)新的方式探索數(shù)據(jù),。好的公司不只是需要那些會回答問題的人，也需要那些善于提問的人,。 有些人能夠在學(xué)習(xí)和工作之外做一些體現(xiàn)自己激情的事情,，這些人比較受招聘者的青睞，所以請主動(dòng)加入一些數(shù)據(jù)科學(xué)項(xiàng)目吧,，去解決一些實(shí)際的業(yè)務(wù)難題或做一些調(diào)研,。創(chuàng)新思維能力和為舊問題尋找新方案的能力是區(qū)別優(yōu)秀數(shù)據(jù)科學(xué)家和一般數(shù)據(jù)科學(xué)家的主要依據(jù)。 好的數(shù)據(jù)科學(xué)家是技術(shù)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)之間的粘合劑,。作為數(shù)據(jù)科學(xué)家,，你需要成為好的溝通協(xié)調(diào)者。 有時(shí)候,，你要以一種大家都能明白的方式來陳述事實(shí),。如果數(shù)據(jù)分析的結(jié)果暗示公司的策略需要發(fā)生變化，你需要通過良好的人際關(guān)系技能將公司帶向正確的方向,。 作為數(shù)據(jù)科學(xué)家,，你需要對所在行業(yè)有非常深刻的認(rèn)識——行業(yè)發(fā)展趨勢、客戶的痛點(diǎn)、競爭對手,。你要知道公司想要解決什么樣的業(yè)務(wù)問題,。數(shù)據(jù)科學(xué)家需要知道要解決什么問題以及如何找出合適的解決方案。深入了解業(yè)務(wù),，并能夠?qū)⑵渑c客戶喜好,、產(chǎn)品生命周期和盈利目標(biāo)結(jié)合在一起，是找到創(chuàng)造性解決方案的關(guān)鍵,。 不要忘了花點(diǎn)時(shí)間為面試做準(zhǔn)備,。不管你的技術(shù)有多強(qiáng)，面試官總有辦法用一些你不知道的問題把你掃地出門,。在面試中,，面試官有可能問各種各樣的問題，要求候選人具備非常強(qiáng)的技術(shù)功底,、很強(qiáng)的抗壓能力,、創(chuàng)造性思維以及很好的溝通能力。面試官會通過各種方式來考察你的你的知識,、編程技能和數(shù)據(jù)建模技能,，所以提前做好準(zhǔn)備是成功應(yīng)聘的關(guān)鍵。 2018 年,，整個(gè)行業(yè)需要大概 100 萬個(gè)數(shù)據(jù)科學(xué)家,。人工智能、大數(shù)據(jù)和物聯(lián)網(wǎng)技術(shù)被用于挖掘新的業(yè)務(wù)洞見,，據(jù)福布斯估計(jì),，“在 2020 年之前，它們將從還在沉睡中的同伴那里每年偷走 1.2 萬億美元”,。不過，要進(jìn)入這個(gè)領(lǐng)域,，要先確保你對統(tǒng)計(jì),、編程和數(shù)據(jù)建模有足夠的熱情，不要盲目隨波逐流或盲目追求高薪資,。 但或許你會在其他領(lǐng)域得到更好的發(fā)展,，比如經(jīng)濟(jì)、應(yīng)用數(shù)學(xué)或工程領(lǐng)域,。首先要確定數(shù)據(jù)科學(xué)這條路是不是適合自己,。2018 年絕對不會讓那些有志在數(shù)據(jù)科學(xué)領(lǐng)域一展身手的人失望。不過還是那句話,，一個(gè)具備分析能力的大腦,、熟練的編程技能、誠摯的熱情和持續(xù)自我提升的毅力將決定你的數(shù)據(jù)科學(xué)家之路會走多遠(yuǎn)。 原文鏈接： https://www./blog/285/how-to-get-data-science-and-machine-learningai-jobs-how-to-become-a-data-scientist 今日薦文點(diǎn)擊下方圖片即可閱讀  不止 Google vs. Nvidia：深度學(xué)習(xí)引領(lǐng) AI 芯片大戰(zhàn) 根據(jù) Gartner 的預(yù)測,，AI 在 2018 年已經(jīng)不是遙不可及的東西,，每家公司都可以碰得到。那么,，2018 年,，你是否已經(jīng)做好準(zhǔn)備轉(zhuǎn)戰(zhàn) AI 了？應(yīng)該去哪里學(xué)習(xí)現(xiàn)成的落地案例和實(shí)踐經(jīng)驗(yàn)?zāi)兀?/p> InfoQ 中國團(tuán)隊(duì)為大家梳理了目前機(jī)器學(xué)習(xí)領(lǐng)域的最新動(dòng)態(tài),，并邀請到了來自 Amazon,、Snap、Etsy,、BAT,、360、京東等 40+ 公司 AI 技術(shù)負(fù)責(zé)人前來分享他們的機(jī)器學(xué)習(xí)落地實(shí)踐經(jīng)驗(yàn),，部分精彩案例如下：
|
|
|
