1
| 本文作者： 恒亮 | 2017-04-07 16:35 |
通常來說，年輕人都很容易立志成為什么，例如成為一名科學(xué)家，然后又很快放棄。這一方面是因為擺在他們面前的誘惑太多，也因為成為一名科學(xué)家真的很不容易。
這一點放在數(shù)據(jù)科學(xué)上尤其突出。實際上，近年來隨著數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的火爆，我們經(jīng)常能遇到剛畢業(yè)的大學(xué)生立志成為數(shù)據(jù)科學(xué)家，但很快又放棄的例子。究其原因，我認(rèn)為在很大程度上是因為要成為一名真正的數(shù)據(jù)科學(xué)家，需要掌握的專業(yè)知識實在是太多了：包括計算機科學(xué)、編程基礎(chǔ)、數(shù)學(xué)知識、機器學(xué)習(xí)算法甚至商業(yè)洞察力等等。
看起來這些知識無窮無盡，而且還在不斷地發(fā)展和變化，似乎終其一生也無法完全掌握。但實際上并非如此，下文我們整理了成為數(shù)據(jù)科學(xué)家的四個關(guān)鍵因素，它們并沒有想象中的龐雜，而且正是由于不斷的發(fā)展和變化，因此對于新手來說通常只需要關(guān)注其中比較核心的基礎(chǔ)知識就可以了。
成為數(shù)據(jù)科學(xué)家的四個關(guān)鍵因素：
編程基礎(chǔ)：例如 R 語言和 Python 語言，這兩種語言是數(shù)據(jù)科學(xué)家們最常使用的數(shù)據(jù)建模、數(shù)據(jù)清理和數(shù)據(jù)管理語言。
機器學(xué)習(xí)核心算法：例如回歸、樸素貝葉斯、支持向量機 SVM（Support Vector Machine）、隨機森林等，大部分面試官都希望面試者們能了解這些最基本的機器學(xué)習(xí)算法。
在恰當(dāng)?shù)膯栴}上磨煉自己：對于數(shù)據(jù)科學(xué)家而言，優(yōu)秀和偉大之間的一個重要差別就是：找準(zhǔn)一個恰當(dāng)?shù)膯栴}并為之鍥而不舍的能力。
能講述一個激動人心的故事：這將有助于你說服客戶并讓他們最終采納你的意見。
下面我們圍繞這四點展開闡述。
與精通一門或者一系列編程語言相比，數(shù)據(jù)科學(xué)家應(yīng)該更關(guān)注編程的靈活性。即他們需要具備遷移學(xué)習(xí)的能力，將一種語言的編程技巧輕松遷移到當(dāng)前項目需要的語言中，目標(biāo)是找到解決問題的最佳方案。
為此，對新手來說最好的辦法是先學(xué)習(xí)一些應(yīng)用廣泛的基礎(chǔ)性語言。例如專注于統(tǒng)計計算的 R 語言，以及更具通用性的 Python 語言。一旦你熟悉了這兩種語言，那么學(xué)習(xí)其他新語言就會容易得多，因為它們之間一定存在一些通用的特性和語法細(xì)節(jié)。
總之，作為一名數(shù)據(jù)科學(xué)家，編程語言只是一種工具，你并不需要成為編程領(lǐng)域的專家。但你必須熟悉它們，以便于利用這些工具解決一些現(xiàn)實的數(shù)據(jù)研究問題，以及一些簡單的編碼和調(diào)試問題。
機器學(xué)習(xí)算法
這里首先需要強調(diào)的是，在機器學(xué)習(xí)算法中我們?nèi)匀粦?yīng)該專注于基礎(chǔ)知識，避免盲目追求最新技術(shù)。
這是因為沒有了基礎(chǔ)的支持，最新的技術(shù)成果也將變得毫無意義。一個數(shù)據(jù)科學(xué)家應(yīng)該關(guān)注于技術(shù)核心，例如評估機器學(xué)習(xí)分類算法的優(yōu)劣，了解客戶更關(guān)心哪些分類錯誤等。畢竟，真實成本分析比準(zhǔn)確率更有價值。
同樣，懂得各種機器學(xué)習(xí)算法之間的差異，能夠為模型選擇最恰當(dāng)?shù)膮?shù)也非常重要。一般基礎(chǔ)的機器學(xué)習(xí)分類器包括邏輯和線性回歸、樸素貝葉斯、隨機森林和 K 均值聚類等。這里需要強調(diào)的是：機器學(xué)習(xí)是一個不斷發(fā)展變化的學(xué)科，不要試圖一蹴而就。也就是說，作為數(shù)據(jù)科學(xué)初學(xué)者，你不應(yīng)該把太多的精力放在機器學(xué)習(xí)和人工智能上，而應(yīng)該多考慮一些非技術(shù)的要素。
認(rèn)為技術(shù)要素是促成最終成功的最大驅(qū)動力，是一個非常常見的錯誤，對于數(shù)據(jù)科學(xué)家而言，我認(rèn)為溝通技巧和解決問題的能力也許更加重要。因為這些能力將有助于你取得諸多具有影響力的成果：包括增加公司收入、創(chuàng)新產(chǎn)品甚至改變整個行業(yè)的走向。最終你將從一名普通的 SQL 程序猿成長為一個值得信賴的商業(yè)伙伴。下面列出我認(rèn)為最重要的三點非技術(shù)要素。
1. 我認(rèn)為最關(guān)鍵的一個非技術(shù)要素就是“數(shù)據(jù)直覺”（data intuition），即結(jié)合領(lǐng)域內(nèi)的專業(yè)知識和商業(yè)敏感性，提出最深刻的見解，并能夠快速決策的能力。數(shù)據(jù)直覺可以讓從業(yè)者以多種不同的方式理解數(shù)據(jù)，找出數(shù)據(jù)中的異常值，以及最不容易發(fā)覺的變化趨勢。
通常情況下我都會把處理數(shù)據(jù)問題視為一個檸檬，即隨著時間的推移，通過不斷努力，我究竟能從這顆檸檬里榨出多少有價值的果汁。而這也是數(shù)據(jù)直覺的含義：為了找到最優(yōu)的解決方案，你已經(jīng)嘗試了所有可能的方法，從數(shù)據(jù)中發(fā)掘了所有有價值的信息。
當(dāng)然，培養(yǎng)自己的數(shù)據(jù)直覺需要時間，也需要實踐的積累。實際上，一個最有效的培養(yǎng)方法就是參與一些與自己的工作和生活息息相關(guān)的項目，例如買房子、或者買一輛新的山地自行車。另一個方法是處理與自己的愛好相關(guān)的數(shù)據(jù)。這種方法的優(yōu)勢是：你對自己喜歡的行業(yè)已經(jīng)有了一定的前期了解，另外你對該問題的結(jié)論也具有天然的熱情。最終，在這些項目中總結(jié)和積累的“直覺”將被應(yīng)用于其他的數(shù)據(jù)分析場景。
2. 我認(rèn)為第二點非常關(guān)鍵的非技術(shù)因素是解決問題的能力，也就是將客戶的需求轉(zhuǎn)化為具體的問題，并將其分解成一系列可以切實執(zhí)行的解決方案的能力。以下是我在這方面的一些經(jīng)驗總結(jié)，僅供參考：
深刻認(rèn)識問題的內(nèi)容和意義，只有充分認(rèn)識了問題，才能解決問題；
找到可用數(shù)據(jù)，如果數(shù)據(jù)的格式有問題，找出解決辦法；
分析數(shù)據(jù)，并發(fā)掘其中決定性的變化趨勢，找到最能說明問題的變量或特征；
研究哪種分析算法和模型最高效，并預(yù)測、解釋結(jié)果；
將你的分析結(jié)果分享給利益相關(guān)者，并向他們征求意見。
3. 最后一點非技術(shù)要素：認(rèn)識到你的工作不僅僅是數(shù)據(jù)分析，它也包括向非技術(shù)人員提供大數(shù)據(jù)意見指導(dǎo)。因為大多數(shù)普通用戶并不會談?wù)摂?shù)據(jù)，他們只關(guān)心營收、銷售、推廣和產(chǎn)品。將專業(yè)技術(shù)轉(zhuǎn)化為業(yè)務(wù)支持，這才是作為數(shù)據(jù)科學(xué)家的工作核心。
現(xiàn)在，請牢記上述四個關(guān)鍵點，向著數(shù)據(jù)科學(xué)家的目標(biāo)奮勇前進吧，助你好運！
注：本文來源 medium，原作者是 UCLA 統(tǒng)計學(xué)博士，雷鋒網(wǎng)編譯
雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))相關(guān)閱讀：
數(shù)據(jù)科學(xué)家=最佳職業(yè)？美招聘平臺將其評為全美最理想工作
一張圖看懂?dāng)?shù)據(jù)科學(xué)家、數(shù)據(jù)工程師和軟件工程師之間的區(qū)別
亞馬遜數(shù)據(jù)專家十年經(jīng)驗總結(jié)：成為數(shù)據(jù)科學(xué)家的關(guān)鍵四步
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
