数据科学或AI范畴有大年夜量不合类型的工作，做什么样的预备取决于你想达到什么样的高度。人们应当思虑什么是他们真正想做的，然后再进修相干课程。今朝热点话题是深度进修，意谓着要用神经收集进修和懂得的经典问题，进修优化，线性代数和类似的课程。这会帮钠揭捉?习天天都邑碰到的基本的数据常识和基本概念。”

4 —Erin,Shellman，Zymergen的数据科学主管，Nordstrom数据实验室和 AWS S3的前数据科学家

“对于一向保持要去进修的人，我必须说科學(Science)、技巧(Technology)、工程(Engineering)及数学(Mathematics)范畴是不假思考就能想到的主意，特别是技巧(Technology)、工程(Engineering)及数学(Mathematics)学科。进修上述课程将会给你供给考验和懂得世界的对象。那就是我如何对待数学，统计学和机械进修。对于数学本身，我不是特别感兴趣，我感兴趣的是若何应用数学来描述事物。毕竟有现成的对象包，如不雅你对数学和统计不是很热衷，进修这两个学考场且思虑如安在你热衷的工作应用它们也是异常值得的。

对于像我一样立志转型的人，我会说它会很难。意识到改变行业是很艰苦的和你须要异常尽力。改变是很难的并不仅限于数据科学范畴---这就是生活。和数据科学范畴没有任何接洽是加倍艰苦的，然则你可以经由过程邮攀乐于世人的人士会晤或喝咖啡建立连接。我生活中重要准则就是‘跟随’。如不雅你和具备你存眷的本质的人谈话，那就是在赓续进步。

数据科学家的帖子是很吓人的，大年夜多半的帖子读起来像是数据科学的词汇表。事实是技巧改变异常快，以至于没有人具备一切并且把他们写到帖子中的经验。当你浏览的时刻，它让人喘不过气来，并且你也许能感到到：这不是我要找的。我没有任何技能并且我没有什么可供献的。我将鼓励你们否决这种思维方法，只要你一向改变并且进修新的器械，你就是很不错的。

最重要的是，公司须要的是可以严格定义问题和设计解决筹划的人。他们也须要善于进修的人。我认为这是核心技能。”

5 — Daniel Tunkelang，Twiggle首席搜刮传播者，领英的前搜刮质量负责人

6 — John Foreman，产品治理副总裁，MailChimp前首席数据科学家

“我发明找到和雇佣到合适的伙伴是艰苦的。这是一件特别难做的工作，因为当我们谈论大年夜学体系时，不论是在校大年夜学生照样卒业的大年夜学生，你仅专注在一件工作-你的专业。然则数据科学家有点像技艺中兴大年夜事人员，因为数据科学是内涵的，多学科交叉的。

这就导致：数据科学家比计算机编程人员懂得更多的统计，且比统计学家善于编程的角色如许的大年夜笑话。这个笑话解释什么?它解释数据科学家是两种常识都知道一点的人。但我要强调的是，他要比这两个工作知道的更多。他们同样知道如何进行沟通。他们同样须要知道不仅仅是基本统计常识，他们须要懂得概率论，离散数学，微积分等。可视化手段也不会起反感化。他们同样须要懂得如何摆弄数据，应用数据库，甚至是一点OR。他们须要很多方面的常识。所以找到如许的人变得很难，因为他们须要接触过很多学科，且他们可以或许机灵地表达他们的经验。这对任何申请人都是很高的请求。

雇人须要花费很长时光，这也是为什愦我认为人们为什么会一向说如今聪慧绝顶的天才数据科学家还未出世。我认为某种程度上来嗣魅这是真的。我认为一些现存的法度榜样会开端发患咀用。然则尽管如斯，这些法度榜样的出现，但对Wimbledon来说：在数据科学范畴若何应用多学科的经验表达和沟通是特其余一棵。我欲望立志成为一位数据科学家的路上，法度榜样员更留意工作中沟通和合作的才能。”

7 — Roger Ehrenberg， IA风逢迎股人

早些时刻另一个巨大年夜的范畴长短险治理-不论是金融，交易或保险。当你谈到把这些新数据纳入到风险评估的时刻，如不雅把新数据集纳入到风险评估时，这是一个很大年夜的问题-特别是当把新技巧应用于像保险，健康治理等存在隐私问题和官僚体系体例的数据受限的范畴。同时，这些古老的僵化的公司方才开端开放，和方才创办如安在社区进行交互，来竽暌功用新技巧。这是另一个让我难以置信的高兴范畴。

别的，我认为测验测验多种不合的事物也很重要。我以前也没有想过我会在这个地位。我也没法知道我五年后会在哪儿。但这或许恰是我进修的方法：跨越不合的范畴，测验测验一切来懂得什么最合适我。”

或许最重要的事是围在比你出色的人身边并向他们进修。这是最好的建议。如不雅你在上大年夜学，那恰是看看人的才能是如斯多样的最好情况。如不雅你设法与最棒的人一路工作，那么你在任何工作上都邑成功。”

第三个让我热衷的范畴是重塑手工业使之变得加倍高效。一向存才让手工制造业回返回陆的趋势。一个强大年夜的手工业部分是通向从新创造美国活泼的中产阶层的一道桥。我认为科技可以赞助加快这个惠益的趋势。”

8 — Claudia Perlach，Dstillery首席科学家

“我认为本质上，进修数据科学比如进修滑雪。你必须实践。你可以仅仅听很多视频，不雅察其产生。在日间停止时，你必须拿上你糟糕的滑板冲下山头。你会在路上横冲直撞很多次，这没紧要。这是进修的必经之路。实际上，我更偏浩揭捉?问面试者他们不顺利的经历，而不是他们成功的工作经验，因为这告诉我他们在过程中进修到什么。

不论什么时刻人们过来问我：“我应当做些什么?” 我答复，“嗯，当然，可以参加机械进修技巧的线上课程。” 毫无疑问那是有赞助的。显而易见你须要会编程，至少是一点点。你不必成为一位Java编程人员，但不论如何须要学些编程，我不在意以什么方法进修。

本质上，无论是在 DataKind 的NGOS项目供献你的时光来赞助他们，或者是去Kaggle 网站，参加他们的数据发掘比赛-在实际中获得经验。特别是Kaggle，浏览评论辩论区来看看其他参赛者关于问题的评论辩论，因为你可以进修到其他人的办法，什么办法对他们是有效的，什么是无效的。所以任何你在数据相干工作获得的经验，即使你没有大年夜中获得待遇，都是超棒的工作。

　　推荐阅读

　　使用混合云需要考虑的三方面问题

沙龙晃荡 | 3月31日 京东、微博拭魅战专家与你合营商量容器技巧实践！ 我们弗成能在一夜之间迁徙到公有云，这就是为什么混淆云对企业来说是一个很重要的理念。混淆云的理念是，你可以保存你>>>详细阅读

本文标题：如何成为一名数据科学家？或许你该听听这些知名数据科学家们给出的建议

地址：http://www.17bianji.com/lsqh/40610.html

 1/2    1