知識星球
筆者邀請您，先思考：
1 如何成為資料科學家？
資料科學教育家Jose Portilla提供了關於成為資料科學家的權威性指南，其中包括從獲取特定技能到尋找第一份工作，再到掌握面試機會的各種資源。
你好！我是Jose Portilla，Udemy的講師，有超過25萬名學生註冊了各種各樣的課程，包括Python的資料科學和機器學習、R程式設計的資料科學、Python的大資料等等。
幾乎每天都有學生問我這個問題:
我應該怎樣做才能成為一名資料科學家?
在這篇文章中，我將盡我最大的努力來幫助回答這個問題，並指出可以幫助你找到答案的資源，也希望這篇文章可以可以快速連線到我的學生。
我最近還在寫一本關於資料科學家採訪的書!看看這裡。
現在繼續這篇文章!我將這些步驟分解成一些關鍵的主題，並討論了每個主題的有用細節。
旅程
“獲得成功的秘訣就是開始。” – 馬克吐溫
如果您有興趣成為資料科學家，最好的建議是立即開始為您的旅程做準備！花時間瞭解核心概念不僅對面試非常有用，而且還可以幫助您確定您是否真正對這一領域感興趣。
在開始成為資料科學家的道路之前，重要的是你要對自己誠實地說明為什麼要這樣做。您可能應該問自己一些問題：
-
你喜歡統計和程式設計嗎？ （至少你到目前為止學到了什麼？）
-
您是否喜歡在一個需要不斷學習新技術的領域工作？
-
您是否有興趣成為資料科學家，即使它只是支付平均工資？
-
你還可以使用其他職稱（例如資料分析師，業務分析師等）嗎？
問自己這些問題並對自己誠實。如果您回答是，那麼您即將成為資料科學家！
成為資料科學家的道路很可能會花費你一些時間，具體取決於您以前的經驗和網路。利用這兩者可以幫助您更快地完成資料科學家的角色，但要隨時準備好學習！現在讓我們開始討論一些更切實的主題！
數學
“不要擔心你在數學方面的困難。 我可以向你保證，我的生活還會更大。“ – 愛因斯坦
如果你想進入資料科學，你應該熟悉的關於數學的主要話題是機率，統計和線性代數。隨著您對統計學習（機器學習）等其他主題的瞭解越來越多，這些核心數學基礎將成為您繼續學習的基礎。讓我們簡要介紹一下，併為您提供一些可供學習的資源！
機率 – 衡量事件發生的可能性。許多資料科學都是基於嘗試測量事件的可能性，從點選廣告的機率到裝配線上零件失敗的可能性。
對於這個經典主題，我建議讀一本書，例如Sheldon Ross的《A First Course in Probability》或 E.T. Jaynes的《Probability Theory》。由於這些是教科書，如果你直接從亞馬遜購買新產品，它們可能相當昂貴，所以我建議在網上或pdf版本檢視舊版本以節省一些錢！
如果您更喜歡透過影片格式學習，您還可以檢視可汗學院關於機率的影片系列。您還可以檢視麻省理工學院關於機率和統計學的OpenCourseWare講座。只需簡單搜尋，即可在Youtube上輕鬆找到。
統計學 – 一旦掌握了機率理論，就可以繼續學習統計學，這是數學的一般分支，用於分析和解釋資料。充分瞭解統計中使用的技術需要您理解機率和機率符號！
再說一次，我更像是一個教科書的人，幸運的是有兩本很棒的線上教科書完全免費供你參考：
-
http://www.statsoft.com/Textbook
-
http://onlinestatbook.com/2/index.html
如果你更喜歡老式的教科書，我喜歡David Freedman的《Statistics》。我建議使用本書作為您的主要基礎，然後檢視此處列出的其他資源，以深入瞭解其他主題（如ANOVA）。
對於實踐問題，我非常喜歡使用Shaum的提綱系列（你可以在這個系列中找到機率和統計學的書籍）。
如果您更喜歡影片，請檢視Brandon Holtz關於Youtube統計資料的精彩系列！
線性代數 – 是數學的分支，涵蓋了向量空間和這些空間之間的線性對映的研究。它在機器學習中大量使用，如果你真的想要理解這些演演算法是如何工作的，你需要建立對線性代數的基本理解。
我推薦檢視Strang的《Linear Algebra and Its Applications》，這是一本很棒的教科書，也可以在MIT線性代數課程中使用，你可以透過OpenCourseWare訪問！有了這兩個資源，您應該能夠線上性代數中建立堅實的基礎。
根據您的位置和工作流程，您可能不需要深入研究線性代數的一些更複雜的細節，一旦您更熟悉程式設計，您會發現某些庫傾向於處理大量的線性代數任務。但瞭解這些演演算法的工作原理仍然很重要！
程式設計
“透過程式碼行測量程式設計進度就像按重量衡量飛機製造進度一樣。” – 比爾蓋茨
資料科學界主要採用R和Python作為程式設計的主要語言。 其他語言如Julia和Matlab也被使用，但R和Python是迄今為止在這個領域最受歡迎的語言。
在本節中，我將描述程式設計和資料科學的一些主要基本主題，然後指出用於R和Python的主要庫！
開發環境
這個主題非常依賴於您的個人偏好，我將簡要介紹一些使用R和Python進行資料科學開發環境（IDE）的更流行的選項。
Python – 由於Python是一種通用程式語言，因此可以使用許多選項！您可以使用純文字編輯器，如Sublime Text或Atom，然後根據自己的喜好進行自定義，我個人將此方法用於大型專案。另一個流行的python IDE是來自JetBrains的PyCharm，它提供了一個免費的社群版本，為大多數使用者提供了大量功能。我最喜歡的Python環境必須是Jupyter筆記本，以前稱為iPython筆記本，這個筆記本環境使用單元格來分解程式碼並提供即時輸出，因此您可以輕鬆地與程式碼和視覺化進行互動！儘管其他語言一直在改進，但Python是迄今為止所有這些中最好的支援！ Jupyter筆記本在資料科學和機器學習領域非常受歡迎。我將它用於我所有的Python課程，大多數學生都非常喜歡它。雖然可能不是需要部署的大型專案的最佳解決方案，但它對於學習環境來說非常棒。
至於在您的計算機上安裝Python，您可以隨時使用官方原始碼 – python.org，但我通常建議使用Anacondadistribution，它將包含我將在本節中討論的許多軟體包！
R – RStudio可能是R最受歡迎的開發環境。它背後有一個很棒的社群，它的基本完整版本是完全免費的。它可以很好地顯示視覺化，為您提供了許多自定義體驗的選項。這幾乎是我用R去做的事情！ Jupyter筆記本也支援R核心，雖然我已經使用它們，但我發現與Jupyter Notebook的Python功能相比缺乏經驗。
資料分析
Python – 對於資料分析，兩個庫是Python的主要工具：NumPy和Pandas。 NumPy是一個數字科學計算軟體包，它是Python Data Science生態系統中幾乎所有其他Python軟體包的基礎。 Pandas是一個直接由NumPy構建的資料分析庫，旨在模仿許多R的內建功能，例如DataFrames！您可以將其視為Excel的超級版本，它允許您快速清理和分析資料。如果您成為使用Python的資料科學家，熊貓將很快成為您的主要工具之一！這是我最喜歡的Python庫！我還建議檢視SciPy以獲取PyData系統中庫的詳細資訊和連結。
R – 在大多數情況下，R已經內建了許多資料分析功能，例如Dataframes！但是R社群也建立了許多有用的軟體包來幫助以更有效的方式處理資料！這些軟體包被稱為“tidyverse”，它是一組有用的資料科學軟體包，所有這些軟體包都設計有類似的資料處理理念，這意味著它們可以很好地協同工作。這些軟體包包括用於資料操作的dplyr，用於清理資料的tidyr，用於讀取資料的readr，以及用於改善R的一些內建功能的包，如purr和tibble。學習tidyverse包是使用R的資料科學家必須的！ ggplot2也是tidyverse的一部分，但是用於資料視覺化，所以讓我們接下來跳到那個主題吧！
資料視覺化
Python – Python視覺化的“祖父”是matplotlib。建立Matplotlib是為了提供Python的視覺化API，讓人聯想到MatLab中使用的樣式。如果您之前使用過MatLab進行視覺化，那麼過渡將會非常自然。但是，由於其龐大的功能庫，matplotlib建立了許多其他視覺化庫，以簡化操作或提供更具體的功能！
Seaborn是一個很棒的統計繪相簿，可以很好地處理pandas並使用matplotlib編寫。它只需幾行程式碼即可建立漂亮的圖形。
Pandas還具有內建的matplotlib繪圖功能！
Plotly和Bokeh可用於使用Python建立互動式圖。我建議兩者兼顧，看看你喜歡哪一個！
R – 到目前為止，最流行的R繪相簿是ggplot2。它的設計哲學及其基於圖層的API使其易於使用，並允許您基本上製作您能想到的任何主要圖表！同樣很棒的是可以輕鬆使用Plotly，允許您透過使用ggplotly快速將ggplot2圖轉換為互動式視覺化！
機器學習
Python – SciKit-learn是最流行的Python機器學習庫，內建演演算法和模型用於分類，回歸，聚類，降維，模型選擇和預處理。如果您對構建統計推斷模型更感興趣（例如線上性回歸後分析p值），您應該檢視statsmodels，它也是處理時間序列資料的絕佳選擇！對於深度學習，請檢視TensorFlow，PyTorch或Keras。由於其簡化的API，我建議Keras適合初學者。對於深度學習主題，您應該始終參考官方檔案，因為這是一個變化非常快的領域！
R – 初學者資料科學家R的一個問題是它在機器學習方面有很多選擇。每個主要演演算法都可以有自己獨立的包，每個包都有不同的關註點。當您開始時，我建議首先使用caret包，它為分類和回歸任務提供了一個很好的介面。一旦你轉向無監督學習技術，如聚類，最好的辦法是快速谷歌搜尋，看看哪些軟體包最適合你打算使用的技術，你甚至會發現R已經有了一些內建的基本演演算法，例如kmeans聚類。
在哪裡學習這些庫和技能？
我全面教授這些主題，您可以使用以下連結檢視課程95％的折扣。
我的Python資料科學和機器學習訓練營：
基於Python的資料科學和機器學習訓練營
瞭解如何使用NumPy，Pandas，Seaborn，Matplotlib，Plotly，Scikit-Learn，機器學習，Tensorflow等等！
我的R資料科學，視覺化和機器學習課程：
基於R的資料科學與機器學習訓練營
學習如何將R程式語言用於資料科學和機器學習以及資料視覺化！
現在我們已經瞭解了程式設計主題的一般背景，讓我們討論實際找到資料科學工作的途徑！
社群
“旅途中的好夥伴讓路看起來更短。” – Izaak Walton
尋找資料科學家職位可能需要一段時間，最好開始構建您的網路！
開始構建網路的最佳方法之一是參加涉及資料科學的聚會！但是你不需要嚴格限制於資料科學，你應該參加與資料科學相關的任何主題的聚會，比如Python聚會，視覺化聚會等。
會議是連線資料科學家的另一種很好的方式，而許多會議可能會非常昂貴，會議通常會在展會期間舉辦招聘會。如果您只打算參加職業展覽會，您通常可以獲得折扣甚至是免費的會議通行證。會議還經常舉辦研討會，讓您學習新技能！
您還應該開始檢視線上社群和資源，像O’Reilly資料訂閱，Kaggle和KDnuggets這樣的資源可以幫助您瞭解資料科學社群正在發生的事情。播客是另一種開始學習資料科學社群的好方法。我建議檢視Talking Machines，Partially Derivatives和O’Reilly Data Show。
求職和麵試
“如果我們有資料，讓我們看看資料。 如果我們所有人都有意見，那就讓我們去吧。“ – James L. Barksdale
所以你已經學會了你的技能，網路化，現在已經準備好開始作為資料科學家工作了！
求職
第一步是開始尋找新工作，其中很多都會根據您的個人情況和標的而有所不同，所以我會儘量保持一般的建議。
同時開始搜尋和練習技能的最佳方法之一是參與Kaggle挑戰併發布有關您的試驗的部落格。一些Kaggle挑戰甚至可以直接把面試作為獎品的一部分！即使沒有獎品，它在真實資料集上的寶貴經驗！請註意，Kaggle還擁有自己的資料科學家工作板。
透過UpWork等網站進行自由職業，為開源專案做貢獻，以及回答有關StackOverflow的問題，這是讓招聘人員瞭解您的存在的另一個好方法。
您還需要確保您的簡歷，LinkedIn和Github都已更新，以反映您的新技能和專案。
對於一般的求職利用類似Indeed或DataJobs網站，嘗試網站如Triplebyte直接給你一系列的技術訪談，可以快速透過很多公司的初次面試階段。您還可以使用AngelList Job board和HackerNews Job Board檢視工作板。
面試
無論好壞，許多公司仍然依賴涉及資料結構和演演算法的經典面試問題。要準備這些問題，您應該檢視主題，如陣列，圖表，遞迴，連結串列，堆疊等…您應該參考書籍或課程，並經歷許多練習問題！我有關於這些主題的課程，您可以透過檢視我的熱門github儲存庫免費檢視一些材料，其中包含許多帶有練習題和解決方案的jupyter筆記本！
基於Python的演演算法，資料結構和麵試。
您還可以檢視leetcode上的練習題串列
問題 – LeetCode
提高您的編碼技能並快速找到工作。這是擴充套件知識並做好準備的最佳場所……（leetcode.com）
對於更具體的資料科學問題，您需要熟悉各種主題，例如機率問題，R或Python程式設計問題，SQL查詢以及可能的大資料管理（Spark等主題）。您還應該熟悉建模和選擇引數背後的原因，例如L1和L2正則化之間的差異。
您在閱讀中有什麼想法，請留言。
原文連結：
https://www.kdnuggets.com/2017/08/become-data-scientist-definitive-guide.html
版權宣告：作者保留權利，嚴禁修改，轉載請註明原文連結。
資料人網是資料人學習、交流和分享的平臺http://shujuren.org 。專註於從資料中學習到有用知識。
平臺的理念：人人投稿，知識共享；人人分析，洞見驅動；智慧聚合，普惠人人。
您在資料人網平臺，可以1）學習資料知識；2）建立資料部落格；3）認識資料朋友；4）尋找資料工作；5）找到其它與資料相關的乾貨。
我們努力堅持做原創，聚合和分享優質的省時的資料知識！
我們都是資料人，資料是有價值的，堅定不移地實現從資料到商業價值的轉換！
點選閱讀原文，瞭解更多知識。
公眾號推薦：
鏈達君，專註於分享區塊鏈內容。
艾鴿英語，專註於英語口語教育。
