发帖
雷达卡
从事数据科学职业的人们的12个基本技巧
学习数据科学可能令人生畏。尤其是当您刚刚开始旅程时。要学习哪个工具-R或Python？需要关注哪些技术？要学习多少统计数据？我需要学习编码吗？这些是您在旅途中需要回答的许多问题中的一些。
这就是为什么我认为我会创建本指南的原因，该指南可以帮助开始使用Analytics（分析）或Data Science（数据科学）的人员。这个想法是创建一个简单的，不是很长的指南，可以为您学习数据科学奠定基础。本指南将设置一个框架，可以帮助您度过这个艰难而令人生畏的时期。
由于资源丰富，对于初学者来说，开始和导航数据科学事业可能会成为艰巨的挑战。这不是火箭科学，而是数据科学。您需要的是适当的指导和成为成功的数据科学家的路线图。
AI＆ML BlackBelt +课程是精心策划的计划，专为希望学习数据科学，机器学习和深度学习以寻求成为AI专业人士的人士而设计。您将获得14多个课程，25多个项目以及最好的部分–与专家进行1：1指导课程！
1.选择合适的角色
在数据科学行业中，有许多不同的角色。数据可视化专家，机器学习专家，数据科学家，数据工程师等是您可以担任的许多角色中的几个。根据您的背景和工作经验，成为一个角色要比另一个角色容易。例如，如果您是软件开发人员，那么进入数据工程并不难。因此，除非您对自己想要成为的人一清二楚，否则您将对走的路和磨练技巧感到困惑。
如果您不清楚这些差异或不确定该怎么做，该怎么办？我建议的几件事是：
与业内人士交谈，以了解每种角色的含义
从人们那里获得指导–要求他们一小段时间并提出相关问题。我敢肯定，没有人会拒绝帮助有需要的人！
弄清楚您想要什么和擅长什么，然后选择适合您的研究领域的角色。
为了消除混乱，这里提供了一个很好的资源，可以区分业务分析师，数据科学家，甚至数据工程师，
业务分析与数据科学。您应该选择哪种职业？
选择角色时要牢记的一点：不要匆忙跳上角色。您首先应该清楚地了解该领域的要求并为此做好准备。
2.完成课程并完成
现在您已经确定了角色，接下来对您而言合乎逻辑的事情是投入精力来理解该角色。这意味着不仅要经历角色的要求。对数据科学家的需求很大，因此有成千上万的课程和研究可助您一臂之力，您可以学习任何想要的东西。寻找要学习的材料并非难事，但如果您不付出努力，学习它可能会变得很困难。
您可以做的是免费获取MOOC，或者加入认可计划，该计划将带您经历各种曲折和角色转变。选择免费还是付费不是问题，主要目标应该是课程是否使您的基本知识变得清晰，并使您达到合适的水平，并从中继续前进。
当您选修一门课程时，请积极地学习。跟随课程作业，作业以及课程中发生的所有讨论。例如，如果您想成为机器学习工程师，可以参加Andrew Ng的机器学习。现在，您必须认真学习课程中提供的所有课程材料。这也意味着课程中的作业，与观看视频一样重要。只有端到端地完成课程，才能使您对该领域有更清晰的了解。
Analytics Vidhya提供一系列免费课程和付费课程。您可以立即开始–
数据科学和机器学习课程
3.选择一种工具/语言并坚持使用
正如我之前提到的，对于您追求的任何主题，获得端到端的体验对您而言都非常重要。在动手操作时面临的一个难题是您应该选择哪种语言/工具？
这可能是初学者最常问的问题。最直接的答案是选择存在的任何主流工具/语言，然后开始您的数据科学之旅。毕竟，工具只是实现的一种手段。但是理解这个概念更为重要。
尽管如此，问题仍然存在，首先哪个更好的选择？互联网上有各种针对此特定查询的指南/讨论。要点是从最简单的语言或您最熟悉的语言开始。如果您不太熟悉编码，那么现在应该首选基于GUI的工具。然后，当您掌握了这些概念之后，就可以开始使用编码部分了。
您可以在此处学习Python for Data Science。
4.加入对等组
既然您知道要选择哪个角色并正在为此做好准备，那么接下来要做的重要一件事就是加入一个对等组。为什么这很重要？这是因为同龄人团体使您保持动力。独自一人从事新领域似乎有些艰巨，但是当您身边有朋友时，这项任务似乎会容易一些。
在同伴小组中，最可取的方式是让一群人可以与他们进行实际互动。否则，您可以在互联网上拥有一群志趣相投的人，例如参加大规模在线课程并与批处理对象互动。
即使您没有这种同龄人小组，您仍然可以通过Internet进行有意义的技术讨论。有在线论坛可以为您提供这种环境。我将列出其中一些：
Analytics Vidhya
StackExchange
Reddit
5.关注实际应用而不仅仅是理论
在接受课程和培训时，您应该专注于所学事物的实际应用。这不仅可以帮助您理解概念，还可以使您更深刻地了解如何将其实际应用。
学习课程时应做的一些提示：
确保完成所有练习和作业以了解应用程序。
处理一些开放数据集并应用您的学习。即使您一开始不了解某种技术背后的数学原理，也应了解其假设，其作用以及如何解释结果。您总是可以在以后的阶段加深了解。
看一看在该领域工作的人的解决方案。他们将能够以正确的方法更快地找到您。
建立您的机器学习档案的最好方法是参加数据科学竞赛，并对数据科学项目有所了解。Analytics Vidhya的DataHack平台为您提供了数十个项目供您选择–
您是否正在寻找可以提高履历的综合项目？Blackbelt +在完整的机器学习范围内提供了25个以上的综合项目！
6.遵循正确的资源
为了永不停止学习，您必须吞噬可以找到的每一个知识来源。这些信息最有用的来源是最有影响力的数据科学家经营的博客。这些数据科学家非常活跃，并会向关注者更新他们的发现，并经常发布有关该领域的最新进展。
每天阅读有关数据科学的知识，并养成一种习惯，以了解最近发生的事情。但是可能有很多资源，有影响力的数据科学家可以遵循，并且您必须确保不要遵循错误的做法。因此，遵循正确的资源非常重要。
这是您可以遵循的数据科学家列表。
7.培养你的沟通能力
人们通常不会将沟通技能与数据科学角色的拒绝联系在一起。他们期望，如果他们在技术上很深厚，他们将赢得面试机会。这实际上是一个神话。曾经在面试中被拒绝过，面试官在听完您的介绍后说谢谢您吗？
尝试一次此活动；让具有良好沟通能力的朋友听到您的介绍，并要求诚实的反馈。他一定会给你看镜子！
在野外工作时，沟通技巧甚至更加重要。要与同事分享您的想法或在会议中证明您的观点，您应该知道如何有效地沟通。
8.网络，但不要浪费太多时间！
最初，您的整个重点应该放在学习上。在初始阶段做太多的事情最终会带您到一个放弃的地步。
逐渐地，一旦掌握了领域，就可以继续参加行业活动和会议，您所在地区的热门聚会，参加您所在地区的黑客马拉松-即使您只了解一点点。您永远不知道谁，何时何地可以为您提供帮助！
实际上，聚会对于在数据科学界留下自己的印记很有帮助。您会遇到您所在地区积极从事该领域工作的人，这为您提供了交流的机会，并与他们建立了联系，反过来又可以帮助您大力发展事业。网络联系人可能：
向您提供您感兴趣的领域的内部信息
帮助您获得指导支持
帮助您寻找工作，这可能是通过潜在客户寻找工作的技巧，也可能是直接的就业机会。
9.必须具备基本的数据库知识和SQL
数据不会以表格的形式神奇地出现。通常，初学者使用CSV或excel文件形式的数据来开始机器学习之旅。但是肯定缺少一些东西！是SQL。对于数据科学专业人员来说，这是最基本的技能。
数据存储技术的知识以及大数据的基础知识将使您比简历上的高保真单词的人更受青睐，这是因为组织仍在确定其数据科学要求。
这些组织需要SQL专业人员来帮助他们完成日常任务。
该黑带+为您提供最全面的实际SQL与其他课程教学一起。本课程为您提供了大量的示例和项目。??
10.模型部署是您的秘密武器
在许多初学者级数据科学路线图中甚至没有添加模型部署，这是走向灾难的途径。
一旦完成了完整的数据科学项目，目标用户/利益相关者就该收获机器学习模型的预测能力的好处了。简而言之，这就是模型部署。从业务的角度来看，这是最重要的步骤之一，但也是最少的步骤。
让我们在这里举个例子。一家保险公司启动了一个数据科学项目，该项目使用事故中的车辆图像来评估损坏程度。数据科学团队昼夜不停地开发具有接近完美F1分数的模型。经过几个月的努力，他们已经准备好了模型，并且利益相关者喜欢它的表现，但是之后又会怎样呢？
请记住，在这种情况下，最终用户是保险代理人，并且该模型需要由不是数据科学家的多个人同时使用。因此，他们不会在GPU上运行Jupyter或Colab笔记本。这是您需要模型部署的完整过程的地方。
该任务通常由机器学习工程师完成，但是根据您所从事的组织的不同而不同。即使这不是您公司的工作要求，了解模型部署的基本知识以及为什么这样做也是非常重要的。
11.跟上您的简历游戏
让我们在这里解决一个难题–招聘人员在您身上经历的第一件事可能是您的最后一件事？这是你的简历！这些是您获得最令人垂涎??的工作所必须克服的最终障碍！
确保在下一份简历中包括这些指针–
根据提供的工作角色优先考虑技能
提及数据科学项目以证明您的技能
不要忘记提及您的GitHub个人资料
技能比认证更重要
并排更新您的技能和项目，而不是一次过一次地更新。
总体简历数–确保所有字体和格式始终都是标准格式
简历和面试可能很困难，需要详尽准备您在简历中提到的每项技能和项目。作为Analytics（分析）Vidhya的Blackbelt +计划的一部分，可以访问所有简历技巧和窍门以及无数的面试问题。目的不是帮助您成为行业专家。??
12.指导至关重要
到最后一点也许是最关键的一点-找到正确的指导。数据科学和机器学习，数据工程以及相对较新的领域，其校友也是如此。在这个领域中只有少数人解密了自己的路径。
成为数据科学家的方法有很多，最简单的方法是咳嗽数十万卢比以获得公认的认证，但后来却对录制的视频感到沮丧，甚至跟随youtube播放列表，但您仍不适合行业使用专业的。
寻找一位在数据科学领域取得成功的导师，并询问他们的工作方式，您成为数据科学家的最佳方法是什么？特定工作角色需要哪些技能和项目？
问题是–并非每个人都可以接触这些专家导师。因此，Analytics Vidhya的AI和ML BlackBelt +课程提供了1：1指导计划，指导者可以与您联系，并为您的职业需求建立量身定制的学习道路！认证很容易，但是找到正确的指导却不容易。明智地决定。
尾注
对数据科学的需求巨大，雇主正在向数据科学家投入大量时间和金钱。因此，采取正确的步骤将导致指数增长。本指南提供了一些提示，可以帮助您入门并帮助您避免一些代价高昂的错误。
题库
京公网安备 11010802022788号
