解读 | 数据科学领域常见的3种职业转型方向

做者 | Jeremie Harris

翻译 | Mika

本文为 CDA 数据分析师原创做品，转载需受权

在大学我学习物理时，每当遇到不理解的术语，我就会上网搜索，这时我常会用到的就是维基百科。

虽然维基百科很好用，可是上面不少文章都不适合个人水平。那些文章要不就是超出个人理解，或者对我来讲太简单了。这种状况时常发生，所以我从中总结的经验就是，维基百科上的技术词条很难既提供有效信息，又作到易于理解。

不少数据科学方面的职业建议也是如此，有些是针对彻底零基础的初学者；有些是针对初级数据科学家磨练技能；有些则针对资深的软件工程师。而这容易让许多想成为数据科学家的人群感到无从下手，他们不知道该如何花在哪里。

在本文中，我打算针对三种不一样类型的人群给出相应的职业转型建议。

第一类：零基础的初学者

若是你刚刚进入数据科学领域，请记住该领域的发展速度很是快，也许如今我给出的建议在你准备求职时已通过时了。现在数据科学的招聘标准与一两年后的标准之间的差距可能会更大。

在明确这点的基础上，若是你想进入数据科学领域，而且没有任何编程方面的背景，我要给出的建议以下：

首先要保持开放的心态

若是你是一名初学者，那么你可能彻底不知道数据科学的具体内涵。那么能够先和一些数据科学家聊一聊；关注相关的科学播客。成为一名数据科学家须要花费大量的时间和精力，所以只由于你认为自动驾驶汽车很酷就一头扎进去，这并非一个很好的理由。确保本身了解数据科学中不那么高大上的部分，数据处理和构建数据管道等，这些方面占数据科学家平常工做的大部分。

若是你决定继续前进，这太好了！首先你要作的第一件事就是学习Python。参加一些在线课程，并尽快创建一个基础项目。当你掌握必定Python技能时，学习如何使用Jupyter notebook。

在找工做时，一开始就从全面的数据科学职位并非最好的。相反，能够选择数据可视化或数据分析职位，这类职位市场需求量大，并且要求没有数据科学家那么高。这些职位常常与数据科学家一块儿工做，当你得到了一些经验后，也能够着手向这个方向发展。

如何发挥本身的优点：

当你准备好找工做时，你会发现学会推销本身在在数据科学中很是重要。你可能会担忧，由于你没有任何专业经验或计算机科学的研究生学位，推广本身是一个难题。但这也能够成为你最大的优点：你是从零开始，自学成才的数据科学家，公司须要这些努力并且学习能力强的数据科学家。为此你须要符合本身的这种形象，不断提升技能，解决一个个挑战，但当中的回报绝对是值得的。

第二类：软件工程师

我遇到的想成为数据科学家的人中，可能有20%都是软件工程师。一方面，有将代码部署到生产和与开发团队合做的相关经验，这是很是重要的资产。另外一方面，现在对全栈开发人员的需求很是高，有时公司会将软件工程师归为这个方向。所以想转为数据科学家时，你要避免被看成软件工程师，而不是数据科学家。

其余建议：

首先你能够考虑转为专一后端或数据库相关方向。熟悉数据管道是一个良好的开端，这能够帮助你构建核心数据操做技能组。

机器学习工程多是最接近数据科学的职位，这更容易过渡。在求职时，你能够找哪些强调部署模型，或将其集成到现有应用程序的职位，这些职位将最有效地利用你现有的技能。

你极可能要创建机器学习或数据科学项目来打动雇主。利用你的软件工程技能，将这些技能整合到能够向招聘人员展现的应用程序中。这特别有效，由于这更为明确，并且突显了你做为全栈数据科学家的潜力。

要记住，在职业转型时你的薪资极可能会减小。即便是高级软件工程师，当他们转行数据科学时，也须要从初级的职位开始。

如何发挥本身的优点：

最好的方法就是利用你在软件开发方面的经验。你已经知道如何编写干净、文档记录良好的代码，以及该如何与他人协做，这是大多数初级职位求职者所缺少的优点。

第三类：计算机科学、数学或物理专业的应届毕业生

若是你是一名本科、硕士或博士生，你可能在统计学和数学方面有很好的基础。但你可能从未申请过科技方面的工做，并且你不肯定如何准备面试。此外，假设你读书时一直在编程，你极可能没法写出干净、结构良好的代码。

几点建议：

你在读书期间学的R语言还不够。若是你是学物理的，那你的MATLAB或数学技能也是不够的，去学学Python吧。

这些内容你须要尽快学习：协做版本控制，好比如何与其余人一块儿使用GitHub）；容器化，好比如何使用Docker；开发运营，学习如何使用AWS或其余相似服务在云中部署模型；SQL也是必须的。

学习Python中的测试驱动开发。学习如何使用文档字符串，如何将代码模块化，以及如何使用Jupyter notebook。

若是你在以数学为导向的领域，那么深度学习是一个很好的探索方向。要注意先从更传统的“scikit-learn”型数据科学职位开始，而后转向深度学习更容易。对你来讲，最重要的是先入行，并尽快开始生产代码。

如何发挥本身的优点：

若是你是数学或物理专业，你最好的策略就是发挥有深厚理论知识的特定。为此，你须要可以自信地解释各类模型的原理，熟悉文献中最新的文章。

结语

注意：我这里提供的建议并不能彻底使用与全部状况。有些软件工程师可能要学习的更多，而有些初学者有很好的数学基础，更适合成为深度学习研究人员。但但愿本文能你一个不错的起点。

最后，不管你是软件工程师，刚毕业的大学生，仍是零基础的初学者，你都要问本身一个关键的问题：哪一种职业发展轨迹最接近你的状况？不少状况下，经过称为数据分析师或数据可视化专家进入该领域都是不错的选择。