人工智能的火爆帶動(dòng)了對(duì)數(shù)據(jù)科學(xué)家的大量需求。看到急缺的崗位和高薪，誰能不動(dòng)心呢？可是你確定想好要成為一名數(shù)據(jù)科學(xué)家了嗎？你知道成為一名DS，需要具備什么技能嗎？那就請(qǐng)準(zhǔn)備好，下面我們要開車了！

你可能已經(jīng)從媒體鋪天蓋地的報(bào)道中，了解到數(shù)據(jù)科學(xué)家這個(gè)抬頭非常火。

根據(jù)UiPath數(shù)據(jù)顯示，2018年12113個(gè)崗位爭(zhēng)奪AI人才，數(shù)據(jù)科學(xué)家需求量排名第二。

于是很多人萌生了入行、或者轉(zhuǎn)行做數(shù)據(jù)科學(xué)家的念頭。那么接著就帶來一個(gè)問題：如何成為一名數(shù)據(jù)科學(xué)家呢？

接下來，由《Getting Started with SQL》(O’Reilly)和《Learning RxJava》(Packt) 二書的作者、美國(guó)西南航空的企業(yè)顧問Thomas Nield，獻(xiàn)上這份《2019年數(shù)據(jù)科學(xué)家成長(zhǎng)指南》。

廢話不多說，馬上進(jìn)入戰(zhàn)斗。

Round 1：不考證完全沒問題。當(dāng)然考了也可以

不要把工作后寶貴的時(shí)間，浪費(fèi)在考證上。「數(shù)據(jù)科學(xué)」不過是「商業(yè)分析」的一個(gè)分支，而且通常學(xué)校的知識(shí)總是和當(dāng)前的科技前沿脫節(jié)。如果真的想學(xué)建議去Coursera或者可汗學(xué)院自學(xué)。

當(dāng)然，證書多了終歸是好事嘛。如果你非要去學(xué)校考證，建議考物理或者運(yùn)籌學(xué)的研究生。我了解到很多一流的數(shù)據(jù)科學(xué)家，基本都是這倆專業(yè)畢業(yè)的。

花個(gè)幾年時(shí)間研究生畢業(yè)后，明天就會(huì)更好？反正有個(gè)數(shù)據(jù)科學(xué)初創(chuàng)公司的創(chuàng)始人說：

博士學(xué)歷不重要；碩士學(xué)歷無可無不可；學(xué)士畢業(yè)必須有，因?yàn)橛萌藛挝蛔畹鸵缶褪谴髮W(xué)畢業(yè)。

https://towardsdatascience.com/do-you-need-a-graduate-degree-for-data-science-8e3d0ef39253

Round 2：成為一個(gè)數(shù)據(jù)科學(xué)家真的需要了解這么多領(lǐng)域嗎？

這是一張6年前的圖，里面甚至連TensorFlow都沒有。

而且我覺得，數(shù)據(jù)科學(xué)發(fā)展到現(xiàn)在，已經(jīng)非常碎片化和細(xì)分化了。根本沒必要搞的這么復(fù)雜。

Round 3：我應(yīng)該學(xué)哪門語(yǔ)言呢？需要從Linux入手嗎？

數(shù)據(jù)科學(xué)家是一個(gè)跨平臺(tái)物種，操作系統(tǒng)不重要。

語(yǔ)言的話，Scala早就過氣了，R解決數(shù)學(xué)問題非常爽，Python才是萬能的。一條Python在手，數(shù)據(jù)科學(xué)跟我走。

不過需要了解一些庫(kù)，類似Pandas用來處理數(shù)據(jù)幀，matplotlib用來創(chuàng)建圖表。

Round 4：學(xué)會(huì)Python很關(guān)鍵！學(xué)不會(huì)也沒關(guān)系

Python學(xué)起來超簡(jiǎn)單。不過，你可能也不用非得學(xué)會(huì)Python。

作為人類，要善用工具。數(shù)據(jù)科學(xué)不止眼前的腳本和機(jī)器學(xué)習(xí)，還有遠(yuǎn)方的數(shù)據(jù)可視化。這個(gè)時(shí)候顯然Tableau更好用，也更美觀。

Tableau

不過涉及到數(shù)據(jù)清洗、管理、轉(zhuǎn)換、加載等，就需要用到Alteryx了，鼠標(biāo)拖拽就能搞定。

新智元點(diǎn)評(píng)：所以買個(gè)Tableau就可以稱為數(shù)據(jù)科學(xué)家了？

從淘寶買個(gè)激活碼豈不是要變成二手科學(xué)家？

Round 5：明明靠Excel和PPT就能搞定，為什么非要學(xué)Python呢？

首先，能為你的簡(jiǎn)歷增加光環(huán)。

其次，之前也說過，Python簡(jiǎn)直萬能。通過Jupyter notebook逐步完成每個(gè)數(shù)據(jù)分析階段，讓每一步都可視化，就像你正在創(chuàng)建一個(gè)可以與他人分享的故事。

劃重點(diǎn)：畢竟，溝通和講故事才是數(shù)據(jù)科學(xué)的重要組成部分。

數(shù)據(jù)科學(xué)和軟件工程很大程度可以劃等號(hào)。不同之處在于，數(shù)據(jù)科學(xué)必須有數(shù)據(jù)，軟件工程就不一定了。

Wiki網(wǎng)頁(yè)是一個(gè)非常好的數(shù)據(jù)來源，抓取網(wǎng)頁(yè)并使用Beautiful Soup解析他們，就得到了大量非結(jié)構(gòu)化文本數(shù)據(jù)。

Round 6：懂NoSQL行，不懂也沒事

非機(jī)構(gòu)化數(shù)據(jù)才能激發(fā)我們的想象力，結(jié)構(gòu)化數(shù)據(jù)只能固化我們的邏輯能力。

如今像谷歌Facebook這樣的大廠，擁有大量的非機(jī)構(gòu)化數(shù)據(jù)，他們就像裁判一樣，「數(shù)據(jù)科學(xué)」的定義權(quán)掌握在他們手里。剩下我們這些運(yùn)動(dòng)員，只好用無聊的SQL咯。

利用非結(jié)構(gòu)化數(shù)據(jù)，大廠可以通過挖掘用戶內(nèi)容、郵件、故事，用于廣告或者其他途徑。

而我們也可以利用非結(jié)構(gòu)化數(shù)據(jù)，對(duì)社交媒體上的帖子進(jìn)行，做一些NLP應(yīng)用比如聊天機(jī)器人。

NoSQL更擅長(zhǎng)存儲(chǔ)這類數(shù)據(jù)。但是對(duì)于數(shù)據(jù)科學(xué)家來說，NoSQL也不是必須要掌握的，除非做數(shù)據(jù)工程師。而且現(xiàn)在Apache Kafka比NoSQL更火，所以你也知道該學(xué)什么了。

有的人可能不知道，數(shù)據(jù)科學(xué)家分為兩種角色。數(shù)據(jù)工程師使用生產(chǎn)系統(tǒng)并幫助使數(shù)據(jù)和模型可用；而數(shù)據(jù)科學(xué)家則負(fù)責(zé)機(jī)器學(xué)習(xí)以及數(shù)學(xué)建模。

這個(gè)時(shí)候，利用樸素貝葉斯算法，就可以去預(yù)測(cè)文本的分類。我打算建議從具有均值和標(biāo)準(zhǔn)差的正態(tài)分布開始。也許用z分?jǐn)?shù)和線性回歸計(jì)算一些概率或兩個(gè)。

Round 7：學(xué)會(huì)線性代數(shù)很重要。不會(huì)的話……也行吧

傳統(tǒng)智慧認(rèn)為線性代數(shù)是許多數(shù)據(jù)科學(xué)的基石，因此掌握線性代數(shù)很重要。將矩陣相乘和相加（稱為點(diǎn)積），將一直伴隨著你。

聽起來很無聊對(duì)吧，但這就是機(jī)器學(xué)習(xí)在做的事情。當(dāng)你進(jìn)行線性回歸或構(gòu)建自己的神經(jīng)網(wǎng)絡(luò)時(shí)，你將使用隨機(jī)權(quán)重值進(jìn)行大量矩陣乘法和縮放。

不過實(shí)際上，你可能也不需要學(xué)習(xí)線性代數(shù)，因?yàn)橛邢馮ensorFlow和 scikit-learn這樣的框架和庫(kù)，幫你解決掉最枯燥乏味的線代部分。

呃，實(shí)際上，也別用TensorFlow，用Keras。

Round 8：棒。總之都能用Excel實(shí)現(xiàn)，所以會(huì)用Excel就可以被稱為數(shù)據(jù)科學(xué)家了？

機(jī)器學(xué)習(xí)通常在做兩個(gè)任務(wù)：回歸，或者分類。但技術(shù)上來說，分類就是回歸。

決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、邏輯回歸、線性回歸都執(zhí)行某種形式的曲線擬合。

所以，我們也可以不負(fù)責(zé)任的說：機(jī)器學(xué)習(xí)只是回歸。神經(jīng)網(wǎng)絡(luò)實(shí)際上只是具有一些非線性函數(shù)的多層回歸。圖像識(shí)別也是回歸。

Round 9：為什么大家現(xiàn)在不怎么談?wù)撍惴耍?/p>

因?yàn)檫@些優(yōu)化問題已經(jīng)在很長(zhǎng)一段時(shí)間內(nèi)得到了令人滿意的解決，而且這些方法在很早以前也沒太多人討論。

運(yùn)籌學(xué)已經(jīng)提供了許多機(jī)器學(xué)習(xí)使用的優(yōu)化算法。同時(shí)也為常見“AI”問題提供了許多解決方案。

AI炒作重新點(diǎn)燃了機(jī)器學(xué)習(xí)及其解決的問題類型：圖像識(shí)別，自然語(yǔ)言處理，圖像生成等。

機(jī)器學(xué)習(xí)，深度學(xué)習(xí)…今天被炒作的任何東西，通常都不能解決離散優(yōu)化問題，人們嘗試過，但效果非常不理想。

所以有人說深度學(xué)習(xí)是否已經(jīng)達(dá)到了極限，AI寒冬又雙來了。

Round 10：AI玩游戲已經(jīng)超神，接下來會(huì)取代人類工作嗎？

首先我們要明確一點(diǎn)。人們已經(jīng)找到了一些巧妙的回歸應(yīng)用，例如計(jì)算圍棋和象棋最優(yōu)移動(dòng)（離散優(yōu)化也可以做），或自動(dòng)駕駛的汽車計(jì)算轉(zhuǎn)向的方向。

但是，回歸只能將這么多的應(yīng)用組合起來，完成單一任務(wù)。

現(xiàn)在我們好好思考一下，你會(huì)擔(dān)心職業(yè)星際爭(zhēng)霸選手威脅到你的工作嗎？你覺得打星際，和你打Excel之間，有多少重疊的交集呢？

如果你連人類星際選手都不怕，你為什么還怕一個(gè)回歸呢？AI玩星際再?gòu)?qiáng)，它也只會(huì)玩星際。

Round 11：一句話解釋什么是數(shù)據(jù)科學(xué)家，讓你爺爺也能聽懂

數(shù)據(jù)科學(xué)的界限正在模糊。它可以是任何東西，也可以什么都不是。成為數(shù)據(jù)科學(xué)家你需要掌握很多東西，但就算沒掌握也不會(huì)致命。

天哪??

不過幸好，這個(gè)世界上還是有人能說明白到底什么是數(shù)據(jù)科學(xué)和數(shù)據(jù)科學(xué)家的。一句話解釋數(shù)據(jù)科學(xué)家：

數(shù)據(jù)科學(xué)家是比軟件工程師更懂統(tǒng)計(jì)、比統(tǒng)計(jì)學(xué)家更懂軟件工程的一個(gè)人。

Round 12：已瘋

所以，2019年，你還想做數(shù)據(jù)科學(xué)家嗎？