筆者邀請您，先思考：
1 如何成爲數據科學家？
數據科學教育家Jose Portilla提供了關於成爲數據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的數據科學和機器學習、R編程的數據科學、Python的大數據等等。
幾乎每天都有學生問我這個問題:
我應該怎樣做才能成爲一名數據科學家?
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接到我的學生。
我最近還在寫一本關於數據科學家採訪的書!看看這裏。
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
“獲得成功的祕訣就是開始。” - 馬克吐溫
如果您有興趣成爲數據科學家，最好的建議是立即開始爲您的旅程做準備！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。
在開始成爲數據科學家的道路之前，重要的是你要對自己誠實地說明爲什麼要這樣做。您可能應該問自己一些問題：
- 你喜歡統計和編程嗎？ （至少你到目前爲止學到了什麼？）
- 您是否喜歡在一個需要不斷學習新技術的領域工作？
- 您是否有興趣成爲數據科學家，即使它只是支付平均工資？
- 你還可以使用其他職稱（例如數據分析師，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，那麼您即將成爲數據科學家！
成爲數據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絡。利用這兩者可以幫助您更快地完成數據科學家的角色，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
如果你想進入數據科學，你應該熟悉的關於數學的主要話題是概率，統計和線性代數。隨着您對統計學習（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爲您繼續學習的基礎。讓我們簡要介紹一下，併爲您提供一些可供學習的資源！
概率 - 衡量事件發生的可能性。許多數據科學都是基於嘗試測量事件的可能性，從點擊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版本查看舊版本以節省一些錢！
如果您更喜歡通過視頻格式學習，您還可以查看可汗學院關於概率的視頻系列。您還可以查看麻省理工學院關於概率和統計學的OpenCourseWare講座。只需簡單搜索，即可在Youtube上輕鬆找到。
統計學 - 一旦掌握了概率理論，就可以繼續學習統計學，這是數學的一般分支，用於分析和解釋數據。充分了解統計中使用的技術需要您理解概率和概率符號！
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在線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》。我建議使用本書作爲您的主要基礎，然後查看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概率和統計學的書籍）。
如果您更喜歡視頻，請查看Brandon Holtz關於Youtube統計數據的精彩系列！
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映射的研究。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。
我推薦查看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，你可以通過OpenCourseWare訪問！有了這兩個資源，您應該能夠在線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復雜的細節，一旦您更熟悉編程，您會發現某些庫傾向於處理大量的線性代數任務。但瞭解這些算法的工作原理仍然很重要！
編程
“通過代碼行測量編程進度就像按重量衡量飛機制造進度一樣。” - 比爾蓋茨
數據科學界主要採用R和Python作爲編程的主要語言。 其他語言如Julia和Matlab也被使用，但R和Python是迄今爲止在這個領域最受歡迎的語言。
在本節中，我將描述編程和數據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進行數據科學開發環境（IDE）的更流行的選項。
Python - 由於Python是一種通用編程語言，因此可以使用許多選項！您可以使用純文本編輯器，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項目。另一個流行的python IDE是來自JetBrains的PyCharm，它提供了一個免費的社區版本，爲大多數用戶提供了大量功能。我最喜歡的Python環境必須是Jupyter筆記本，以前稱爲iPython筆記本，這個筆記本環境使用單元格來分解代碼並提供即時輸出，因此您可以輕鬆地與代碼和可視化進行交互！儘管其他語言一直在改進，但Python是迄今爲止所有這些中最好的支持！ Jupyter筆記本在數據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項目的最佳解決方案，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源代碼 - 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件包！
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區，它的基本完整版本是完全免費的。它可以很好地顯示可視化，爲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筆記本也支持R內核，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。
數據分析
Python - 對於數據分析，兩個庫是Python的主要工具：NumPy和Pandas。 NumPy是一個數字科學計算軟件包，它是Python Data Science生態系統中幾乎所有其他Python軟件包的基礎。 Pandas是一個直接由NumPy構建的數據分析庫，旨在模仿許多R的內置功能，例如DataFrames！您可以將其視爲Excel的超級版本，它允許您快速清理和分析數據。如果您成爲使用Python的數據科學家，熊貓將很快成爲您的主要工具之一！這是我最喜歡的Python庫！我還建議查看SciPy以獲取PyData系統中庫的詳細信息和鏈接。
R - 在大多數情況下，R已經內置了許多數據分析功能，例如Dataframes！但是R社區也創建了許多有用的軟件包來幫助以更有效的方式處理數據！這些軟件包被稱爲“tidyverse”，它是一組有用的數據科學軟件包，所有這些軟件包都設計有類似的數據處理理念，這意味着它們可以很好地協同工作。這些軟件包包括用於數據操作的dplyr，用於清理數據的tidyr，用於讀取數據的readr，以及用於改善R的一些內置功能的包，如purr和tibble。學習tidyverse包是使用R的數據科學家必須的！ ggplot2也是tidyverse的一部分，但是用於數據可視化，所以讓我們接下來跳到那個主題吧！
數據可視化
Python - Python可視化的“祖父”是matplotlib。創建Matplotlib是爲了提供Python的可視化API，讓人聯想到MatLab中使用的樣式。如果您之前使用過MatLab進行可視化，那麼過渡將會非常自然。但是，由於其龐大的功能庫，matplotlib創建了許多其他可視化庫，以簡化操作或提供更具體的功能！
Seaborn是一個很棒的統計繪圖庫，可以很好地處理pandas並使用matplotlib編寫。它只需幾行代碼即可創建漂亮的圖形。 Pandas還具有內置的matplotlib繪圖功能！
Plotly和Bokeh可用於使用Python創建交互式圖。我建議兩者兼顧，看看你喜歡哪一個！
R - 到目前爲止，最流行的R繪圖庫是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，允許您通過使用ggplotly快速將ggplot2圖轉換爲交互式可視化！
機器學習
Python - SciKit-learn是最流行的Python機器學習庫，內置算法和模型用於分類，迴歸，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（例如在線性迴歸後分析p值），您應該查看statsmodels，它也是處理時間序列數據的絕佳選擇！對於深度學習，請查看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文檔，因爲這是一個變化非常快的領域！
R - 初學者數據科學家R的一個問題是它在機器學習方面有很多選擇。每個主要算法都可以有自己獨立的包，每個包都有不同的關注點。當您開始時，我建議首先使用caret包，它爲分類和迴歸任務提供了一個很好的接口。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索，看看哪些軟件包最適合你打算使用的技術，你甚至會發現R已經有了一些內置的基本算法，例如kmeans聚類。
在哪裏學習這些庫和技能？
我全面教授這些主題，您可以使用以下鏈接查看課程95％的折扣。
我的Python數據科學和機器學習訓練營：
基於Python的數據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數據科學，可視化和機器學習課程：
基於R的數據科學與機器學習訓練營
學習如何將R編程語言用於數據科學和機器學習以及數據可視化！
現在我們已經瞭解了編程主題的一般背景，讓我們討論實際找到數據科學工作的途徑！
社區
“旅途中的好夥伴讓路看起來更短。” - Izaak Walton
尋找數據科學家職位可能需要一段時間，最好開始構建您的網絡！ 開始構建網絡的最佳方法之一是參加涉及數據科學的聚會！但是你不需要嚴格限制於數據科學，你應該參加與數據科學相關的任何主題的聚會，比如Python聚會，可視化聚會等。
會議是連接數據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！
您還應該開始查看在線社區和資源，像O'Reilly數據訂閱，Kaggle和KDnuggets這樣的資源可以幫助您瞭解數據科學社區正在發生的事情。播客是另一種開始學習數據科學社區的好方法。我建議查看Talking Machines，Partially Derivatives和O'Reilly Data Show。
求職和麪試
“如果我們有數據，讓我們看看數據。 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，網絡化，現在已經準備好開始作爲數據科學家工作了！
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目標而有所不同，所以我會盡量保持一般的建議。
同時開始搜索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博客。一些Kaggle挑戰甚至可以直接把面試作爲獎品的一部分！即使沒有獎品，它在真實數據集上的寶貴經驗！請注意，Kaggle還擁有自己的數據科學家工作板。
通過UpWork等網站進行自由職業，爲開源項目做貢獻，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項目。
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，可以快速通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查看工作板。
面試
無論好壞，許多公司仍然依賴涉及數據結構和算法的經典面試問題。要準備這些問題，您應該查看主題，如數組，圖表，遞歸，鏈接列表，堆棧等…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，您可以通過查看我的熱門github存儲庫免費查看一些材料，其中包含許多帶有練習題和解決方案的jupyter筆記本！
基於Python的算法，數據結構和麪試。
您還可以查看leetcode上的練習題列表
問題 - LeetCode
提高您的編碼技能並快速找到工作。這是擴展知識並做好準備的最佳場所……（leetcode.com）
對於更具體的數據科學問題，您需要熟悉各種主題，例如概率問題，R或Python編程問題，SQL查詢以及可能的大數據管理（Spark等主題）。您還應該熟悉建模和選擇參數背後的原因，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。 原文鏈接： https://www.kdnuggets.com/2017/08/become-data-scientist-definitive-guide.html
版權聲明：作者保留權利，嚴禁修改，轉載請註明原文鏈接。