本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)。

兩年來，我一直都在獨立研究數(shù)據(jù)科學的概念。寫這篇文章的初衷是想向那些迷茫的人介紹我的觀點，希望能與初入行的數(shù)據(jù)科學家分享這兩年中的收獲。

[[348315]]

先成為一名優(yōu)秀的程序員和統(tǒng)計學家

了解數(shù)據(jù)科學的基本原理會讓生活更加輕松，并且從長遠來看可以節(jié)省時間。幾乎所有的機器學習概念和算法都基于統(tǒng)計和概率，除此之外，許多其他數(shù)據(jù)科學概念(例如A/B測試)也屬于純統(tǒng)計范疇。

歸根結(jié)底，編程和統(tǒng)計知識影響一名數(shù)據(jù)科學家的能力上限。在學習其他內(nèi)容之前，必須具有良好的編程和統(tǒng)計基礎。從長遠來看，它將為你節(jié)省更多時間。

將更多的時間花在個人數(shù)據(jù)科學項目上，而非在線訓練營

這可能是一個有爭議的觀點，請容許我先提出幾點聲明：

• 這完全基于我聽聞的實例以及我對同行的觀察。
• 這里指的并不包括一些優(yōu)秀在線課程，例如deeplearning.ai的課程。
• 當然，如果沒有其他選擇，參加訓練營有勝于無。

在線訓練營存在一些問題。就內(nèi)容的深度而言，它們往往非常淺顯。不僅如此，而且它們還容易使人對所學材料產(chǎn)生錯誤的理解。

它們也不太適合保留學習信息?；ㄙM越多的時間學習某個課題，就越想留存相關(guān)信息。但這些訓練營，尤其是那些宣傳為“在5周內(nèi)成為專家”的訓練營，沒有給你足夠的時間來真正沉淀所學的知識。

他們通常沒有足夠的挑戰(zhàn)性。許多訓練營和課程只是要求你遵循并重復他們的代碼，而不進行批判性或深入性的思考。

而個人數(shù)據(jù)科學項目使你不得不獨自批判性地思考問題和解決方案，這是一種很好的學習方法。這樣學到的知識遠超過任何訓練營所教授的。你將學會如何提出正確的問題，如何用Google查詢正確的問題，如何構(gòu)建自己想要的數(shù)據(jù)科學項目，如何變得有條理等。

投放更多精力到自己的項目中，你也會更有動力去學習更多知識、投入更多時間，從而形成積極的反饋循環(huán)。因此，少花時間參加數(shù)據(jù)科學訓練營，將更多的時間用于個人數(shù)據(jù)科學項目吧。

[[348316]]

專注于一些精選工具

大量數(shù)據(jù)科學包和工具讓你得以組建適合自己的個性化數(shù)據(jù)科學工具箱。然而，這也使人易于在一條錯誤的路上一去不復返：過于追求軟件包和工具的學習數(shù)量。精通一些工具比使用不熟練的工具做表面工作要好得多。在簡歷中列出所有技能和工具不應該是最終目標!

舉個例子，這些數(shù)據(jù)可視化軟件包都很優(yōu)質(zhì)：Matplotlib、Seaborn、Plotly、Bokeh等等，但你不需要花時間去掌握所有，這是在浪費寶貴而有限的時間。

如果你想用Pandas來處理數(shù)據(jù)，那就要好好地利用它。如果你更喜歡NumPy，那就用NumPy。的確，理想情況下你能同時擅長Pandas和NumPy，但我認為，專注其中一個并精通它比左顧右盼要好得多。

同樣的道理也適用于：

• Python與R
• Tensorflow與 Pythorch
• Postgresql與MySQL

我建議你建立自己的數(shù)據(jù)科學工具箱并專注于此，精通5個工具比不熟練使用20個工具要好。

了解各種機器學習算法僅占數(shù)據(jù)科學的一小部分

就個人而言，數(shù)據(jù)科學吸引我的是所有不同的機器學習模型，它們?nèi)绾喂ぷ饕约八鼈內(nèi)绾伟l(fā)揮效用。我花了至少六個月的時間來學習和嘗試幾種不同的機器學習模型，才意識到它是數(shù)據(jù)科學家所需了解內(nèi)容的一小部分。

數(shù)據(jù)建模只是整個機器學習生命周期的一部分。你還需要了解數(shù)據(jù)收集，數(shù)據(jù)準備，模型評估，模型部署和模型調(diào)優(yōu)。在實際項目中，大部分時間都消耗在了數(shù)據(jù)準備而不是數(shù)據(jù)建模(機器學習建模)上。

除此之外，你還需要學習其他一些知識，例如版本控制(Git)，從API中提取數(shù)據(jù)，了解云計算等等。不要將所有時間都花在嘗試掌握每種機器學習算法上。

負擔綜合癥非常常見

[[348317]]

圖源：unsplash

從我開始學習數(shù)據(jù)科學的第一天到如今，我經(jīng)常體會到負擔綜合癥，但我知道那是完全正常的。為什么對數(shù)據(jù)科學家來說，負擔綜合癥很常見也很正常?

• “數(shù)據(jù)科學”是一個非常模糊的術(shù)語，它是一個跨學科的領域，包括統(tǒng)計學、程序設計、數(shù)學、商業(yè)理解、數(shù)據(jù)工程等。除此之外，數(shù)據(jù)科學家還有很多同義詞(數(shù)據(jù)分析員、數(shù)據(jù)工程師、研究科學家、應用科學家)。你永遠無法成為數(shù)據(jù)科學所涵蓋所有領域的專家，你也不應該覺得自己必須做到這一點。
• 與編程和技術(shù)領域的其他學科一樣，數(shù)據(jù)科學也在不斷發(fā)展。20年前，Pandas還沒有被創(chuàng)造出來。5年前，Tensorflow才發(fā)布?？倳粩嘤行枰銓W習的新技術(shù)出現(xiàn)。
• 你不可能在所有領域成為專家，這意味著總會有人在你花更少時間的事情上做得更好，這沒有什么關(guān)系。

作為一名數(shù)據(jù)科學家，你時常會感覺到負擔綜合癥，放輕松，專注于自己的事業(yè)。

數(shù)據(jù)科學之旅教會我很多道理，希望這些道理能幫助迷茫的你突破瓶頸。