匠人教你成为Data Scientist的诀窍,澳洲IT圈微信公众号文章

点击上面蓝字关注我们

封面

tatistics、Calculus、Linear Algebra、Data Science和Machine Learning

文 | Jack

编辑 | 挨踢吐槽君

要成为一名Data Scientist，最简单的办法就是找到第一份Data Scientist的工作。这不是开玩笑，而是实实在在地说“找到这份工作的技巧”比你花几年时间学习Statistics、Calculus、Linear Algebra、Data Science和Machine Learning更重要。因为你最精通的技能都是在实际工作中天天使用学会的，而不是老师教你的。而你自己不论通过学校、网络教学，还是自学，学到的理论性知识并不能帮助你有效地应对澳大利亚的面试流程。

学习统计学、微积分的捷径是什么，是有真正懂的人回答你的疑惑。而网上学习和自学则全靠你自己的悟性——一时参悟不透的问题可能会让你浪费几天或者几周时间。

而找Data Scientist工作的捷径是什么？是有项目经验，是有人教会你如何把学到的有限的知识与项目结合，应用到你的面试当中，让你通过层层中介面试和技术面试。

当然，选择数据科学，更重要的一点是你对数学或者数字有兴趣。从薪酬角度来讲，数据科学+大数据工程通常会比全栈工程师还高一些。但是如果你不是这个专业的PhD毕业（毕竟专业PhD也付出了4-7年的学习和代价），要走上这个行业的巅峰不可能一蹴而就，而是要在进入这个行业之后通过不断的学习和拓展来达到最终的巅峰的。

另一方面，IT行业的财富主要来源于在合适的时机加入了合适的创业或者行业。随着人工智能和自动化在各个行业不断的渗透和深入，很多人工的劳动将逐步被取代，相应的就是人工智能和自动化方面的创业和造富的机遇不断涌现。如果SpaceX不能很快将大量人类带上火星的话，那么人工智能将是人类自从蒸汽革命、电气革命到电子革命、互联网革命之后的最长久的一个风口。尽早进入这个行业，也意味着你能更早地拓展人脉，更早地看清趋势，也更早地抓住机遇。而相应来说，前后端技术则在不断地更迭，新的穿戴式设备和自然语言处理交互逻辑也将逐步蚕食目前手机和web为主的UI市场，机器学习相对来说是在科技风口前沿更加稳定的一个核心技能。

回到技能本身，Statistics、Calculus、Linear Algebra、Data Science和Machine Learning，几乎每个学科都足以让一个undergraduate学一两个学期，而匠人要培训的就是抓住重点、以及如何让你把这些重点知识组合起来让一个专业的人也能觉得你对各个方面的知识有着有机的把握而显得融会贯通。匠人课程会用重点的方式教你对算法的高层次理解。举一个最简单的例子，每个懂点数学的人大概都觉得自己知道线性回归(Linear Regression)，但是你真的知道线性回归为什么用平方差之和(sum of square)么？你知道为什么线性回归是最大似然估计么？为什么它是从Statistical Learning Theory导出的？但是不是所有的算法都是Statistical Learning？

而比这些理论知识更重要的是你将要得到的项目经验，以及知识与项目经验的融合。然后，从面试的角度教你如何结合项目把你的知识和能力展现出来。