罗曼·奥拉克,数据科学家。
我收到许多信息,向有抱负的数据科学家寻求建议。我不是职业建议方面的专家,所以对我写的一切都持怀疑态度。
我根据我对这个领域的观察和我多年来积累的经验给出建议。这是我,建议年轻的我,因为我有类似的问题,在我的职业生涯开始。
我的建议是从实际项目开始,然后慢慢地进行理论研究。Kaggle笔记本是学习实际部分的好方法。
在Reddit社区或交叉验证社区中提问。
当您对自己的工具和实践知识感到满意时,我建议您自己为某些问题构造数据集(例如,您可以刮取数据),并对其应用ML算法。ML中最难的是数据集的构造。你甚至可以用它建立一个公司。
Kaggle是学习实际部分的一个很好的方法。
我建议您从免费资源开始,因为有许多免费资源可用于编程、机器学习和数据科学:
我个人很喜欢吴恩达的Machine LearningCoursera课程。这门课程开始很容易,然后随着它的进行逐渐变得困难。它的优点在于它专注于机器学习的基础知识。
我建议你至少听前几堂课。如果你不明白所有的事情,也不要担心,因为你可以在以后重温它。我也建议你不要只专注于一个课程。我们学得都不一样,没关系。
我们学得都不一样,没关系。
不要一个人学习!寻找并加入能帮助你学习和成长的在线社区。我在以下文章中写过关于数据科学社区的文章:
您可以开始在Excel中练习机器学习。尝试在Excel中实现线性回归。这是一个很好的第一个挑战,它会让你有动力。
开始在Excel中练习机器学习。
让我们对房间里的大象讲话。如果您刚刚起步,我建议您学习Python。主要原因有:
使用Python,您可以进行分析,从头开发模型,然后在生产中运行它。虽然我确信R中的模型也在生产中运行,但我还没有听说过(如果您的经验不同,请在评论中告诉我)。
别误会,如果你知道R,那完全没问题。数据科学团队通常使用这两种语言,一些人喜欢R,另一些人喜欢Python。
最后,这并不重要,因为有些模型必须用编译语言(Java,Go)重新实现,以便在生产中做出更快的预测。
Python使您能够进行分析、从头开发模型并在生产中运行它。
这是个很棒的问题。答案是肯定的--用大写字母。
无论您是否使用SQL数据库,您都应该了解关系数据库中的主要概念,如joins、group by、window functions、lag、lead等。即使在使用pandas、R或其他工具时,这些概念也是必不可少的。
如果您感兴趣,我还写了几篇关于SQL的文章:
答案是肯定的--用大写字母。
你知道的数学越多,从长远来看对你越好。了解数学将使您能够理解黑匣子机器学习模型的幕后发生了什么。从理论到实践的知识转移也更容易。
有了数学,你就会明白黑匣子模型的幕后发生了什么。
当你需要改进模型时,数学就变得至关重要。您需要数学来理解不同类型的模型、发行版等之间的差异。
资深机器学习工程师只需看优化函数就能说出一个模型的主要性质。
当你试图改进模型时,数学变得至关重要。
我的建议是提前考虑。每个领域都需要一名数据科学家,或者将来也会需要。问问自己,完成学业后,你希望在哪家公司实习?如果你已经听过一些相关的课程,就更容易获得生物信息学的实习机会。
提前想想。
你不需要博士学位。从事数据科学工作--意味着对现实世界的数据进行分析,并应用机器学习模型。
如果你的目标是做研究和开发新的机器学习算法(例如,在Deep Mind工作),那么你应该攻读博士学位。
你不需要博士学位。从事数据科学工作,但是...
参加LocalMeetups。公司在那里寻找新雇员。也许从数据质量评估部门开始--大公司有这些。在线社区也能有所帮助。
参加当地的聚会。
最近,我写道,“当你有多个工作机会时,接受一个有更好导师的工作机会。”
你怎么知道哪家有最好的导师?在面试过程中尽可能多地了解团队成员、经理、他们的背景等信息。查看他们的LinkedIn。他们在Quora、StackOverflow、Medium上写吗?做你的研究。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20