作者 | Jeremie Harris
翻译 | Mika
CDA 数据分析师原创作品,转载需授权
我在一家数据科学培训公司工作。对于学员,我常常给出的建议并不是推荐库或者工具,而是让他们首先明确自己想成为什么样的数据科学家,确定自己的方向。
当中的原因在于,数据科学并不是单一且定义明确的领域,公司并不会雇用所谓的全能型数据科学家,而是会选择有拥专业技能的个人。
为了更好的理解,假设你们公司想聘请数据科学家。那么,你们肯定有明确的问题需要解决,而这需要具体的技术知识和专业知识。例如,有些公司将简单模型应用于大型数据集;有些公司将复杂模型应用于小型模型;有些公司需要动态训练模型;有些公司根本不使用(传统)模型。
以上这些都需要完全不同的技能。对于想进入数据科学领域的人群收到的建议往往是:学习使用Python,构建分类/回归/聚类等项目在开始找工作,这其实是不太合理的。
数据科学家在工作中承担了很多责任。人们会将过多的内容归入“数据科学”的范畴。为生产构建强大的数据管道,这应该是数据科学方面的问题。开发一种新的神经网络,这应该是数据科学方面的问题。
这种现象并不好,因为这会让有抱负的数据科学家失去方向和对特定问题的关注。
为了避免成为全能型数据科学家,再次之前让我们先了解数据科学领域主要有哪些职位,以及他们常常被混淆的原因:
1. 数据工程师
> 职位描述
为处理大量数据的公司管理数据管道。这意味着在数据需要从源头进行有效地收集和检索,而且在使用前需要进行清理和预处理。
> 重要性
如果你只使用过存储在.csv或.txt文件中的相对较小的数据集(小于5G),那么你可能很难理解为什么需要专人维护数据管道。
当中的原因在于:1)计算机很难承载大小为50 G的数据集,因此需要以其他方式将其提供给模型;2)大量数据可能需要花费大量时间来处理,并且经常需要冗余存储。进行管理存储需要专业的技术知识。
> 技能要求
你需要使用Apache Spark、Hadoop、Hive和Kafka。还需要有扎实的SQL的基础。
> 处理的问题
如何构建每分钟能处理1万个请求的管道?
如何在不将其全部加载到RAM的情况下清理该数据集?
2. 数据分析师
> 职位描述
将数据转化为可操作的商业见解。你通常会成为技术团队和商业策略业,销售或营销团队之间的中间人。数据可视化是你日常工作的重要组成部分。
> 重要性
有些人很难理解为什么数据分析师如此重要,但他们确实如此。数据分析师需要将经过训练和测试的模型,以及大量用户数据转换为易于理解的格式,以便转化为围商业策略。数据分析师帮助确保数据科学团队不会浪费时间来解决无法提供商业价值的问题。
> 技能要求
技能包括Python,SQL,Tableau和Excel。你还需要出色的沟通能力。
> 处理的问题
是什么带来了用户增长?
如何向管理层解释最近的使用费让用户望而却步?
3. 数据科学家
> 职位描述
清理和探索数据集,并进行能带来商业价值的预测。你的日常工作包括训练和优化模型,并将其部署到生产中。
> 重要性
当你有大量难以被解析的数据,你需要从中提取出可理解的分析见解。这是数据科学家的基本工作:将数据集转换为易于理解的结论。
> 技能要求
包括Python、scikit-learn、Pandas、SQL、也许还需要掌握Flask、Spark、TensorFlow、PyTorch。有些数据科学职位纯粹是技术性的,但大多数人要求你具备一定的商业意识。
> 处理的问题
我们有多少种不同的用户类型?
是否能建立一个模型来预测哪些产品将销售给哪些用户?
4. 机器学习工程师
> 职位描述
构建、优化机器学习模型,以及部署到生产。你的工作离不开机器学习模型,而且需要将其放入全栈应用程序或硬件中,但也需要自己设计模型。
> 技能要求
需要掌握Python、Javascript、scikit-learn,TensorFlow 、PyTorch,以及SQL或MongoDB。
> 处理的问题
如何将此Keras模型集成到我们的Javascript应用程序中?
如何减少推荐系统的预测时间和预测成本?
5. 机器学习研究员
> 职位描述
找到解决数据科学和深度学习中的挑战性问题的新方法。你不会使用开箱即用的解决方案,而是需要创建解决方案。
> 技能要求
需要用到Python、TensorFlow、PyTorch和SQL。
> 处理的问题
如何将模型的准确性提高到最高水平?
自定义优化器有助于减少训练时间吗?
结语
我在这里列出的五个职位绝对不是孤立的。例如,在早期创业公司,数据科学家也需要充当数据工程师或数据分析师的角色。但是大多数工作会按类别分类,公司规模越大,类别则越具体。
总的来说,为了找到心仪的工作,你需要明确具体的方向。如果你想成为一名数据分析师,就不用学习TensorFlow;如果你想成为一名机器学习研究员,那么不用先学Pyspark。
可以思考一下你希望为公司带来哪方面的价值,并朝着这个方向努力,这是入门的最佳方式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10