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

兩年來，我一直都在獨(dú)立研究數(shù)據(jù)科學(xué)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(diǎn)，希望能與初入行的數(shù)據(jù)科學(xué)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(jì)學(xué)家

了解數(shù)據(jù)科學(xué)的基本原理會(huì)讓生活更加輕松，并且從長(zhǎng)遠(yuǎn)來看可以節(jié)省時(shí)間。幾乎所有的機(jī)器學(xué)習(xí)概念和算法都基于統(tǒng)計(jì)和概率，除此之外，許多其他數(shù)據(jù)科學(xué)概念(例如A/B測(cè)試)也屬于純統(tǒng)計(jì)范疇。

歸根結(jié)底，編程和統(tǒng)計(jì)知識(shí)影響一名數(shù)據(jù)科學(xué)家的能力上限。在學(xué)習(xí)其他內(nèi)容之前，必須具有良好的編程和統(tǒng)計(jì)基礎(chǔ)。從長(zhǎng)遠(yuǎn)來看，它將為你節(jié)省更多時(shí)間。

將更多的時(shí)間花在個(gè)人數(shù)據(jù)科學(xué)項(xiàng)目上，而非在線訓(xùn)練營

這可能是一個(gè)有爭(zhēng)議的觀點(diǎn)，請(qǐng)容許我先提出幾點(diǎn)聲明：

• 這完全基于我聽聞的實(shí)例以及我對(duì)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(dāng)然，如果沒有其他選擇，參加訓(xùn)練營有勝于無。

在線訓(xùn)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(duì)所學(xué)材料產(chǎn)生錯(cuò)誤的理解。

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

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

而個(gè)人數(shù)據(jù)科學(xué)項(xiàng)目使你不得不獨(dú)自批判性地思考問題和解決方案，這是一種很好的學(xué)習(xí)方法。這樣學(xué)到的知識(shí)遠(yuǎn)超過任何訓(xùn)練營所教授的。你將學(xué)會(huì)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(xué)項(xiàng)目，如何變得有條理等。

投放更多精力到自己的項(xiàng)目中，你也會(huì)更有動(dòng)力去學(xué)習(xí)更多知識(shí)、投入更多時(shí)間，從而形成積極的反饋循環(huán)。因此，少花時(shí)間參加數(shù)據(jù)科學(xué)訓(xùn)練營，將更多的時(shí)間用于個(gè)人數(shù)據(jù)科學(xué)項(xiàng)目吧。

[[348316]]

專注于一些精選工具

大量數(shù)據(jù)科學(xué)包和工具讓你得以組建適合自己的個(gè)性化數(shù)據(jù)科學(xué)工具箱。然而，這也使人易于在一條錯(cuò)誤的路上一去不復(fù)返：過于追求軟件包和工具的學(xué)習(xí)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(jiǎn)歷中列出所有技能和工具不應(yīng)該是最終目標(biāo)!

舉個(gè)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(shí)間去掌握所有，這是在浪費(fèi)寶貴而有限的時(shí)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(shí)擅長(zhǎng)Pandas和NumPy，但我認(rèn)為，專注其中一個(gè)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(xué)工具箱并專注于此，精通5個(gè)工具比不熟練使用20個(gè)工具要好。

了解各種機(jī)器學(xué)習(xí)算法僅占數(shù)據(jù)科學(xué)的一小部分

就個(gè)人而言，數(shù)據(jù)科學(xué)吸引我的是所有不同的機(jī)器學(xué)習(xí)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(gè)月的時(shí)間來學(xué)習(xí)和嘗試幾種不同的機(jī)器學(xué)習(xí)模型，才意識(shí)到它是數(shù)據(jù)科學(xué)家所需了解內(nèi)容的一小部分。

數(shù)據(jù)建模只是整個(gè)機(jī)器學(xué)習(xí)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(zhǔn)備，模型評(píng)估，模型部署和模型調(diào)優(yōu)。在實(shí)際項(xiàng)目中，大部分時(shí)間都消耗在了數(shù)據(jù)準(zhǔn)備而不是數(shù)據(jù)建模(機(jī)器學(xué)習(xí)建模)上。

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

負(fù)擔(dān)綜合癥非常常見

[[348317]]

圖源：unsplash

從我開始學(xué)習(xí)數(shù)據(jù)科學(xué)的第一天到如今，我經(jīng)常體會(huì)到負(fù)擔(dān)綜合癥，但我知道那是完全正常的。為什么對(duì)數(shù)據(jù)科學(xué)家來說，負(fù)擔(dān)綜合癥很常見也很正常?

• “數(shù)據(jù)科學(xué)”是一個(gè)非常模糊的術(shù)語，它是一個(gè)跨學(xué)科的領(lǐng)域，包括統(tǒng)計(jì)學(xué)、程序設(shè)計(jì)、數(shù)學(xué)、商業(yè)理解、數(shù)據(jù)工程等。除此之外，數(shù)據(jù)科學(xué)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(xué)家、應(yīng)用科學(xué)家)。你永遠(yuǎn)無法成為數(shù)據(jù)科學(xué)所涵蓋所有領(lǐng)域的專家，你也不應(yīng)該覺得自己必須做到這一點(diǎn)。
• 與編程和技術(shù)領(lǐng)域的其他學(xué)科一樣，數(shù)據(jù)科學(xué)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?huì)不斷有需要你學(xué)習(xí)的新技術(shù)出現(xiàn)。
• 你不可能在所有領(lǐng)域成為專家，這意味著總會(huì)有人在你花更少時(shí)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(xué)家，你時(shí)常會(huì)感覺到負(fù)擔(dān)綜合癥，放輕松，專注于自己的事業(yè)。

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