5个步骤开启你的数据科学职业生涯！

作者：Thomas  翻译：王雨桐  校对：丁楠雅

本文约2000字，建议阅读10分钟。

本文为刚刚接触数据科学的新人，提出五个职场准备的建议。

数据科学已经成为21世纪最热门的工作领域，但如何才能成为数据科学家呢？ 作为一名有抱负的数据科学家，或是准备从事数据科学工作的学生，你应该做好哪些准备？ 需要什么技能？不要担心！ 本文将会回答以上所有问题，并提供相关的资源链接，帮助你开启新的职业生涯！

数据科学是一个跨学科的领域，这意味着数据科学家要了解多个领域的知识，并成为不同领域的专家。 数据科学家必须在以下方面具备坚实的基础：

1. 计算机科学

3. 线性代数

5. 机器学习

7. Python编程

9. 业务领域知识

为了成为一名高水平的数据科学家，下图是你需要掌握的一些知识领域：

除非你像激光束一样，将研究集中在这些领域，否则对上图中的一个或多个主题感到陌生是很正常的。 或者你了解两三个主题，但对其余主题了解甚少。 例如，你可能是一名计算机科学专业的学生，掌握数学知识但不了解统计研究分析所要求的高级统计知识。或者，你可能是一名有一些编程基础的统计学家。

有很多方法可以帮助你开启数据科学的职业生涯。 其中，你必须做的五件事是：

1. 向具有多年经验的前辈学习Python和R

3. 加入Kaggle并参加数据科学竞赛

5. 做好基本的网络声誉管理，以提升形象

1. 向具有多年行业经验的前辈学习Python和R

行业经验是无可替代的。 比起一位热心的业余爱好者（如在线提供的许多课程），拥有5年以上数据科学行业工作经验的人将是讲师的不二人选。 学习Python和R是一方面，掌握Python和R是完全不同的事情。如果想在这个行业做得好，需要做到掌握技能，而不仅仅是具备基本能力。一定要确保你的讲师具有可靠的行业经验，因为这种经历会帮助你拿到顶尖的数据科学公司的offer。相比于拥有相关专业博士学位的学者，从拥有行业经验的专家那里会学到最多。

2. 在GitHub上构建数据科学作品集

在GitHub上拥有在线作品集（online portfolio）至关重要！

如果你不对学习的内容进行编程练习，也没有将课程应用于实际数据和现实情景，那么再好的培训都是无效的。你需要做数据科学项目，并且尽量使你的项目具有吸引力。

GitHub作品集应该遵循以下准则：

3. 加入Kaggle并参加数据科学竞赛

Kaggle.com就是你的训练场。

如果你准备入手数据科学，立即成为Kaggler吧！ 或者，如果你更倾向于开发，请加入TopCoder！（TopCoder也有数据科学发展路径）。 Kaggle是公认的数据科学的发源地，因为Kaggle多年来一直举办数据科学竞赛，并且是国际上所有顶尖数据科学竞赛的集合地。 收到知名公司offer的最简单方法之一就是在Kaggle上获得尽可能高的排名。 更重要的是，你可以将自己的表现与行业中的顶级竞争对手进行比较。

4. 练习面试问题

现在，很多网站都有数据科学岗位面试中使用的问题集。没有企业会让你死记硬背200个面试问题，但他们确实希望你能够在代码（最好是Python）或伪代码中解决基本的数据科学和算法问题。 最好还要了解基本概念，例如交叉验证是什么，维度的诅咒，过拟合的问题以及在实际场景中如何处理它。此外，你还需要能解释主要数据科学算法的内部细节，例如AdaBoost。 线性代数，统计学和一些基本的多变量微积分的知识也可以帮助你在竞争中抢占先机。

5. 管理你的网络声誉

这似乎与数据科学无关，但它是任何求职的基本要求。想想未来的雇主在看到求职者名姓名后的第一件事是什么？他会先百度这个名字。当搜索你的名字时，会出现什么内容？你的网络资料能否承受以下考验？

原文标题：

5 Steps to Prepare for a Data Science Job

原文链接：

https://dimensionless.in/5-steps-to-prepare-for-a-data-science-job/

本次转自：THU数据派