如何成為一名數(shù)據(jù)科學(xué)家？也差不多是能制作出屬于什么自己的數(shù)據(jù)地圖吧。這是我自己才能做成的，集合了近10年來(lái)的數(shù)據(jù)分析職業(yè)經(jīng)驗(yàn)，做個(gè)參考了數(shù)十份行業(yè)內(nèi)的不權(quán)威著作、等，加強(qiáng)數(shù)十萬(wàn)字的龐大無(wú)比學(xué)習(xí)資料，才

如何成為一名數(shù)據(jù)科學(xué)家？

也差不多是能制作出屬于什么自己的數(shù)據(jù)地圖吧。

這是我自己才能做成的，集合了近10年來(lái)的數(shù)據(jù)分析職業(yè)經(jīng)驗(yàn)，做個(gè)參考了數(shù)十份行業(yè)內(nèi)的不權(quán)威著作、等，加強(qiáng)數(shù)十萬(wàn)字的龐大無(wú)比學(xué)習(xí)資料，才有了這個(gè)。

做指導(dǎo)別人前，自己也得有拿的出手之間的干貨吧，否則怎末嘆服？

先說(shuō)一個(gè)，如果題主只是就是為了高大上的title來(lái)的，那我勸你我勸你徹底放棄幻想，現(xiàn)實(shí)中數(shù)據(jù)科學(xué)家只不過(guò)是直呼其名而己，都沒(méi)什么用，或許別人轉(zhuǎn)目就如果說(shuō)你是為他們服務(wù)什么的呢？

那這個(gè)概念是怎么來(lái)的？

程序員總覺(jué)得自己不合適編程，產(chǎn)品經(jīng)理都覺(jué)得自己不適合做產(chǎn)品，統(tǒng)計(jì)會(huì)計(jì)感覺(jué)自己天花板又低，咦，這個(gè)數(shù)據(jù)科學(xué)家的崗位比較順耳蠻逼格高的，做的事和我也沒(méi)啥差距，我去再試試？

嗯，基本也是這樣。

你們以為的：

這種人存不必然？存在，但醒一醒，數(shù)量比較少，但必須幾千年的歷練。

據(jù)我了解，多個(gè)互聯(lián)網(wǎng)大公司的數(shù)據(jù)leader，他們那就是導(dǎo)導(dǎo)表，跑下數(shù)據(jù)，然后按業(yè)務(wù)需求把數(shù)據(jù)給別人，偶而還幫幾個(gè)部門(mén)做一些預(yù)備的需求，深處挖掘用戶數(shù)據(jù)可能會(huì)更大一點(diǎn)。

離數(shù)據(jù)科學(xué)家還遠(yuǎn)著，這那是現(xiàn)實(shí)。

但并不是又不能，擁有數(shù)據(jù)科學(xué)家，那就有路章法可循。

1、數(shù)據(jù)科學(xué)家怎末來(lái)的？

先有Data science，再有做此行當(dāng)?shù)娜薲atascientists。

science也是做好實(shí)驗(yàn)的，實(shí)驗(yàn)的對(duì)象是數(shù)據(jù)，方法是dm，ml，dl等，儀器是三千多種存儲(chǔ)硬件，一次性處理軟件。飄緲的是研究對(duì)象是不同領(lǐng)域，所以一個(gè)data science過(guò)程，產(chǎn)出物可能會(huì)并不一些第一項(xiàng)知識(shí)，提示和決策，甚至是可以學(xué)習(xí)拓展對(duì)某個(gè)領(lǐng)域認(rèn)知。

2、數(shù)據(jù)科學(xué)家的類(lèi)型

第一種，偏講。

可以算，類(lèi)似于商業(yè)分析這種，必須你懂行業(yè)，懂市場(chǎng)，懂公司運(yùn)作資金，然后再去能解決問(wèn)題。

要注意工作，基本是是清清數(shù)據(jù)，做做分析什么，幫我出主意報(bào)告，搞個(gè)敏銳的洞察，但與此同時(shí)大數(shù)據(jù)的到來(lái)，對(duì)模型組建能力、工具使用能力、數(shù)據(jù)處理能力并且了。

Tableau、python、Finebi、R、pandas、matlab都得會(huì)。

還得懂市場(chǎng)、經(jīng)濟(jì)、統(tǒng)計(jì)的知識(shí)。

第二種，偏算法。

研究類(lèi)的升華，比如阿里達(dá)摩院，也算一個(gè)成本部門(mén)，是部門(mén)就得有產(chǎn)出，是做研究就得有成果，就得能落下時(shí)（這句話不是我說(shuō)的，是馬老師）。

那這種就挺好理解了，把算法從Research做到Product。

具體的要求會(huì)更高，NLP，數(shù)據(jù)挖掘，推薦算法，CV，業(yè)務(wù)邏輯，需求管理，編程能力倒是主要的。

3、數(shù)據(jù)科學(xué)家的核心技能

除此之外數(shù)據(jù)分析，有什么？

反正數(shù)據(jù)科學(xué)在公司里的應(yīng)用肯定基礎(chǔ)層次，老板招工很有可能僅僅想讓公司趕不及AI的末班車(chē)，可是不太懂如何讓數(shù)據(jù)藍(lán)月帝國(guó)生產(chǎn)力，噱頭是主要的。公司越大，職位邊界會(huì)越模糊。

因?yàn)?，?shù)據(jù)科學(xué)家應(yīng)該要擁有產(chǎn)品經(jīng)理一樣的嗅覺(jué)能力，或者僅僅容小覷程序員的代碼能力。

要不你是會(huì)很迷茫，自己在產(chǎn)品和開(kāi)發(fā)都沒(méi)有話語(yǔ)權(quán)，漸漸地變的了支持部門(mén)。

所以要在大方向上，極其積極主動(dòng)地點(diǎn)，從insight到product，要全程參與，確實(shí)很培養(yǎng)和訓(xùn)練能力，后再才能有數(shù)據(jù)話語(yǔ)權(quán)，這可不是什么寫(xiě)個(gè)python、sql或則etl就能基于的。

正常人自學(xué)python一般多久學(xué)會(huì)？

你好,如果不是是沒(méi)有編程基礎(chǔ)要想自學(xué)Python的話，就像不需要半年到一年左右的時(shí)間，所必須的時(shí)間長(zhǎng)短因人而異。自學(xué)Python這個(gè)可以按照100元以內(nèi)三個(gè)步驟。

一、基礎(chǔ)學(xué)習(xí)可以不先買(mǎi)一本Python基礎(chǔ)的書(shū)籍,或是在網(wǎng)上下載電子版的書(shū)籍也是可以,學(xué)一門(mén)語(yǔ)言是需要是要打好基礎(chǔ)一步一步來(lái),最好別圖快和超越級(jí)怎么學(xué)習(xí)。

首先參照書(shū)籍的目錄可以不大概情況知道一點(diǎn)Python語(yǔ)言基礎(chǔ)有哪些內(nèi)容,然后把從第一章結(jié)束,怎么學(xué)習(xí)每個(gè)知識(shí)點(diǎn)的概念,然后再每個(gè)知識(shí)點(diǎn)后面都會(huì)有一個(gè)小練習(xí)題,學(xué)每小節(jié)內(nèi)容后一定要做一做練習(xí)題短時(shí)間內(nèi)變深一下印象。

二、晉階學(xué)去學(xué)習(xí)完P(guān)ython基礎(chǔ)那僅僅第一步,只需一步步把內(nèi)容都認(rèn)真的過(guò)一遍,基本上沒(méi)有什么太大的問(wèn)題,那就只學(xué)基礎(chǔ)之后,就要你選一個(gè)十階的方向,這個(gè)方向當(dāng)然了是依據(jù)你你要做什么崗位的工作來(lái)選的。

目前Python的崗位大致有五種,自動(dòng)化運(yùn)維、web后端開(kāi)發(fā)、自動(dòng)化測(cè)試、數(shù)據(jù)分析、人工智能,每一個(gè)方向都有吧各自相同的模塊和框架不需要去學(xué)習(xí),總之Python的模塊框架的很多,是想完全學(xué)稍微有點(diǎn)不太現(xiàn)實(shí),不過(guò)也沒(méi)有必要,只必須去學(xué)習(xí)你想畜牧獸醫(yī)相關(guān)專(zhuān)業(yè)崗位方向的模塊框架就可以了。

三、項(xiàng)目實(shí)戰(zhàn)練習(xí)練習(xí)在十階學(xué)習(xí)了相關(guān)的模塊和框架知識(shí)之后,第十步還得選項(xiàng)目接受實(shí)戰(zhàn)練習(xí)了,是可以到開(kāi)源網(wǎng)站上先找一些簡(jiǎn)單點(diǎn)點(diǎn)的項(xiàng)目練習(xí),我的主頁(yè)也有一些python的實(shí)戰(zhàn)練習(xí)練習(xí)項(xiàng)目,做項(xiàng)目練習(xí)是是為積聚實(shí)力和綜合運(yùn)用前面所學(xué)的知識(shí),后再慢慢必然增加難度,一步一步不要急于求成。

以上那就是我的個(gè)人觀點(diǎn),期望可以不解決到你,謝謝啊!