現(xiàn)在數(shù)據(jù)科學的需求量很大，似乎一部分原因是因為數(shù)據(jù)科學家需要有從業(yè)經(jīng)驗。但其實，許多那些和我工作過的數(shù)據(jù)科學家都來自不同的背景，從人類學到神經(jīng)科學都有，而且要有實踐經(jīng)驗才能脫穎而出。對于一個想轉行開始數(shù)據(jù)科學生涯的畢業(yè)生或數(shù)據(jù)分析人員來說，要在這個領域做一些事來展現(xiàn)自己的技能是很有挑戰(zhàn)的。我會同時站在企業(yè)招聘數(shù)據(jù)科學家的角度和求職者應聘數(shù)據(jù)科學家的角度，來談一談這個職業(yè)需要的幾點關鍵經(jīng)驗：

[[262131]]

• 親自嘗試過云計算
• 創(chuàng)建過一個新的數(shù)據(jù)集
• 能夠將各種信息關聯(lián)起來
• 提供一個服務
• 做過酷炫的可視化
• 寫過白皮書

我將在后面詳細解釋以上幾點。但首先，數(shù)據(jù)科學領域最關鍵的要義還是要能夠創(chuàng)造出能為企業(yè)創(chuàng)造價值的數(shù)據(jù)產(chǎn)品。一個能夠創(chuàng)造端到端數(shù)據(jù)產(chǎn)品的數(shù)據(jù)科學家是企業(yè)的寶貴財富，因此應聘數(shù)據(jù)科學家的時候，很必要去證明你有這些技能。

1、親身嘗試云計算

現(xiàn)在許多公司都在找有云計算經(jīng)驗的數(shù)據(jù)科學家，因為云平臺提供的工具可以擴大 數(shù)據(jù)流和預測模型的規(guī)模。未來你也可能在日常工作中用上一個云平臺，比如亞馬遜的AWS和谷歌云平臺(GCP)。

好消息是許多平臺提供了免費版從而讓更多人能夠了解云平臺。比如AWS就有免費版的EC2實例和免費使用的服務(比如支持少量請求的Lambda)，GCP則提供給用戶300美元的免費額度用來試玩平臺上的絕大部分功能，而Databricks則提供了社區(qū)版本的平臺。雖然你不能在這些平臺上免費跑大數(shù)據(jù)集，但是你可以積累在平臺親身實踐的經(jīng)驗。

我的一個建議是你可以嘗試這些平臺的不同功能，去看看你是否能夠用一些工具去訓練及部署模型。比如我在一篇講模型類服務的文章中，用了我熟悉的SKlearn，并且研究了如何把一個模型包裝成Lambda函數(shù)。

2、創(chuàng)建一個新的數(shù)據(jù)集

在課堂上或者在數(shù)據(jù)科學比賽中，你經(jīng)常需要一個干凈的數(shù)據(jù)集，從而使整個項目能集中在數(shù)據(jù)探索和數(shù)據(jù)建模上。然而，在很多實際項目中，你需要做數(shù)據(jù)整理，從而將原始數(shù)據(jù)集轉換成一個更有利與分析建模的數(shù)據(jù)集。通常，數(shù)據(jù)整理需要收集額外的數(shù)據(jù)集去做數(shù)據(jù)轉換。比如我曾處理過美聯(lián)儲的數(shù)據(jù)來更好地理解富裕家庭的資產(chǎn)配置情況。

這是一個有趣的項目，我用了第三方數(shù)據(jù)去評估一手數(shù)據(jù)的準確性。所以我的第二個建議是進一步深入實踐，去構建一個數(shù)據(jù)集。這個過程會可能包含從網(wǎng)站爬取數(shù)據(jù)，從數(shù)據(jù)統(tǒng)計網(wǎng)站(如steamspy)采樣數(shù)據(jù)，又或者要整合不同數(shù)據(jù)源從而創(chuàng)造一個新的數(shù)據(jù)集。例如，我在研究生期間創(chuàng)造了一個星際爭霸(StartCraft)比賽回放的數(shù)據(jù)集，這就能證明我有能力在一個新生成的數(shù)據(jù)集上做數(shù)據(jù)整理。

3、將各種信息關聯(lián)起來

有一種能力我會希望數(shù)據(jù)科學家去展現(xiàn)：就是能將不同的組件或者系統(tǒng)連接起來從而完成一項任務。在數(shù)據(jù)科學家這個角色中，也許沒有一個清晰的路徑來使模型產(chǎn)品化，所以你可能需要構造一些獨特的東西讓系統(tǒng)跑起來。一個理想化的數(shù)據(jù)科學團隊會有工程師來做系統(tǒng)搭建及運行，但是原型開發(fā)對數(shù)據(jù)科學家來說其實是一個很棒的技能，它可以讓你跑得很快。

關于這點，我的建議是去嘗試將不同的系統(tǒng)或組件整合進數(shù)據(jù)科學工作流中。這個嘗試可以包含用一些工具比如Airflow去開發(fā)一個數(shù)據(jù)管道。也可以包含搭建連接不同系統(tǒng)的橋梁，例如我在JNI-BWAPI項目中，就開發(fā)了基于Java的接口來連接星際爭霸：母巢之戰(zhàn)的API庫。或者可以包含將不同的組件整合到一個平臺上，比如用GCP數(shù)據(jù)流(DataFlow)來獲取BigQuery的數(shù)據(jù)然后應用到預測模型上，再把預測結果儲存到云數(shù)據(jù)存儲(Cloud Datastore)上。雷鋒網(wǎng)雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))雷鋒網(wǎng)

4、提供一個服務

作為數(shù)據(jù)科學家，你將經(jīng)常需要提供服務來讓公司的其他團隊使用。舉例來說，這可以是一個Flask應用，用來給出一個深度學習模型的計算結果。如果你能夠開發(fā)出這個服務，這意味著其他團隊將能更快地使用到你的數(shù)據(jù)產(chǎn)品。

關于這點，我的建議是嘗試使用一些工具(比如Flask或者Gunicorn)去配置web端點(endpoint)，然后用Dash在Python中創(chuàng)建交互式的web應用。當然，在Docker中嘗試配置這當中的一些服務也會對你頗有幫助。

5、做過的酷炫的可視化

雖然偉大的工作自然會脫穎而出，但在你解釋一個分析或模型如何重要之前，仍有必要獲得眾人的關注。關于這點，我的建議是學習各種可視化工具來創(chuàng)建一個引人入勝的數(shù)據(jù)可視化。

可視化同時還能改進一系列的工作。

下面的博客展示了我作為數(shù)據(jù)科學家在過去10年中發(fā)現(xiàn)的一些工具和數(shù)據(jù)集。

做數(shù)據(jù)可視化的10年：

https://towardsdatascience.com/10-years-of-data-science-visualizations-af1dd8e443a7

6、寫白皮書

在數(shù)據(jù)科學的所有技能中，有一項一直以來我都十分推薦，那就是能夠通過白皮書來解釋項目。白皮書是一種概要，它探討了研究如何被應用，并提供了關于研究方法和結果的詳細介紹。白皮書是為了讓更多的讀者一目了然地理解你的研究，并且使其他數(shù)據(jù)科學家也可以在你的基礎上繼續(xù)研究。

博客或其他形式的輸出都可以很好地增加寫作經(jīng)驗。我對這點的建議是嘗試去面向大眾寫一些數(shù)據(jù)科學的文章，這樣當你要表達你的想法時，你會知道如何針對不同人群闡釋不同程度的細節(jié)。

結語

數(shù)據(jù)科學需要對很多工具有實踐經(jīng)驗。幸運的是，其中越來越多的工具降低了使用門檻，并且讓構建數(shù)據(jù)科學的工作組合變得越來越容易。

作者介紹：Ben Weber，Zynga首席科學家，Mischief顧問。