本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

數據科學是一個絕佳的研究領域，想要在這一領域獲得成功，你有一些必需的特質。我們都曾無數次聽說，數據科學是現在和未來的就業市場，在很大程度上，這確實是正確的。對于受過良好教育的數據科學和機器學習的從業者們而言，有無數的機遇和無限的空間。

[[358170]]

專業技術顯然是所有領域的基本要求，也是所有學科的實踐中最重要的要求。但是，成為一個成功的數據科學家所需的獨特品質是什么呢?在交流并了解了數據科學家如何工作之后，筆者確定了成為成功的數據科學家的五大重要特質。

適應力與創造力

卓越的數據科學家所擁有的一個極其有用的特質是通過適應現代技術或獨特技術來解決復雜的任務，以達到最好的效果，以及創造性地解決工作，并以較低的空間和時間復雜度完成工作，即消耗最少的可用資源，盡可能快地高效完成工作。

數據科學家要解決的每一個任務都有其獨特之處，這些復雜的任務有各種不同的解決方法，因此，即使是最佳的解決方法也會有相應的差異。所以，適應力是產生最佳結果的一個重要方面。

創造性、批判性和分析性思維是數據科學家最吸引人的特點。跳出思維定式，實施創新想法的能力是一個成功的數據科學家所必需的。這些特質是在行業層面表現突出的關鍵。

溝通技巧

有效交流是生活中大多數事情的核心概念，在大多數工作中也是如此。尤其在數據科學領域，溝通技巧起到關鍵作用。高效地執行一個復雜的項目，同時進行有效的協調和溝通，是每個數據科學家的必備要求。

一個數據科學家必須要有認真傾聽主管、員工和其他任何人的指示的能力。一旦聽完，通過激烈的、有意義的、深思熟慮的交流來傳達觀點和想法，從而處理信息并且有效溝通，至關重要。數據科學家也需要指揮其隊友，有效地協調，和組員一起完成手頭的特定任務。

團隊協作

更多的時候，大數據科學項目需要一批職能明確、積極高效的數據科學家，以最高的效率執行特定的商業風險或任務。因此，他們必須為特定項目制作高質量的模型，為自己的員工提供最好的服務。

團隊工作意義重大，因為它需要對正在進行的項目進行一致的信息交流。因此，這項工作需要數據科學家們集體努力，找出最佳的解決方案，提高模型的準確性，并在部署過程中產生最優質的結果。

[[358171]]

圖源：unsplash

毅力

對筆者來說，數據科學項目中最有趣的部分是建立機器學習或深度學習模型，并確保它們順利工作，從而感覺良好。一旦它們符合相應要求，就可以部署這些已建立的模型。

然而，數據科學的很大一部分其實在于處理手頭的數據。網絡上自然存在的大部分數據都不干凈。為了提取有用的數據，必須進行大量的清洗和預處理。大多數復雜的任務都需要進行關鍵性的分析和計算處理，以獲得理想的結果。毅力在每種情況中都極為重要，在數據科學領域，尤為如此。

即使是這個領域的專家，他們也會犯錯，并且為了解決某些問題而不得不查資料。這個領域可能是僅有的一個你不需要死記硬背很多東西的領域，因為你可以用谷歌來查找你忘記的東西。

然而，這完全沒問題，因為它僅僅是一個學習過程，堅持到底，你才能夠成長為一個更好的數據科學家。

較強的決策能力

處理計算任務的復雜情況并評估各種模型結果的質量，這在行業層面極其重要。因此，必須做出強有力的決定，決定什么是解決當前復雜任務的最佳選擇和最佳可用資源。

舉幾個簡單的例子，假設一個機器學習任務，你能夠發現支持向量機(SVMs)在執行某項任務時的準確率為97%，而像邏輯回歸這樣的機器學習算法能夠以98%的準確率執行同樣的任務。數據科學家必須能夠確定每個特定任務的最佳選擇。

將這個例子進一步擴展到深度學習和神經元網絡，數據科學家能夠相應地在TensorFlow或Pytorch這樣的深度學習框架之間切換，以選擇最適合當前任務的框架。

這些顯然只是一些簡單的例子。然而，對于數據科學家成倍地拓展思路，獲取更佳結果來說，決策能力極為關鍵。

這五種獨特的品質是數據科學家必備的的最基本特征。技術技能同樣是必不可少的，基礎知識和對該學科的深刻理解保證了真正的方法。然而，在筆者看來，想要持久長期的成功，這些獨特品質才是絕對必須的。