给有幻想的数据科学家的六条提议
|
此刻数据科学的需求量很大，好像一部门缘故起因是由于数据科学家必要有从业履历。但着实，很多那些和我事变过的最好的数据科学家都来自差异的配景，从人类学到神经科学都有，并且要有实践履历才气脱颖而出。对付一个想转行开始数据科门生活的结业生或数据说明职员来说，要在这个规模做一些事来揭示本身的手艺是很有挑衅的。我会同时站在企业雇用数据科学家的角度和求职者应聘数据科学家的角度，来谈一谈这个职业必要的几点要害履历：
我将在后头具体表明以上几点。但起首，数据科学规模最要害的要义照旧要可以或许缔造出能为企业缔造代价的数据产物。一个可以或许缔造端到端数据产物的数据科学家是企业的名贵财产，因此应聘数据科学家的时辰，很须要去证明你有这些手艺。 1、切身实行云计较 此刻很多公司都在找有云计较履历的数据科学家，由于云平台提供的器材可以扩大数据流和猜测模子的局限。将来你也也许在一般事变顶用上一个云平台，好比亚马逊的AWS和谷歌云平台(GCP)。 好动静是很多平台提供了免费版从而让更多人可以或许相识云平台。好比AWS就有免费版的EC2实例和免费行使的处事(好比支持少量哀求的Lambda)，GCP则提供应用户300美元的免费额度用来试玩平台上的绝大部门成果，而Databricks则提供了社区版本的平台。固然你不能在这些平台上免费跑大数据集，可是你可以蕴蓄在平台切身实践的履历。 我的一个提议是你可以实行这些平台的差异成果，去看看你是否可以或许用一些器材去实习及陈设模子。好比我在一篇讲模子类处事的文章中，用了我认识的SKlearn，而且研究了怎样把一个模子包装成Lambda函数。 2、建设一个新的数据集 在教室上可能在数据科学角逐中，你常常必要一个干净的数据集，从而使整个项目能齐集在数据试探和数据建模上。然而，在许多现实项目中，你必要做数据清算，从而将原始数据集转换成一个更有利与说明建模的数据集。凡是，数据清算必要网络特另外数据集去做数据转换。好比我曾处理赏罚过美联储的数据来更好地领略富饶家庭的资产设置环境。 这是一个风趣的项目，我用了第三方数据去评估一手数据的精确性。以是我的第二个提议是进一步深入实践，去构建一个数据集。这个进程会也许包括从网站爬取数据，从数据统计网站(如steamspy)采样数据，又可能要整合差异数据源从而缔造一个新的数据集。譬喻，我在研究生时代缔造了一个星际争霸(StartCraft)角逐回放的数据集，这就能证明我有手段在一个新天生的数据集上做数据清算。 3、将各类信息关联起来 有一种手段我会但愿数据科学家去揭示：就是能将差异的组件可能辖档同接起来从而完成一项使命。在数据科学家这个脚色中，大概没有一个清楚的路径来使模子产物化，以是你也许必要结构一些奇异的对象让体系跑起来。一个抱负化的数据科学团队会有工程师来做体系搭建及运行，可是原型开拓对数据科学家来说着实是一个很棒的手艺，它可以让你跑得很快。 关于这点，我的提议是去实行将差异的体系或组件整合进数据科学事变流中。这个实行可以包括用一些器材好比Airflow去开拓一个数据管道。也可以包括搭建毗连差异体系的桥梁，譬喻我在JNI-BWAPI项目中，就开拓了基于Java的接口来毗连星际争霸：母巢之战的API库。可能可以包括将差异的组件整合到一个平台上，好比用GCP数据流(DataFlow)来获取BigQuery的数据然后应用到猜测模子上，再把猜测功效储存到云数据存储(Cloud Datastore)上。雷锋网雷锋网(公家号：雷锋网)雷锋网 4、提供一个处事 作为数据科学家，你将常常必要提供处事来让公司的其他团队行使。举例来说，这可所以一个Flask应用，用来给出一个深度进修模子的计较功效。假如你可以或许开拓出这个处事，这意味着其他团队将能更快地行使到你的数据产物。 关于这点，我的提议是实行行使一些器材(好比Flask可能Gunicorn)去设置web端点(endpoint)，然后用Dash在Python中建设交互式的web应用。虽然，在Docker中实行设置这傍边的一些处事也会对你颇有辅佐。 5、做过的酷炫的可视化 固然巨大的事变天然会脱颖而出，但在你表明一个说明或模子怎样重要之前，仍有须要得到世人的存眷。关于这点，我的提议是进修各类可视化器材来建设一个引人入胜的数据可视化。 可视化同时还能改造一系列的事变。 下面的博客展示了我作为数据科学家在已往10年中发明的一些器材和数据集。 做数据可视化的10年： https://towardsdatascience.com/10-years-of-data-science-visualizations-af1dd8e443a7 6、写白皮书 在数据科学的全部手艺中，有一项一向以来我都异常保举，那就是可以或许通过白皮书来表明项目。白皮书是一种提纲，它切磋了研究怎样被应用，并提供了关于研究要领和功效的具体先容。白皮书是为了让更多的读者一览无余地领略你的研究，而且使其他数据科学家也可以在你的基本上继承研究。 博客或其他情势的输出都可以很好地增进写作履历。我对这点的提议是实行去面向公共写一些数据科学的文章，这样当你要表达你的设法时，你会知道怎样针对差异人群阐释差异水平的细节。 结语 数据科学必要对许多器材有实践履历。荣幸的是，个中越来越多的器材低落了行使门槛，而且让构建数据科学的事变组合变得越来越轻易。 作者先容：Ben Weber，Zynga首席科学家，Mischief参谋。 【编辑保举】
点赞 0 （编辑：湖南网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
