作者：Alec Smith ?譯者：Blake、高斐

作者Alec Smith是數(shù)據(jù)科學(xué)領(lǐng)域中資深HR，之所以寫這篇文章是因?yàn)榻?jīng)常被問到一個(gè)問題：“如何才能獲得一份數(shù)據(jù)科學(xué)家的職位?” 不僅這個(gè)問題經(jīng)常被問引起了注意，另外問這個(gè)問題的人不同的背景也非常很令人感興趣。作者曾經(jīng)和以下這些職業(yè)的人有過類似對(duì)話：軟件工程師、數(shù)據(jù)庫開發(fā)者、數(shù)據(jù)架構(gòu)師、保險(xiǎn)精算師、數(shù)學(xué)家、學(xué)術(shù)界人士(不同領(lǐng)域)、生物學(xué)家、天文學(xué)家、理論物理學(xué)家—我還能接著往下數(shù)。通過和他們的這些談話，作者發(fā)現(xiàn)在這之中有很大的誤解存在，很多人都非常困惑——為了闖入這個(gè)領(lǐng)域的話，他們需要做些什么?

作者決定深入調(diào)查這個(gè)項(xiàng)目，同時(shí)提供一個(gè)任何想要加入商業(yè)計(jì)算機(jī)科學(xué)都能受益的干貨資料——無論你是剛剛開始，或者早已點(diǎn)滿所有的技能只是沒有相關(guān)的業(yè)界經(jīng)驗(yàn)。因此我打算主要回答這兩個(gè)概覽性的問題：

• 數(shù)據(jù)科學(xué)需要哪些技能?如何才能學(xué)會(huì)這些技能?
• 從求職市場(chǎng)的角度來看的話，怎樣做才能最大化在數(shù)據(jù)科學(xué)崗位上被錄用的機(jī)會(huì)?
• 你可能會(huì)疑惑，憑什么我能回答這些問題?

因?yàn)槲颐刻於己葦?shù)據(jù)科學(xué)家打交道，并且作為一個(gè)資深的HR，我需要了解相關(guān)職業(yè)道路，怎樣才能成為一名優(yōu)秀的數(shù)據(jù)科學(xué)家，以及雇主期望能招到哪一種員工。因此對(duì)于這件事我還是相當(dāng)了解的。但是我也想直接找到那些沿著這條路走下來的人，所以我以不同背景的數(shù)據(jù)科學(xué)家開始，期待能發(fā)掘到不同的東西。這一次我找到了一個(gè)前軟件工程師、前天體物理學(xué)家、甚至還有一個(gè)前粒子物理學(xué)家(這令我非常激動(dòng)，因?yàn)樗?jīng)親身參與過21世紀(jì)以來最重大的科學(xué)突破之一)。

?

第一章：什么是數(shù)據(jù)科學(xué)?

你已經(jīng)下定決心要做一名數(shù)據(jù)科學(xué)家了，很好你已經(jīng)開始了。但是現(xiàn)在你有了另外一種選擇：你想做哪一種數(shù)據(jù)額科學(xué)家呢?因?yàn)?認(rèn)識(shí)到這個(gè)很重要)雖然數(shù)據(jù)科學(xué)被承認(rèn)是一種職業(yè)已經(jīng)有很多年了，但是有關(guān)于它到底是什么還沒有一個(gè)大家都認(rèn)可的定義。

在現(xiàn)實(shí)生活，“數(shù)據(jù)科學(xué)家”這個(gè)詞可以指代非常廣泛的工種，因此它存在很多種形式，考慮到工業(yè)界以及商業(yè)界各種需求的不同，還有問題中目標(biāo)與輸出角色的不同。因此，在某些方面擁有技能的話比其他要更好一些，這就是為什么通向數(shù)據(jù)科學(xué)的路徑是不相同的，可以通過多種領(lǐng)域如統(tǒng)計(jì)、計(jì)算機(jī)科學(xué)與其他科學(xué)學(xué)科來實(shí)現(xiàn)。

目的是決定數(shù)據(jù)科學(xué)形式類別的最大因素，這也與相應(yīng)的A類以及B類相關(guān)聯(lián)。廣義上來說，分類可以總結(jié)如下：

• 面向人類的數(shù)據(jù)科學(xué)(A類)，舉例：分析支持以證據(jù)為基礎(chǔ)的決策
• 面向軟件的數(shù)據(jù)科學(xué)(B類)，舉例：智能推薦系統(tǒng)，如Netflix和Spotify

當(dāng)這個(gè)領(lǐng)域越來越成熟之后，我們可以見到這些定義會(huì)愈加完善，在這里我們也要介紹我們第一個(gè)專家：Yanir Seroussi，Yanir目前是Car Next Door的首席數(shù)據(jù)科學(xué)家。

探討職位頭銜

在我們深入研究之前，值得花一點(diǎn)時(shí)間來反思“數(shù)據(jù)科學(xué)”中的“科學(xué)”，因?yàn)樵谀撤N意義上，所有的科學(xué)家都是數(shù)據(jù)科學(xué)家，因?yàn)樗麄兌际桥c各種各樣的數(shù)據(jù)進(jìn)行打交道。但要考慮到通常被認(rèn)為是數(shù)據(jù)科學(xué)的這個(gè)行業(yè)，究竟是什么使它成為一門科學(xué)?這個(gè)問題很好!答案應(yīng)該是：“科學(xué)方法”。考慮到科學(xué)的多學(xué)科性，科學(xué)方法是把這些領(lǐng)域結(jié)合在一起。

然而，業(yè)界中職位名稱貌似越來越寬松了，并不是所有的數(shù)據(jù)科學(xué)家都是真正的科學(xué)家。可以這樣問你自己：你能證明自己是一個(gè)科學(xué)家即便你的工作并不包含真正的科學(xué)呢?個(gè)人來說，我不認(rèn)為“分析師”不能作為一個(gè)選項(xiàng) ，或者其他的最合適的也能作為選項(xiàng)。但是這可能只是我個(gè)人意見，也許我最好稱自己為招聘科學(xué)家。

通過討論的方式我們將繼續(xù)探索，哪些領(lǐng)域的專業(yè)知識(shí)你還需要掌握(如果你還沒有的話)。

1. 解決問題

如果這個(gè)不是你清單中的首位的話，馬上去修改。所有科學(xué)核心都是解決問題：一個(gè)偉大的數(shù)據(jù)科學(xué)家也是一個(gè)偉大的問題解決者;就是這么簡(jiǎn)單。需要更進(jìn)一步的證明嗎，基本我在這個(gè)項(xiàng)目中碰到的每一個(gè)人(不管其背景和目前工作環(huán)境如何)都提到數(shù)據(jù)科學(xué)中最重要的因素就是解決問題。

很明顯，你需要有工具去解決問題，但是它們只是：工具。在這種情況下，即便是統(tǒng)計(jì)/機(jī)器學(xué)習(xí)技術(shù)也可以認(rèn)為是你解決問題的工具。新的技術(shù)出現(xiàn)了，科技進(jìn)步了。唯一不變的就是解決問題。

在某種程度上，你解決問題的能力是由天賦決定的，但是與此同時(shí)有且僅有一個(gè)方式來進(jìn)行提高：那就是練習(xí)、練習(xí)、練習(xí)。在后面我們會(huì)回顧這部分內(nèi)容，但是現(xiàn)在你只需要記住：你只能通過嘗試來掌握某件事情。

2. 統(tǒng)計(jì)/機(jī)器學(xué)習(xí)

看完上面的內(nèi)容，似乎我輕視了統(tǒng)計(jì)和機(jī)器學(xué)習(xí)。不過在這里我們并不是討論一個(gè)強(qiáng)力的工具;它們是非常復(fù)雜的(而且在某種程度上是非常深?yuàn)W的領(lǐng)域)，如果你沒有專業(yè)的知識(shí)，你也不會(huì)很快地解決數(shù)據(jù)科學(xué)問題。

進(jìn)一步對(duì)這些詞進(jìn)行解釋說明，機(jī)器學(xué)習(xí)可以被認(rèn)為是從人工智能/計(jì)算科學(xué)與統(tǒng)計(jì)學(xué)中發(fā)展起來的多學(xué)科領(lǐng)域。它通常被認(rèn)為是人工智能的一個(gè)子領(lǐng)域，這是正確的，但是很重要的是要意識(shí)到?jīng)]有統(tǒng)計(jì)學(xué)的話就沒有機(jī)器學(xué)習(xí)(機(jī)器學(xué)習(xí)非常依賴統(tǒng)計(jì)算法來工作)。很長(zhǎng)一段時(shí)間依賴統(tǒng)計(jì)學(xué)家都被機(jī)器學(xué)習(xí)所輕視，但是在這兩個(gè)領(lǐng)域的合作才造就了最近的發(fā)展(參見統(tǒng)計(jì)學(xué)習(xí)理論)，順便提下高維統(tǒng)計(jì)學(xué)習(xí)只有在統(tǒng)計(jì)學(xué)家與機(jī)器學(xué)習(xí)結(jié)果合作時(shí)才會(huì)有良好的結(jié)果。

3. 計(jì)算

• 編程

對(duì)于我們來說只需要簡(jiǎn)單的接觸程序就行，因?yàn)樗鼞?yīng)該是很直觀的：但是對(duì)數(shù)據(jù)科學(xué)家來說編程是必須要會(huì)的。設(shè)想下如果你不會(huì)編程的話，如何才能通過編寫一段獨(dú)特的算法來實(shí)現(xiàn)你的理論?又或者建立一個(gè)統(tǒng)計(jì)模型?

• 分布式計(jì)算

并不是所有事情都需要超級(jí)大的數(shù)據(jù)組，但是考慮到現(xiàn)代世界的情況，建議在工作中都加上大數(shù)據(jù)。簡(jiǎn)而言之：?jiǎn)我挥?jì)算機(jī)中的主要內(nèi)存并不能實(shí)現(xiàn)大數(shù)據(jù)處理，如果你想同時(shí)在數(shù)百臺(tái)虛擬機(jī)中訓(xùn)練模型的話，你需要能夠使用分布計(jì)算與并行算法。

• 軟件工程

對(duì)于A類數(shù)據(jù)科學(xué)而言，讓我明確一點(diǎn)：工程是一門獨(dú)立的學(xué)科。因此如果這是你想成為的數(shù)據(jù)科學(xué)家類型，你其實(shí)不需要成為一個(gè)工程師。然而，如果你想把機(jī)器學(xué)習(xí)算法轉(zhuǎn)化到應(yīng)用中(即B類)，那么你將需要一個(gè)強(qiáng)大的軟件工程基礎(chǔ)。

• 手動(dòng)轉(zhuǎn)換數(shù)據(jù)

數(shù)據(jù)清理/準(zhǔn)備是數(shù)據(jù)科學(xué)的重要內(nèi)在組成部分。這將耗費(fèi)你大多數(shù)時(shí)間。倘若你沒有成功地對(duì)數(shù)據(jù)集進(jìn)行降噪(例如，錯(cuò)誤賦值，非標(biāo)準(zhǔn)化分類等)，將會(huì)對(duì)建模的準(zhǔn)確性產(chǎn)生影響，最終導(dǎo)致產(chǎn)生錯(cuò)誤的結(jié)論。因此，如果你尚未做好處理數(shù)據(jù)的準(zhǔn)備，這將使你先前的知識(shí)積累顯得無關(guān)重要。

有一點(diǎn)是非常重要的且值得注意的，即在商業(yè)化組織中數(shù)據(jù)質(zhì)量一直以來成為飽受爭(zhēng)議的話題，在數(shù)據(jù)儲(chǔ)存方面，許多業(yè)務(wù)又涉及到復(fù)雜的基礎(chǔ)事務(wù)需要處理。所以，如果你尚未準(zhǔn)備好融入這個(gè)環(huán)境中，想要處理純粹的數(shù)據(jù)集，商業(yè)數(shù)據(jù)科學(xué)可能不是最適合你的選擇。

• 工具與技術(shù)

直至目前，你應(yīng)當(dāng)意識(shí)到，成為一名具備解決問題的能力的數(shù)據(jù)科學(xué)家相比于其他一切條件來講是重中之重：因?yàn)榧夹g(shù)將不斷發(fā)生變化，能夠在相對(duì)較短的時(shí)間內(nèi)得到掌握。但是，我們不能對(duì)其他影響因素置之不理，因而，能夠認(rèn)清楚如今應(yīng)用最廣泛的工具對(duì)于成為一名數(shù)據(jù)科學(xué)家是有用的。

讓我們先從編程語言談起，R與Python是兩種最常用的編程語言，因而，如果能夠選擇的話，希望你選用其中一種語言用于實(shí)驗(yàn)研究。

尤其是在A類數(shù)據(jù)科學(xué)工作領(lǐng)域，具備能夠直觀地觀察數(shù)據(jù)的能力將會(huì)對(duì)與非技術(shù)型商業(yè)股東交流溝通產(chǎn)生重大影響。你可能具有最優(yōu)的模型和最深刻的見解，但是如果不能有效地呈現(xiàn)/解釋這些研究成果，那又將有什么用呢?事實(shí)上，你運(yùn)用什么工具實(shí)現(xiàn)數(shù)據(jù)直觀可視化并不重要，可以是通過使用R或Tableau(當(dāng)時(shí)最為流行的編程語言)，但是，說實(shí)話，工具是不太重要的。

最后，不論我們所討論的是關(guān)系型數(shù)據(jù)庫，還是運(yùn)用大數(shù)據(jù)技術(shù)獲得的SQL衍生數(shù)據(jù)庫，由于SQL是當(dāng)時(shí)產(chǎn)業(yè)界用于數(shù)據(jù)庫中最為廣泛的編程語言，大多數(shù)公司都非常看重SQL這種編程語言。SQL對(duì)于手動(dòng)轉(zhuǎn)換數(shù)據(jù)尤為重要，至少在處理更大規(guī)模的數(shù)據(jù)庫時(shí)。總之，SQL真的值得你花費(fèi)一定的時(shí)間來好好研究應(yīng)用。

• 交流/商業(yè)頭腦

在商業(yè)數(shù)據(jù)科學(xué)領(lǐng)域工作，具備交流溝通能力/商業(yè)頭腦是不容忽視的。除非你將要從事非常具體的工作，可能是純研究類型的工作(盡管我們要面對(duì)現(xiàn)實(shí)，在產(chǎn)業(yè)界并沒有很多這種類型的工作)，絕大多數(shù)數(shù)據(jù)科學(xué)領(lǐng)域的工作都涉及到業(yè)界交流互動(dòng)，通常是與非學(xué)者類型的人打交道。

具備將商業(yè)化問題和催生這些問題的環(huán)境概念化是極為重要的。將統(tǒng)計(jì)學(xué)方面的觀點(diǎn)轉(zhuǎn)化為可以想普通大眾推薦的行動(dòng)或啟發(fā)性觀點(diǎn)也是重要的，特別是對(duì)于A類型數(shù)據(jù)科學(xué)領(lǐng)域的工作來講。我曾與Yanir就該話題交談過，他的觀點(diǎn)如下：

“我發(fā)現(xiàn)一種奇怪的現(xiàn)象，當(dāng)一些技術(shù)型人才開始使用行話與人交流時(shí)，他們并不留意他們的交談?wù)摺切┓羌夹g(shù)型人才，的目光早已落到了別處。在交談過程中，能夠設(shè)身處地地為他人著想是重要的。”

搖滾明星

乍看這樣一個(gè)標(biāo)題，你可能會(huì)困惑不解：事實(shí)上，我用這一標(biāo)題暗含諷刺意味。當(dāng)然，數(shù)據(jù)科學(xué)家可不是搖滾明星，忍者，獨(dú)角獸或其他任何一種神秘生物。如果你計(jì)劃視自己為上述任何一種生物，那你可能該對(duì)著鏡子好好大量自己一番。但是，講到這里，我離題了。我想要表達(dá)的觀點(diǎn)是，有一些數(shù)據(jù)科學(xué)家，他們具備頂尖的專業(yè)水平，也可能專業(yè)水平更為高端。在別人眼中，可謂稀有物種，尤為寶貴。如果你有此般天賦或愿望成為其中一員，那簡(jiǎn)直是太棒了。但是，如果你不具備這種才能或愿望，請(qǐng)記得：你可能在數(shù)據(jù)科學(xué)的某些領(lǐng)域做的術(shù)業(yè)有專攻，而且通常，好的團(tuán)隊(duì)是由精通于不同專業(yè)領(lǐng)域的數(shù)據(jù)科學(xué)家組成的。決定自己的研究重點(diǎn)在哪一領(lǐng)域，這個(gè)問題有回到我們之前講的個(gè)人興趣和能力這個(gè)話題上，我們將在下一章對(duì)該話題作繼續(xù)討論。

第二章：自我剖析

現(xiàn)在我們正在取得進(jìn)步!成功地消化了第一章的內(nèi)容之后，你現(xiàn)在要做好準(zhǔn)備開始制定個(gè)人目標(biāo)。但是，我們首先要回顧一下——不妨來杯咖啡，尋一隅安靜之所，深思下面的問題：

1.你為什么想要成為一名數(shù)據(jù)科學(xué)家?

2.對(duì)哪一類型的數(shù)據(jù)科學(xué)感興趣?

3.你已經(jīng)具備了哪些天賦或相關(guān)技能?

為什么認(rèn)真思考這些問題是重要的?簡(jiǎn)而言之：數(shù)據(jù)科學(xué)是一個(gè)專業(yè)的研究領(lǐng)域，因而，除非你已經(jīng)掌握了我們?cè)诘谝徽轮刑岬降闹R(shí)與技能，否則從事該領(lǐng)域的研究并不是一種輕松的選擇。講到這里，有一點(diǎn)對(duì)合理解決前兩個(gè)問題尤為重要：你需要為從事數(shù)據(jù)科學(xué)領(lǐng)域的研究找到合理的理由，否則，當(dāng)遇到困難時(shí)，很容易半途而廢。

為了詳細(xì)闡釋上面的觀點(diǎn)，我們來聽聽Dylan Hogg的見地。Dylan之前是一名軟件工程師，現(xiàn)在是數(shù)據(jù)科學(xué)研究協(xié)會(huì)的領(lǐng)導(dǎo)者，數(shù)據(jù)科學(xué)研究會(huì)為運(yùn)用機(jī)器學(xué)習(xí)(NLP)為雇主和相關(guān)候選人員建立聯(lián)系搭建了一個(gè)平臺(tái)。Dylan是如何從軟件工程師成功地轉(zhuǎn)型為數(shù)據(jù)科學(xué)家的(他仍然處于轉(zhuǎn)型期)，下面我們將討論轉(zhuǎn)型過程中應(yīng)當(dāng)具備的條件，他講到：

“不論學(xué)歷高低，經(jīng)歷豐富與否，有一些內(nèi)在的東西尤為重要，那就是一個(gè)人的求知欲、決心和毅力。你會(huì)遇到很多困難：也許是算法方面出錯(cuò)，也許是遇到技術(shù)瓶頸。不論遇到什么樣的困難，你都能夠找到最優(yōu)的方法來研究機(jī)器學(xué)習(xí)算法或軟件工程，但是，倘若你的信心不夠堅(jiān)定，你將會(huì)放棄或無法克服遇到的困難。”

這下你會(huì)懂了：在學(xué)習(xí)過程中，你不僅僅會(huì)遇到困難;在工作生活中，你會(huì)接二連三地遇到難題，因而，你最好能夠保證有合理的理由來激勵(lì)自己，而不僅僅因?yàn)槟阌X得擁有“科學(xué)家”這一頭銜有多酷。

但是，我們應(yīng)當(dāng)如何應(yīng)對(duì)第三個(gè)問題?為什么擁有相關(guān)技能是重要的?對(duì)，一個(gè)人的起點(diǎn)會(huì)對(duì)選擇最適合自己的數(shù)據(jù)科學(xué)類型及你應(yīng)當(dāng)從自己感興趣的領(lǐng)域?qū)W到的知識(shí)產(chǎn)生影響?為了能夠恰當(dāng)?shù)鼗卮疬@個(gè)問題，有必要探尋通往數(shù)據(jù)科學(xué)領(lǐng)域的典型途徑，我們應(yīng)當(dāng)首先從更為廣闊的科學(xué)領(lǐng)域開始。

注：在許多定量學(xué)科中有許多人具備向數(shù)據(jù)科學(xué)轉(zhuǎn)型的素質(zhì)。在這里我就不一一列舉了，但是，需要強(qiáng)調(diào)的重點(diǎn)是：如果你花費(fèi)時(shí)間來真正理解每種類型數(shù)據(jù)科學(xué)之間存在的細(xì)微差異，不論你的知識(shí)背景如何，你都將會(huì)意識(shí)到自己所具備的相關(guān)技能的重要性。

其他科學(xué)學(xué)科

這不是通往數(shù)據(jù)科學(xué)領(lǐng)域最平凡的道路;我們接下來將要討論統(tǒng)計(jì)學(xué)與計(jì)算機(jī)科學(xué)在數(shù)據(jù)科學(xué)研究中的重要性。但是，許多領(lǐng)域的科學(xué)家都具有嫻熟的相關(guān)技能(特別是物理學(xué)領(lǐng)域)，許多人在這一方面已經(jīng)跳過了。

為了對(duì)此進(jìn)行解釋，請(qǐng)?jiān)试S我介紹Will Hanninger，澳洲聯(lián)邦銀行數(shù)據(jù)科學(xué)家。之前，Will是歐洲核子研究中心的粒子物理學(xué)家，發(fā)現(xiàn)了希格斯玻色子，下面是他的語錄：

“在物理學(xué)界，你能夠自然而然地學(xué)習(xí)到所需要的數(shù)據(jù)科學(xué)領(lǐng)域的知識(shí)：編程、操作數(shù)據(jù)，獲取原始數(shù)據(jù)并根據(jù)實(shí)用性對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換。你能夠?qū)W習(xí)到統(tǒng)計(jì)學(xué)知識(shí)，重要的是：你將學(xué)到解決問題的能力。這些是作為一名數(shù)據(jù)科學(xué)家應(yīng)當(dāng)具備的基本技能。”

因此，技能組合具有高度可轉(zhuǎn)換性，最重要的是獲取解決問題的能力。工具與技術(shù)兩者之間將會(huì)產(chǎn)生差異，例如，盡管機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)的同義詞，但是，就更為寬泛的科學(xué)而言，這種同義關(guān)系是不常見的。在上述討論中，我們一直談及的是高智商人才，他們具有在短時(shí)間內(nèi)學(xué)會(huì)使用工具與技術(shù)的能力。

下面我們以Sean Farrell的科研經(jīng)歷為例。Sean所學(xué)專業(yè)是天體物理學(xué)，之后進(jìn)入澳大利亞商業(yè)數(shù)據(jù)科學(xué)研究領(lǐng)域，在研究過程，他就“為什么科學(xué)家在數(shù)據(jù)科學(xué)領(lǐng)域的損失反而是收獲”這一題目寫了一篇著名的博文。下面這段話尤為中肯：

“至今為止，尚未發(fā)現(xiàn)一種能夠培養(yǎng)出一位數(shù)據(jù)科學(xué)家的正式訓(xùn)練方法。多數(shù)數(shù)據(jù)科學(xué)家都來自統(tǒng)計(jì)學(xué)或計(jì)算機(jī)科學(xué)領(lǐng)域。然而，盡管其他研究領(lǐng)域也能夠培養(yǎng)上述列舉的技能，但是不能涵蓋所有的相關(guān)技能。統(tǒng)計(jì)學(xué)家非常擅長(zhǎng)數(shù)學(xué)和統(tǒng)計(jì)，通常在編程這一塊兒的技能稍顯欠缺。計(jì)算機(jī)科學(xué)家非常擅長(zhǎng)編程，但是，在理解統(tǒng)計(jì)學(xué)知識(shí)方面存在難度。兩個(gè)領(lǐng)域的科學(xué)家都具備高水平的(盡管不同的)數(shù)據(jù)分析技能，但是不擅長(zhǎng)創(chuàng)新性地解決問題，這種技能也是難以教會(huì)的。”

為了避免誤解，請(qǐng)記得我們今天討論的上下文語境。Sean的一席話并不意味著來自統(tǒng)計(jì)學(xué)或計(jì)算機(jī)科學(xué)領(lǐng)域的所有數(shù)據(jù)科學(xué)家都缺乏創(chuàng)新性解決問題的能力;他的觀點(diǎn)是：相比統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)，廣泛意義上的科學(xué)對(duì)解決問題的技能要求很高。

統(tǒng)計(jì)學(xué)

談及到科學(xué)，應(yīng)當(dāng)仔細(xì)研究統(tǒng)計(jì)學(xué)。近來，許多統(tǒng)計(jì)學(xué)中的分支學(xué)科被重新冠以數(shù)據(jù)科學(xué)之名，因此，在某種程度上，我們好像正在談?wù)撜Z義學(xué)知識(shí)。但是，正如我先前談到的，我認(rèn)為科學(xué)方法應(yīng)當(dāng)被當(dāng)作一門科學(xué)：難道提出假設(shè)，設(shè)計(jì)可行的實(shí)驗(yàn)方案等研究步驟不能稱得上“方法論”嗎?倘若不是的話，也許像“統(tǒng)計(jì)學(xué)家”或“模型分析師”這樣的頭銜更為貼切。

暫且將這一問題放一放，倘若你是產(chǎn)業(yè)界的一名統(tǒng)計(jì)員或者剛剛從統(tǒng)計(jì)學(xué)專業(yè)畢業(yè)，那么你可能已經(jīng)擁有成為一名數(shù)據(jù)科學(xué)家應(yīng)當(dāng)具備的知識(shí)與素養(yǎng)。相關(guān)知識(shí)素養(yǎng)的形成主要依靠以下因素：

• 首先，你在機(jī)器學(xué)習(xí)技能方面有何經(jīng)驗(yàn)?正如我們?cè)诘谝徽绿岬降模y(tǒng)計(jì)建模與機(jī)器學(xué)習(xí)是相互關(guān)聯(lián)的，但是，在應(yīng)用到大型數(shù)據(jù)集中，后者具有更多的優(yōu)勢(shì)。當(dāng)機(jī)器學(xué)習(xí)在產(chǎn)業(yè)界的應(yīng)用越來越受到關(guān)注，實(shí)際上，機(jī)器學(xué)習(xí)已經(jīng)成為各種類型的數(shù)據(jù)科學(xué)。
• 其次，我們?cè)僦貜?fù)一遍，你對(duì)數(shù)據(jù)科學(xué)的哪一領(lǐng)域感興趣?很明顯，擁有統(tǒng)計(jì)學(xué)背景更加有利于你勝任A類型職位，因而，如果你將目標(biāo)設(shè)定為B類型職位，未來還需要學(xué)習(xí)很多知識(shí)。
• 最后，你是否擁有處理數(shù)據(jù)的實(shí)際經(jīng)驗(yàn)?正如我們?cè)诘谝徽轮刑岬降模謩?dòng)轉(zhuǎn)換數(shù)據(jù)是商業(yè)數(shù)據(jù)科學(xué)的重要組成部分，而來自統(tǒng)計(jì)學(xué)領(lǐng)域的科學(xué)家手動(dòng)轉(zhuǎn)換數(shù)據(jù)的能力相對(duì)薄弱。

計(jì)算機(jī)科學(xué)/軟件工程

如果你在人工智能或計(jì)算機(jī)科學(xué)領(lǐng)域的學(xué)習(xí)已經(jīng)達(dá)到前沿水平，你極有可能已經(jīng)能夠勝任B類型的數(shù)據(jù)科學(xué)研究工作。但是，我們這里將要考慮一條數(shù)據(jù)科學(xué)家常走的科研道路：一名經(jīng)驗(yàn)豐富的軟件工程師想要轉(zhuǎn)型進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域。

一名軟件工程師在機(jī)器學(xué)習(xí)領(lǐng)域可能富有經(jīng)驗(yàn)，也可能經(jīng)驗(yàn)甚少。但是，B類型數(shù)據(jù)科學(xué)要求在軟件工程原則方面擁有扎實(shí)的基礎(chǔ)，因而，不論怎樣，擁有軟件工程方面的學(xué)術(shù)背景將使你更適合該領(lǐng)域的研究。我曾經(jīng)與澳洲聯(lián)邦銀行高級(jí)數(shù)據(jù)科學(xué)家(先前是一名軟件工程師)就此問題交流過，以下是他的觀點(diǎn)：

“大量數(shù)據(jù)科學(xué)工作其實(shí)都涉及到軟件工程方面的知識(shí)，不僅僅包括設(shè)計(jì)健全的系統(tǒng)，而且包括簡(jiǎn)單地編寫軟件。你可以通過自動(dòng)化完成眾多任務(wù)，如果想要開展實(shí)驗(yàn)，你需要編寫代碼，如果你能夠快速編碼，將對(duì)實(shí)驗(yàn)進(jìn)展產(chǎn)生重大影響。在攻讀博士學(xué)位過程中，我每天要做成千上萬項(xiàng)實(shí)驗(yàn)，如此浩大的工程是不可能通過人工完成的。擁有軟件工程專業(yè)的學(xué)術(shù)背景意味著我能夠快速完成設(shè)定的實(shí)驗(yàn)任務(wù)，然而，許多其他學(xué)術(shù)背景的學(xué)生需要費(fèi)力處理基本的軟件問題：他們真的非常擅長(zhǎng)數(shù)學(xué)，但是要切實(shí)證明他們的觀點(diǎn)還需要耗費(fèi)大量時(shí)間。”

Dylan對(duì)于該問題補(bǔ)充道：

“如果你想要在生產(chǎn)環(huán)境中高效運(yùn)用機(jī)器學(xué)習(xí)算法，良好的軟件工程實(shí)踐能力是非常寶貴的。這其中涉及到各種各樣的軟件工程知識(shí)——如可維護(hù)的代碼，可供分享的代碼庫，以便于更多的人能夠投入到數(shù)據(jù)科學(xué)領(lǐng)域的研究中，如在計(jì)算機(jī)中記錄信息，排除生產(chǎn)過程中的故障，算法擴(kuò)展，你應(yīng)當(dāng)認(rèn)識(shí)到：一旦這些知識(shí)得到加強(qiáng)，你便能夠通過這樣的方式構(gòu)建數(shù)據(jù)科學(xué)領(lǐng)域的知識(shí)框架。因此，如果你正在尋找一份能夠有效利用所掌握的知識(shí)的工作，這將使得軟件工程學(xué)術(shù)背景變得更為重要。”

我認(rèn)為，上述兩名數(shù)據(jù)科學(xué)家已經(jīng)對(duì)如何成功實(shí)現(xiàn)轉(zhuǎn)型這一問題做出了詳細(xì)闡釋，下面由我來總結(jié)如下：如果你是一名軟件工程師，而且很喜歡數(shù)學(xué)，這將有助于你成為一名(B類型)數(shù)據(jù)科學(xué)家，前提是你已經(jīng)做好準(zhǔn)備在工作中掌握統(tǒng)計(jì)學(xué)/機(jī)器學(xué)習(xí)領(lǐng)域的知識(shí)。

數(shù)學(xué)

很容易得出這樣一個(gè)結(jié)論：數(shù)學(xué)知識(shí)為數(shù)據(jù)科學(xué)的所有研究領(lǐng)域打下堅(jiān)實(shí)的基礎(chǔ)。因而，期望許多數(shù)學(xué)家從事數(shù)據(jù)科學(xué)家的研究工作是合理的。但是，相對(duì)來講，少之又少的數(shù)學(xué)家成功轉(zhuǎn)型成為數(shù)據(jù)科學(xué)家，這一現(xiàn)象引發(fā)了我濃厚的興趣。

針對(duì)這一現(xiàn)象，有一種解釋：與其他研究領(lǐng)域相比，數(shù)學(xué)(純理論數(shù)學(xué)與應(yīng)用數(shù)學(xué))領(lǐng)域有相對(duì)較少的畢業(yè)生，但是，這種解釋未免顯得牽強(qiáng)。為了深究導(dǎo)致這種現(xiàn)象的原因，我曾經(jīng)同Building IQ(一家新成立的運(yùn)用先進(jìn)的算法優(yōu)化商業(yè)建筑中能源應(yīng)用的公司)首席數(shù)據(jù)科學(xué)家Boris Sackovic交談過。Boris擁有電氣工程與應(yīng)用數(shù)學(xué)雙重學(xué)術(shù)背景，與當(dāng)時(shí)許多數(shù)學(xué)家合作過，以下是他對(duì)該現(xiàn)象的見解：

“許多數(shù)學(xué)家為理論層面的問題，美麗的方程著迷，能夠洞察眾多數(shù)學(xué)原理所蘊(yùn)含的深層意義，當(dāng)時(shí)商業(yè)數(shù)據(jù)科學(xué)研究講求實(shí)證性，涉及到的多種多樣的知識(shí)與能力。一些數(shù)學(xué)家喜歡這種實(shí)證性，而一些則表現(xiàn)出討厭的態(tài)度。真實(shí)的情況更為復(fù)雜，你不能兼顧所有的情況，因而得具備能夠靈活處理所遇到難題的能力。而這是商業(yè)數(shù)據(jù)科學(xué)的重點(diǎn)所在：找到更快更好、切實(shí)可行的掙錢方案。對(duì)于那些具有濃厚數(shù)學(xué)背景或理論背景的科學(xué)家而言，要理解商業(yè)數(shù)據(jù)科學(xué)領(lǐng)域的運(yùn)行模式可能存在不少難題。我曾經(jīng)遇到過很多數(shù)學(xué)專業(yè)的博士，他們?cè)谟蓪W(xué)術(shù)界向商業(yè)數(shù)據(jù)科學(xué)領(lǐng)域過度期間可是吃了不少苦頭。”

需要注意的是，Boris在這里談及的是純理論數(shù)學(xué)家，當(dāng)然，他也補(bǔ)充說，在自己的職業(yè)生涯中也曾與許多優(yōu)秀的應(yīng)用數(shù)學(xué)家打過交道。這樣一來上面的討論便講得通了，因?yàn)榧兝碚摂?shù)學(xué)家可能會(huì)吸引那些熱愛理論的人，而不會(huì)吸引那些熱愛解決實(shí)際問題的人。理論研究工作并未涉及到太多數(shù)據(jù)處理問題，但是，我們都知道數(shù)據(jù)對(duì)于數(shù)據(jù)科學(xué)領(lǐng)域的研究極為重要。

就工作類型匹配度問題，多數(shù)數(shù)學(xué)家可能更適合學(xué)習(xí)A類型數(shù)據(jù)科學(xué)領(lǐng)域的工具和理論。但是，也有一些學(xué)習(xí)計(jì)算機(jī)科學(xué)的(實(shí)質(zhì)上，理論計(jì)算機(jī)科學(xué)屬于數(shù)學(xué)的一個(gè)分支)數(shù)學(xué)家，因此，具備這種學(xué)術(shù)背景的數(shù)學(xué)家可能更適合B類型數(shù)據(jù)科學(xué)領(lǐng)域的工作。

從上述討論結(jié)果中可以得出一條非常重要的觀點(diǎn)，即要理解商業(yè)數(shù)據(jù)科學(xué)真正要求數(shù)據(jù)科學(xué)家具備哪些知識(shí)和技能。倘若你能夠真正清楚地認(rèn)識(shí)到面臨的挑戰(zhàn)，所需要做的便是為了自己的目標(biāo)努力前行。但是，倘若相比實(shí)際應(yīng)用，你更熱衷于理論研究，你可能要三思而后行。

一塊空白的畫布

如果你剛剛起步，也許你還是一名學(xué)生，喜歡數(shù)學(xué)、科學(xué)與計(jì)算，喜歡數(shù)據(jù)科學(xué)，這對(duì)你來講不失為一則好消息：你可以不受先前學(xué)術(shù)背景的限制，選擇屬于自己的科研道路。現(xiàn)在有許多與數(shù)據(jù)科學(xué)相關(guān)的專業(yè)課程，涵蓋計(jì)算機(jī)科學(xué)和數(shù)學(xué)/統(tǒng)計(jì)學(xué)等。當(dāng)然你不可能一夜之間成為一名數(shù)據(jù)科學(xué)家，現(xiàn)階段你需要樹立不斷學(xué)習(xí)的理念，利用各種數(shù)據(jù)科學(xué)領(lǐng)域的學(xué)習(xí)資源， 累積數(shù)據(jù)處理方面的實(shí)際經(jīng)驗(yàn)，具備與人交流溝通的能力，積極迎接商業(yè)數(shù)據(jù)科學(xué)領(lǐng)域未來的挑戰(zhàn)!

End.