解读|数据科学领域常见的3种职业转型方向( 二 )


最好的方法就是利用你在软件开发方面的经验 。你已经知道如何编写干净、文档记录良好的代码,以及该如何与他人协作,这是大多数初级职位求职者所缺乏的优势 。
第三类:计算机科学、数学或物理专业的应届毕业生
如果你是一名本科、硕士或博士生,你可能在统计学和数学方面有很好的基础 。但你可能从未申请过科技方面的工作,而且你不确定如何准备面试 。此外,假设你读书时一直在编程,你很可能无法写出干净、结构良好的代码 。
几点建议:
你在读书期间学的R语言还不够 。如果你是学物理的,那你的MATLAB或数学技能也是不够的,去学学Python吧 。
这些内容你需要尽快学习:协作版本控制,比如如何与其他人一起使用GitHub);容器化,比如如何使用Docker;开发运营,学习如何使用AWS或其他类似服务在云中部署模型;SQL也是必须的 。
学习Python中的测试驱动开发 。学习如何使用文档字符串,如何将代码模块化,以及如何使用Jupyter notebook 。
如果你在以数学为导向的领域,那么深度学习是一个很好的探索方向 。要注意先从更传统的“scikit-learn”型数据科学职位开始,然后转向深度学习更容易 。对你来说,最重要的是先入行,并尽快开始生产代码 。
如何发挥自己的优势:
如果你是数学或物理专业,你最好的策略就是发挥有深厚理论知识的特定 。为此,你需要能够自信地解释各种模型的原理,熟悉文献中最新的文章 。

解读|数据科学领域常见的3种职业转型方向

文章插图
结语
注意:我这里提供的建议并不能完全使用与所有情况 。有些软件工程师可能要学习的更多,而有些初学者有很好的数学基础,更适合成为深度学习研究人员 。但希望本文能你一个不错的起点 。
最后,无论你是软件工程师,刚毕业的大学生,还是零基础的初学者,你都要问自己一个关键的问题:哪种职业发展轨迹最接近你的情况?很多情况下,通过称为数据分析师或数据可视化专家进入该领域都是不错的选择 。

推荐阅读