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

[[262131]]

• 親自嘗試過云計算
• 創建過一個新的數據集
• 能夠將各種信息關聯起來
• 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，數據科學領域最關鍵的要義還是要能夠創造出能為企業創造價值的數據產品。一個能夠創造端到端數據產品的數據科學家是企業的寶貴財富，因此應聘數據科學家的時候，很必要去證明你有這些技能。

1、親身嘗試云計算

現在許多公司都在找有云計算經驗的數據科學家，因為云平臺提供的工具可以擴大 數據流和預測模型的規模。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則提供了社區版本的平臺。雖然你不能在這些平臺上免費跑大數據集，但是你可以積累在平臺親身實踐的經驗。

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。

2、創建一個新的數據集

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

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

3、將各種信息關聯起來

有一種能力我會希望數據科學家去展現：就是能將不同的組件或者系統連接起來從而完成一項任務。在數據科學家這個角色中，也許沒有一個清晰的路徑來使模型產品化，所以你可能需要構造一些獨特的東西讓系統跑起來。一個理想化的數據科學團隊會有工程師來做系統搭建及運行，但是原型開發對數據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或組件整合進數據科學工作流中。這個嘗試可以包含用一些工具比如Airflow去開發一個數據管道。也可以包含搭建連接不同系統的橋梁，例如我在JNI-BWAPI項目中，就開發了基于Java的接口來連接星際爭霸：母巢之戰的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數據流(DataFlow)來獲取BigQuery的數據然后應用到預測模型上，再把預測結果儲存到云數據存儲(Cloud Datastore)上。雷鋒網雷鋒網(公眾號：雷鋒網)雷鋒網

4、提供一個服務

作為數據科學家，你將經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。如果你能夠開發出這個服務，這意味著其他團隊將能更快地使用到你的數據產品。

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建一個引人入勝的數據可視化。

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據科學家在過去10年中發現的一些工具和數據集。

做數據可視化的10年：

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

6、寫白皮書

在數據科學的所有技能中，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，并且使其他數據科學家也可以在你的基礎上繼續研究。

博客或其他形式的輸出都可以很好地增加寫作經驗。我對這點的建議是嘗試去面向大眾寫一些數據科學的文章，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。

結語

數據科學需要對很多工具有實踐經驗。幸運的是，其中越來越多的工具降低了使用門檻，并且讓構建數據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。