2021年比較值得投資的7種數據科學技能
在2021年伊始，Google數據與分析主管、NVIDIA工程部高級總監 ，以及Wealthsimple數據科學與工程副總裁等全球數據領導者，分享了他們認為的7種比較值得大家在新的一年里學習的數據科學技能。這些技能是各大公司正在廣泛使用并推崇的。
首先需要申明，這七項技能都與機器學習或深度學習無關，這是因為目前，數據分析行業對建模前階段和建模后階段使用的技能有更高的要求。因此，這七個最值得學習的技能實際上與數據分析師、軟件工程師和數據工程師擁有技能重疊。
那接下來就讓我們深入探討2021年比較值得學習的七項數據科學技能吧!
1) SQL
SQL是數據世界中的通用語言。無論你是數據科學家，數據工程師還是數據分析師，你都需要了解SQL。
SQL用于從數據庫中提取數據、處理數據和創建數據管道。本質上，在數據生命周期中，它對于每個預分析、預建模階段都很重要。
開發強大的SQL技能將使你能夠將分析、可視化和建模都提高到一個新的水平，因為你將能夠以高級方式提取和操作數據。而且，對于使用PB級數據(1PB=1024TB=2^50字節)的公司而言，編寫高效且可擴展的查詢變得越來越重要。
2) 數據可視化與數據講述
如果你認為只有數據分析師才會專注于創建數據可視化圖表和數據講述(storytelling)的話，那你可能想錯了。
數據可視化只是指以可視化的方式呈現的數據。它可以是以圖形的形式，但也可以以非常規的方式呈現。
數據講述(storytelling)將數據可視化提升到了一個新的層次——數據講述指的是你如何傳達你的見解。把它想象成一本圖畫書。一本好的圖畫書有很好的視覺效果，但它也有一個引人入勝的和強有力的敘述，連接視覺效果。
強化你的數據可視化和數據講述的技能是必不可少的，因為作為一個數據科學家，你總是需要推銷你的想法和模型。在與非技術人員或者跨部門溝通時(比如說服你的產品經理)，這一點就顯得尤為重要了。在這里給大家推薦一個Google的演講視頻，來自《Storytelling with Data》這本書的作者Cole Nussbaumer Knaflic，演講的標題與書同名。
3) Python
在數據科學家中使用Python的比例正在逐年增高。學習Python語法很容易，但是你應該學習編寫高效的腳本，并充分利用Python提供的各種庫和包。Python編程是諸如數據處理、構建機器學習模型、編寫DAG文件等應用程序的基礎。
4)Pandas
可以說，Pandas是Python中最重要的包，它可以用于進行數據操作和分析。作為一名數據科學家，Pandas可以說是一個會被一直用到的工具，無論是清理數據、處理數據還是展示數據它都能勝任。
Pandas之所以能夠成為如此流行的包，不僅僅因為它的功能強大，還因為DataFrame已經成為機器學習模型中的常用的數據結構。
5)Git/版本控制(Version Control)
Git是目前業界最流行的版本控制系統(Version Control System)。
如果這對你來說有點難以理解，那我來舉個例子。在高中或大學的時候，假如你需要寫一篇論文，那你的電腦里可能會隨著你的進展保存下你論文的不同版本。例如:
開個小玩笑。Git是一個分布式版控制系統，其最大的特點是各開發者本地所復制的不僅僅是當前最新版本的文件，而是把代碼倉庫完整地從服務器上克隆了下來。這意味著代碼文件(或代碼倉庫庫)既存儲在本地，也存儲在中央服務器中。各開發者本地擁有代碼倉庫所有的文件以及文件歷史和變更信息。這樣即使服務器出現宕機，也不影響開發者本地開發，開發者也可以隨時查看文件的各歷史版本。
Git可以實現幾個非常重要的功能:
- 它允許恢復到舊版本的代碼
- 它允許幾個數據科學家和程序員并行工作
- 它允許你使用與他人完全相同的代碼庫，即使你正在處理的是完全不同的項目
6)Docker
Docker是一個開放源代碼軟件項目。它是一個容器化的平臺，就像機器學習模型，允許你部署和運行應用程序。
一個越來越重要的趨勢是，數據科學家不僅需要知道如何建立模型，而且要知道如何部署它們，現在很多數據科學家的職位招聘都需要一些模型部署的經驗。
因為一個模型在沒有實際集成到與之相關的流程/產品之前，是沒有產生任何商業價值的，這也是為什么學習如何部署模型如此重要的原因。
7) Airflow
Airflow是一個工作流程管理的工具，你可以自動地執行工作流程。換句話說，Airflow可以為創建全自動化的工作流水線，搭建數據流通道和機器學習模型。
Airflow功能十分強大，它可以將要用于進一步分析或建模的數據表格產品化，同時它還是一個可用于部署機器學習模型的工具。
