人工智能的火爆帶動了對數據科學家的大量需求。看到急缺的崗位和高薪，誰能不動心呢？可是你確定想好要成為一名數據科學家了嗎？你知道成為一名DS，需要具備什么技能嗎？那就請準備好，下面我們要開車了！

你可能已經從媒體鋪天蓋地的報道中，了解到數據科學家這個抬頭非常火。

根據UiPath數據顯示，2018年12113個崗位爭奪AI人才，數據科學家需求量排名第二。

于是很多人萌生了入行、或者轉行做數據科學家的念頭。那么接著就帶來一個問題：如何成為一名數據科學家呢？

接下來，由《Getting Started with SQL》(O’Reilly)和《Learning RxJava》(Packt) 二書的作者、美國西南航空的企業顧問Thomas Nield，獻上這份《2019年數據科學家成長指南》。

廢話不多說，馬上進入戰斗。

Round 1：不考證完全沒問題。當然考了也可以

不要把工作后寶貴的時間，浪費在考證上。「數據科學」不過是「商業分析」的一個分支，而且通常學校的知識總是和當前的科技前沿脫節。如果真的想學建議去Coursera或者可汗學院自學。

當然，證書多了終歸是好事嘛。如果你非要去學校考證，建議考物理或者運籌學的研究生。我了解到很多一流的數據科學家，基本都是這倆專業畢業的。

花個幾年時間研究生畢業后，明天就會更好？反正有個數據科學初創公司的創始人說：

博士學歷不重要；碩士學歷無可無不可；學士畢業必須有，因為用人單位最低要求就是大學畢業。

https://towardsdatascience.com/do-you-need-a-graduate-degree-for-data-science-8e3d0ef39253

Round 2：成為一個數據科學家真的需要了解這么多領域嗎？

這是一張6年前的圖，里面甚至連TensorFlow都沒有。

而且我覺得，數據科學發展到現在，已經非常碎片化和細分化了。根本沒必要搞的這么復雜。

Round 3：我應該學哪門語言呢？需要從Linux入手嗎？

數據科學家是一個跨平臺物種，操作系統不重要。

語言的話，Scala早就過氣了，R解決數學問題非常爽，Python才是萬能的。一條Python在手，數據科學跟我走。

不過需要了解一些庫，類似Pandas用來處理數據幀，matplotlib用來創建圖表。

Round 4：學會Python很關鍵！學不會也沒關系

Python學起來超簡單。不過，你可能也不用非得學會Python。

作為人類，要善用工具。數據科學不止眼前的腳本和機器學習，還有遠方的數據可視化。這個時候顯然Tableau更好用，也更美觀。

Tableau

不過涉及到數據清洗、管理、轉換、加載等，就需要用到Alteryx了，鼠標拖拽就能搞定。

新智元點評：所以買個Tableau就可以稱為數據科學家了？

從淘寶買個激活碼豈不是要變成二手科學家？

Round 5：明明靠Excel和PPT就能搞定，為什么非要學Python呢？

首先，能為你的簡歷增加光環。

其次，之前也說過，Python簡直萬能。通過Jupyter notebook逐步完成每個數據分析階段，讓每一步都可視化，就像你正在創建一個可以與他人分享的故事。

劃重點：畢竟，溝通和講故事才是數據科學的重要組成部分。

數據科學和軟件工程很大程度可以劃等號。不同之處在于，數據科學必須有數據，軟件工程就不一定了。

Wiki網頁是一個非常好的數據來源，抓取網頁并使用Beautiful Soup解析他們，就得到了大量非結構化文本數據。

Round 6：懂NoSQL行，不懂也沒事

非機構化數據才能激發我們的想象力，結構化數據只能固化我們的邏輯能力。

如今像谷歌Facebook這樣的大廠，擁有大量的非機構化數據，他們就像裁判一樣，「數據科學」的定義權掌握在他們手里。剩下我們這些運動員，只好用無聊的SQL咯。

利用非結構化數據，大廠可以通過挖掘用戶內容、郵件、故事，用于廣告或者其他途徑。

而我們也可以利用非結構化數據，對社交媒體上的帖子進行，做一些NLP應用比如聊天機器人。

NoSQL更擅長存儲這類數據。但是對于數據科學家來說，NoSQL也不是必須要掌握的，除非做數據工程師。而且現在Apache Kafka比NoSQL更火，所以你也知道該學什么了。

有的人可能不知道，數據科學家分為兩種角色。數據工程師使用生產系統并幫助使數據和模型可用；而數據科學家則負責機器學習以及數學建模。

這個時候，利用樸素貝葉斯算法，就可以去預測文本的分類。我打算建議從具有均值和標準差的正態分布開始。也許用z分數和線性回歸計算一些概率或兩個。

Round 7：學會線性代數很重要。不會的話……也行吧

傳統智慧認為線性代數是許多數據科學的基石，因此掌握線性代數很重要。將矩陣相乘和相加（稱為點積），將一直伴隨著你。

聽起來很無聊對吧，但這就是機器學習在做的事情。當你進行線性回歸或構建自己的神經網絡時，你將使用隨機權重值進行大量矩陣乘法和縮放。

不過實際上，你可能也不需要學習線性代數，因為有像TensorFlow和 scikit-learn這樣的框架和庫，幫你解決掉最枯燥乏味的線代部分。

呃，實際上，也別用TensorFlow，用Keras。

Round 8：棒。總之都能用Excel實現，所以會用Excel就可以被稱為數據科學家了？

機器學習通常在做兩個任務：回歸，或者分類。但技術上來說，分類就是回歸。

決策樹、神經網絡、支持向量機、邏輯回歸、線性回歸都執行某種形式的曲線擬合。

所以，我們也可以不負責任的說：機器學習只是回歸。神經網絡實際上只是具有一些非線性函數的多層回歸。圖像識別也是回歸。

Round 9：為什么大家現在不怎么談論算法了？

因為這些優化問題已經在很長一段時間內得到了令人滿意的解決，而且這些方法在很早以前也沒太多人討論。

運籌學已經提供了許多機器學習使用的優化算法。同時也為常見“AI”問題提供了許多解決方案。

AI炒作重新點燃了機器學習及其解決的問題類型：圖像識別，自然語言處理，圖像生成等。

機器學習，深度學習…今天被炒作的任何東西，通常都不能解決離散優化問題，人們嘗試過，但效果非常不理想。

所以有人說深度學習是否已經達到了極限，AI寒冬又雙來了。

Round 10：AI玩游戲已經超神，接下來會取代人類工作嗎？

首先我們要明確一點。人們已經找到了一些巧妙的回歸應用，例如計算圍棋和象棋最優移動（離散優化也可以做），或自動駕駛的汽車計算轉向的方向。

但是，回歸只能將這么多的應用組合起來，完成單一任務。

現在我們好好思考一下，你會擔心職業星際爭霸選手威脅到你的工作嗎？你覺得打星際，和你打Excel之間，有多少重疊的交集呢？

如果你連人類星際選手都不怕，你為什么還怕一個回歸呢？AI玩星際再強，它也只會玩星際。

Round 11：一句話解釋什么是數據科學家，讓你爺爺也能聽懂

數據科學的界限正在模糊。它可以是任何東西，也可以什么都不是。成為數據科學家你需要掌握很多東西，但就算沒掌握也不會致命。

天哪??

不過幸好，這個世界上還是有人能說明白到底什么是數據科學和數據科學家的。一句話解釋數據科學家：

數據科學家是比軟件工程師更懂統計、比統計學家更懂軟件工程的一個人。

Round 12：已瘋

所以，2019年，你還想做數據科學家嗎？